هزینه آموزش
۲۶,۰۰۰ تومان

آموزش الگوریتم بهینه سازی ملخ (GOA) و پیاده سازی آن در MATLAB

آموزش الگوریتم بهینه سازی ملخ (GOA) و پیاده سازی آن در MATLAB

تعداد دانشجو
۶۹۶ نفر
مدت زمان
۵ ساعت و ۷ دقیقه
هزینه آموزش
۲۶,۰۰۰ تومان
محتوای این آموزش
۸ بازخورد (مشاهده نظرات)
آموزش الگوریتم بهینه سازی ملخ (GOA) و پیاده سازی آن در MATLAB

بهینه سازی یکی از مسائل اصلی و حیاتی بشر محسوب می شود و از این رو الگوریتم های گوناگونی با رویکرد فراابتکاری (Metaheuristics) معرفی شده اند. الگوریتم بهینه سازی ملخ یا (Grasshopper Optimization Algorithm (GOA یکی از جدیدترین الگوریتم های فراابتکاری به شمار می رود. در این آموزش به چندین محور از الگوریتم بهینه سازی ملخ (GOA) پرداخته شده است که محور اول آن مفاهیم مهم بهینه سازی و تاریخچه بهینه سازی هوشمند در ۵۰ سال گذشته و در ادامه به دو خاصیت مهم Exploitation به معنی اکتشاف و Exploration به معنی استخراج، در الگوریتم های بهینه سازی هوشمند پرداخته شده است.

آموزش الگوریتم بهینه سازی ملخ (GOA) و پیاده سازی آن در MATLAB

تعداد دانشجو
۶۹۶ نفر
مدت زمان
۵ ساعت و ۷ دقیقه
هزینه آموزش
۲۶,۰۰۰ تومان
محتوای این آموزش
۸ بازخورد (مشاهده نظرات)
مدرس
حسن سعادتمند

کارشناس ارشد مهندسی برق - کنترل

حسن سعادتمند کارشناس رباتیک از موسسه آموزش عالی اقبال لاهوری و کارشناس ارشد کنترل از دانشگاه فردوسی مشهد نیز هستند. زمینه های کاری تخصصی ایشان علاوه بر مهندسی کنترل، الگوریتم های فراابتکاری، یادگیری ماشین و داده کاوی است.

چکیده آموزش


توضیحات تکمیلی

بهینه سازی یکی از مسائل اصلی و حیاتی بشر محسوب می شود و از این رو الگوریتم های گوناگونی با رویکرد فراابتکاری (Metaheuristics) معرفی شده اند. الگوریتم بهینه سازی ملخ یا (Grasshopper Optimization Algorithm (GOA یکی از جدیدترین الگوریتم های فراابتکاری به شمار می رود.

این الگوریتم در گروه الگوریتم های هوش جمعی قرار می گیرد و با الهام از رفتار اجتماعی ملخ ها و نحوه تاثیرپذیری هر ملخ از محیط پیرامونش طراحی شده است. در این الگوریتم به روز رسانی موقعیت هر ملخ به فاصله هر ملخ از تمام جمعیت ملخ ها در نسل جاری و موقعیت بهترین ملخ وابسته است. از ویژگی های این الگوریتم می توان به سادگی و دارا بودن فقط یک پارامتر تنظیم، اشاره کرد. نتایج حاصل از توابع محک گوناگون حاکی از عملکرد مطلوب الگوریتم در مقایسه با الگوریتم های مشابه است.

در این آموزش به چندین محور از الگوریتم بهینه سازی ملخ (GOA) پرداخته شده است که محور اول آن مفاهیم مهم بهینه سازی و تاریخچه بهینه سازی هوشمند در ۵۰ سال گذشته و در ادامه به دو خاصیت مهم Exploitation به معنی اکتشاف و Exploration به معنی استخراج، در الگوریتم های بهینه سازی هوشمند پرداخته شده است.

محور دوم، بررسی کامل مفهوم و تئوری الگوریتم ملخ و نحوه مدل سازی حرکت ملخ ها برای حل مسائل بهینه سازی و پیاده سازی گام به گام الگوریتم ملخ در محیط نرم افزار متلب (MATLAB) است و در ادامه به نکات تکمیلی الگوریتم ملخ که از مهم ترین آن ها می توان به نمایش گرافیکی تغییر موقعیت ملخ ها در هر تکرار اشاره کرد که درک بهتری به مخاطب ارائه می دهد.

در محور سوم به مقایسه استاندارد دو الگوریتم های فراابتکاری که به صورت نوعی الگوریتم ملخ GOA با الگوریتم ازدحام ذرات PSO به صورت استاندارد با هم مقایسه می شود و نکات لازم برای مقایسه ارائه شده است و در ادامه، از الگوریتم GOA برای حل مساله بهینه سازی پارامترهای طبقه بند SVM نیز استفاده شده است.

فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
  • درس یکم: مفاهیم پایه بهینه سازی
    • بهینه سازی فراابتکاری
    • هوش ازدحامی
    • تاریخچه بهینه سازی هوشمند
    • مقایسه الگوریتم ها از نظر عملکرد
  • درس دوم: مفهوم و تئوری الگوریتم فراابتکاری ملخ
    • بررسی نحوه رشد و تکامل ملخ
    • مفهوم ارتباط اجتماعی (Social Interaction)
    • مدل سازی رفتار و حرکت ملخ ها
    • بررسی مشکلات مدل سازی پایه
    • اصلاح مدل سازی و معرفی مدل ریاضی کاربردی
    • بیان مراحل الگوریتم GOA در قالب فلوچارت
    • بررسی پارامتر مهم الگوریتم ملخ (C) و نحوه به کارگیری آن در الگوریتم GOA
  • درس سوم: پیاده سازی عملی الگوریتم GOA در متلب
    • پیاده سازی الگوریتم GOA
    • بررسی توابع محک مختلف (Sphere, Rosenbrock, Rastrigin)
    • پیاده سازی توابع محک مختلف و محک آن ها با الگوریتم GOA
    • مباحث تکمیلی پیاده سازی الگوریتم GOA
      • نحوه همگرایی موقعیت ملخ ها
      • توسعه نحوه به روز رسانی پارامتر C
  • درس چهارم: نکات تکمیلی مورد استفاده در الگوریتم فراابتکاری و الگوریتم ملخ
  • درس پنجم: مقایسه عملکرد الگوریتم GOA با الگوریتم PSO
    • مقایسه الگوریتم GOA با الگوریتم PSO از نظر زمان اجرا
    • مقایسه الگوریتم GOA با الگوریتم PSO از نظر پاسخ بهینه
    • مقایسه الگوریتم GOA با الگوریتم PSO از نظر NFE
  • درس ششم: استفاده از الگوریتم GOA برای بهینه سازی پارامترهای طبقه بند SVM
    • معرفی دو پارامتر مهم طبقه بند SVM برای بهینه سازی
    • آماده کردن داده های تست (Test) و ترین (Train) با استفاده از عملیات درهم ریختگی (Shuffle)
    • تقسیم بندی داده های ترین با اعمال K-Fold Cross-Validation
    • معرفی تابع هزینه مناسب برای بهینه سازی پارمترهای SVM

مفید برای رشته های
  • مهندسی کامپیوتر
مشاهده بیشتر مشاهده کمتر

آنچه در این آموزش خواهید دید:

آموزش ویدئویی مورد تائید فرادرس
فایل برنامه ها و پروژه های اجرا شده
فایل PDF یادداشت‌ های ارائه مدرس

نرم افزارهای مرتبط با آموزش

MATLAB 2018a

پیش نیاز

محاسبات تکاملی


پیش نمایش‌ها

۱. مفاهیم پایه بهینه ‌سازی

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۵ مگابایت -- (کلیک کنید +))

۲. مفهوم و تئوری الگوریتم فراابتکاری ملخ

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۸ مگابایت -- (کلیک کنید +))

۳. پیاده ‌سازی عملی الگوریتم GOA در متلب

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۱۲ مگابایت -- (کلیک کنید +))

۴. نکات تکمیلی مورد استفاده در الگوریتم فراابتکاری و الگوریتم ملخ
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۵. مقایسه عملکرد الگوریتم GOA با الگوریتم PSO
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۶. استفاده از الگوریتم GOA برای بهینه ‌سازی پارامترهای طبقه ‌بند SVM
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.

راهنمای سفارش آموزش‌ها

آیا می دانید که تهیه یک آموزش از فرادرس و شروع یادگیری چقدر ساده است؟

(راهنمایی بیشتر +)

در مورد این آموزش یا نحوه تهیه آن سوالی دارید؟
  • با شماره تلفن واحد مخاطبین ۵۷۹۱۶۰۰۰ (پیش شماره ۰۲۱) تماس بگیرید. - تمام ساعات اداری
  • با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه


اطلاعات تکمیلی

نام آموزش آموزش الگوریتم بهینه سازی ملخ (GOA) و پیاده سازی آن در MATLAB
ناشر فرادرس
شناسه اثر ۸–۱۲۴۵۲–۰۶۸۲۷۲ (ثبت شده در مرکز رسانه‌های دیجیتال وزارت ارشاد)
کد آموزش FVMA97041
مدت زمان ۵ ساعت و ۷ دقیقه
زبان فارسی
نوع آموزش آموزش ویدئویی (لینک دانلود)
حجم دانلود ۴۴۶ مگابایت (کیفیت ویدئو HD‌ با فشرده سازی انحصاری فرادرس)


نظرات

تا کنون ۶۹۶ نفر از این آموزش استفاده کرده اند و ۸ نظر ثبت شده است.
علیرضا
علیرضا

سلام. تنها مشکلی که هست، توضیحات جوری است که انگار برای یکنفر که از نظر اطلاعات متلب در سطح مدرس است ارائه می شود. باید توضیحات کمی با سطح پایینتر و توضیحات بیشتری برای متلب ارائه شود.

مسعود
مسعود

بیان مدرس، نحوه تدرس و میزان تسلط مدرس خوب بود. آموزش های زیادی از فرادرس تهیه کردم تقریبا از همه اونها راضی هستم.

فهیمه
فهیمه

به نظر من آموزش خوبی هست اما یه مورد که وجود داشت اون مباحث اولیه رو خیلی واضح توضیح نداردن لازم بود با جزئیات بیشتری ارائه میشد

محمد
محمد

این آموزش رو مشاهده کردم و واقعا راضی بودم. ممنون از شما

محمد
محمد

خیلی خوب بود و من واقعا راضی بودم. نکته مثبتی که این آموزش داشت این بود که به همان ساختار الگوریتم فراابتکاری های قبل بود ولی با یه متود دیگه نوشته بودند.

بیژن
بیژن

نحوه تدریس خیلی خوب بود و من راضی بودم.

زهرا
زهرا

عالی بود. ممنون از زحماتتون

kyvan
kyvan

سلام
خسته نباشید استاد توضیحات بسیار عالی و قابل فهم بود. این آموزش کمک شایانی به تکمیل پروژه ام کرد .فقط ای کاش یک مسیله بهینه سازی پیچیده تر برای پیاده سازی با الگوریتم ملخ استفاده میشد برای درک بهتر کاربردهای این الگوریتم


برچسب‌ها:
GOA | Number of Function Evaluations | Rastrigin | Rosenbrock | Social Interaction | Sphere | الگوریتم GOA | الگوریتم GOA در متلب | الگوریتم فراابتکاری ملخ | الگوریتم فراابتکاری ملخ در متلب | بهینه سازی فراابتکاری | بهینه سازی هوشمند | پارامتر مهم الگوریتم ملخ | پارامترهای طبقه بند SVM | پیاده سازی الگوریتم GOA در متلب | توابع محک مختلف | مدل سازی حرکت ملخ ها | مدل سازی رفتار ملخ ها | مراحل الگوریتم GOA | مراحل الگوریتم GOA در غالب فلوچارت | مفهوم ارتباط اجتماعی | مقایسه الگوریتم GOA با الگوریتم PSO | هوش ازدحامی
مشاهده بیشتر مشاهده کمتر
فهرست جلسات ۸ جلسه ویدئویی ×