در این فرادرس به چندین محور از الگوریتم بهینه سازی گرگ خاکستری (GWO) پرداخته شده است که درس یکم به مفاهیم مهم بهینه سازی و تاریخچه بهینه سازی هوشمند در ۵۰ سال گذشته و در درس دوم به تئوری الگوریتم گرگ خاکستری و در ادامه به دو خاصیت مهم Exploitation به معنی استخراج و Exploration به معنی اکتشاف در الگوریتم های بهینه سازی هوشمند پرداخته شده است و در نهایت در درس سوم پیاده سازی عملی الگوریتم گرگ خاکستری در متلب (MATLAB) آموزش داده شده است.
همچنین ایشان به صورت تخصصی و عملی بر روی پروژه‌های تشخیص آتش (Fire Detection)، تشخیص و ردیابی خودرو و تشخیص و ردیابی انسان با استفاده از ویدئوهای دوربین‌های مداربسته فعالیت داشته‌اند. ایشان در حال حاضر مشغول پژوهش در حوزه یادگیری عمیق (Deep Learning) نیز هستند.
توضیحات تکمیلی
بهینه سازی، یکی از مسائل اصلی و حیاتی بشر محسوب می شود. از این رو الگوریتم های بهینه سازی گوناگونی با رویکرد فراابتکاری (Metaheuristics) معرفی شده اند. الگوریتم بهینه سازی گرگ خاکستری یا Gray Wolf Optimization (به اختصار GWO) یکی از جدیدترین الگوریتم های فراابتکاری به شمار می رود که توسط آقای میرجلیلی و همکارانش در سال 2014 ارائه شده است.
این الگوریتم در گروه الگوریتم های هوش جمعی قرار دارد و مانند خیلی از الگوریتم های فراابتکاری دیگر، الهام گرفته از طبیعت است و اساس آن ساختار سلسله مراتبی است که رفتار اجتماعی گرگ های خاکستری را در زمان شکار، مدل سازی می کند.
در پیاده سازی الگوریتم GWO، چهار نوع از گرگ های خاکستری، مانند: آلفا، بتا، دلتا و امگا برای مدل سازی سلسله مراتبی رهبری گرگ های خاکستری استفاده شده است که سه گام اصلی برای شکار، شامل: جستجو برای طعمه، محاصره طعمه و حمله به طعمه، اجرا می شوند. نتایج حاصل از توابع محک گوناگون، حاکی از عملکرد مطلوب الگوریتم در مقایسه با الگوریتم های مشابه است.
در این فرادرس به چندین محور از الگوریتم بهینه سازی گرگ خاکستری (GWO) پرداخته شده است که درس یکم به مفاهیم مهم بهینه سازی و تاریخچه بهینه سازی هوشمند در ۵۰ سال گذشته و در درس دوم به تئوری الگوریتم گرگ خاکستری و در ادامه به دو خاصیت مهم Exploitation به معنی استخراج و Exploration به معنی اکتشاف در الگوریتم های بهینه سازی هوشمند پرداخته شده است و در نهایت در درس سوم پیاده سازی عملی الگوریتم گرگ خاکستری در متلب (MATLAB) آموزش داده شده است.
فهرست سرفصل‌ها و رئوس مطالب مطرح شده در اين مجموعه آموزشی، در ادامه آمده است:
- درس یکم: مفاهیم پایه بهینه سازی
- الگوریتم های فراابتکاری
- ویژگی های الگوریتم های فراابتکاری
- دسته بندی الگوریتم های فراابتکاری
- تاریخچه بهینه سازی هوشمند
- انواع مسائل بهینه سازی
- مقایسه عملکرد الگوریتم های بهینه
- مفاهیم اکتشاف و استخراج
- درس دوم: تئوری الگوریتم گرگ خاکستری
- بررسی نحوه شکار گرگ خاکستری
- مدل سازی ریاضی الگوریتم GWO
- رفتار سلسله مراتبی
- محاصره طعمه
- فرایند شکار
- حمله به شکار (فاز استخراج)
- جستجوی شکار (فاز اکتشاف)
- بیان مراحل الگوریتم GWO در قالب فلوچارت
- بررسی گیر افتادن در مینیمم های محلی در الگوریتم GWO
- درس سوم: پیاده سازی عملی الگوریتم گرگ خاکستری در متلب
- پیاده سازی الگوریتم GWO
- بررسی توابع محک مختلف
- Sphere
آنچه در این آموزش خواهید دید:
نرم افزارهای مرتبط با آموزش
پیش نمایش‌ها
۱.
مفاهیم پایه بهینه سازی
۲.
تئوری الگوریتم گرگ خاکستری
۳.
پیاده سازی عملی الگوریتم گرگ خاکستری در متلب
مشاهده این پیش‌نمایش، نیازمند
عضویت و ورود به سایت (+)
است.
آموزش‌های مرتبط با آموزش الگوریتم بهینه سازی گرگ خاکستری GWO و پیاده سازی در متلب MATLAB
راهنمای سفارش آموزش‌ها
.svg)
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
- ۱۰۰ درصد مبلغ پرداختی در حساب کاربری شما شارژ می‌شود.
- و یا ۷۰ درصد مبلغ پرداختی به حساب بانکی شما بازگشت داده می‌شود.
نظرات
مباحث بسیار عالی تدریس شده است و در پیاده‌سازی الگوریتم مشکلی نداشتم، این الگوریتم نیز در حوزه رشته ام کار نشده است و در رساله ام از آن استفاده می کنم، از زحمات استاد بزرگوار و از سایت خوب فرادرس بسیار سپاسگزارم.
منتظر آموزش های تکمیلی تری در این زمینه هستیم.