دانلود آنی
چکیده آموزش
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 ۲۰۱۴ 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 سرفصل ها و رئوس مطالب مطرح شده در این 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
مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند 
پرویز :
این آموزش بسیار برایم مفید واقع شد الگوریتم های فرا ابتکاری جز پر استفاده ترین مباحث در مقالات علمی می باشد این الگوریتم پر طرف دار متاسفانه در کتاب های منتشر شده فارسی هنوز پوشش داده نشده است. از فرا درس هم بسیار تشکر می کنم که مطالب تخصصی و بروز را تحت پوشش قرار داده است و نیازهای اساسی مقاطع عالی را در برنامه کاری خود قرار داده است.
سید محمد حسن :
خوب بود و الگوریتم ها رو خوب توضیح داده بود.
ساسان :
خیلی دلچسب من یکی نبود. مثال کم و کد نویسی خیلی ضعیف بود.