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.
چکیده آموزش
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 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
آنچه در این آموزش خواهید دید:
نرم افزارهای مرتبط با آموزش
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: ۸ مگابایت -- (کلیک کنید +))
۲.
تئوری الگوریتم گرگ خاکستری
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: ۹ مگابایت -- (کلیک کنید +))
۳.
پیاده سازی عملی الگوریتم گرگ خاکستری در متلب
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
با تهیه این آموزش، می‌توانید به همه بخش‌ها و جلسات آن، دسترسی داشته باشید.
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
اطلاعات تکمیلی
| نام آموزش | آموزش الگوریتم بهینه سازی گرگ خاکستری (GWO) و پیاده سازی در متلب |
|---|---|
| ناشر | فرادرس |
| شناسه اثر | ۸–۱۲۴۵۲–۰۷۲۹۳۴ (ثبت شده در مرکز رسانه‌های دیجیتال وزارت ارشاد) |
| کد آموزش | FVMA9801 |
| مدت زمان | ۲ ساعت و ۲۵ دقیقه |
| زبان | فارسی |
| نوع آموزش | آموزش ویدئویی (نمایش آنلاین + دانلود) |
| حجم دانلود | ۱۷۸ مگابایت (کیفیت ویدئو HD با فشرده سازی انحصاری فرادرس) |
- ۱۰۰ درصد مبلغ پرداختی در حساب کاربری شما شارژ می‌شود.
- و یا ۷۰ درصد مبلغ پرداختی به حساب بانکی شما بازگشت داده می‌شود.
نظرات
با سلام
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.
عالی هست
منتظر آموزش های تکمیلی تری در این زمینه هستیم.
خوب بود و الگوریتم ها رو خوب توضیح داده بود.
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.