۱۵۰,۰۰۰ تومان

آموزش پیاده سازی الگوریتم ژنتیک در پایتون Python - تکمیلی - بخش یکم

آموزش پیاده سازی الگوریتم ژنتیک در پایتون Python - تکمیلی - بخش یکم

هزینه آموزش
۱۵۰,۰۰۰ تومان

تعداد دانشجو
۱,۲۱۸ نفر
مدت زمان
۱۰ ساعت و ۱۶ دقیقه
محتوای این آموزش
تضمین کیفیت
۱ بازخورد (مشاهده نظرات)

الگوریتم ژنتیک، یک ابزار قدرتمند بهینه سازی و زبان برنامه نویسی پایتون، یک زبان قدرتمند برنامه نویسی است. امروزه بسیاری از مسائل محاسباتی در پروژه های مختلف علوم و مهندسی با استفاده از پایتون و بسیاری از مسائل بهینه سازی با استفاده از الگوریتم ژنتیک حل می شوند. این فرادرس به شما کمک می کند که بتوانید مسائل محاسباتی که نیازمند بهینه سازی با الگوریتم ژنتیک هستند را در پایتون پیاده سازی کنید که هم از قدرت پایتون در محاسبات و هم از قدرت الگوریتم ژنتیک در بهینه سازی در کنار هم بهره ببرید.

آموزش پیاده سازی الگوریتم ژنتیک در پایتون Python - تکمیلی - بخش یکم

تعداد دانشجو
۱,۲۱۸ نفر
مدت زمان
۱۰ ساعت و ۱۶ دقیقه
هزینه آموزش
۱۵۰,۰۰۰ تومان
محتوای این آموزش
۱ بازخورد (مشاهده نظرات)

پژمان اقبالی شمس آبادی

دانشجوی دکتری تخصصی مهندسی بیومکانیک

ایشان مشغول کار بر روی پروژه خود در زمینه کاربرد هوش مصنوعی در پزشکی هستند. ایشان مسلط به برنامه‌نویسی Python, R و MATLAB بوده و تمرکز ایشان بر روی مدل‌های آماری و یادگیری ماشین است.

توضیحات تکمیلی

الگوریتم ژنتیک یک ابزار قدرتمند بهینه سازی و زبان برنامه نویسی پایتون، یک زبان قدرتمند برنامه نویسی است. امروزه بسیاری از مسائل محاسباتی در پروژه های مختلف علوم و مهندسی، با استفاده از پایتون و بسیاری از مسائل بهینه سازی با استفاده از الگوریتم ژنتیک حل می شوند. این فرادرس به شما کمک می کند که بتوانید مسائل محاسباتی که نیازمند بهینه سازی با الگوریتم ژنتیک هستند را در پایتون پیاده سازی کنید که هم از قدرت پایتون در محاسبات و هم از قدرت الگوریتم ژنتیک در بهینه سازی در کنار هم بهره ببرید.

هدف از این آموزش، توانمند کردن شما برای پیاده سازی مسائل محاسباتی در پایتون و حل آن ها با استفاده از الگوریتم ژنتیک در پایتون است. در انتهای آموزش، شما پیاده سازی مسائل مختلف و بهینه سازی آن ها با استفاده از الگوریتم ژنتیک را به صورت قدم به قدم در پایتون می آموزید و می توانید مسائل جدیدی که با آن ها روبه رو می شوید را نیز به همین ترتیب پیاده سازی کنید.

در این فرادرس، مشابه آموزش مقدماتی، رویکرد ما حل مساله است. مسائل بهینه سازی تعریف شده و در پایتون پیاده سازی می شوند. برای حل این مسائل، الگوریتم ژنتیک پیاده سازی می شود. موتور ژنتیک ساخته شده در آموزش مقدماتی به مرور برای مسائل سخت تر بهبود داده خواهد شد و خواهید آموخت برای حل مسائل مختلف، چه نکاتی را باید در نظر گرفت و چگونه در پایتون پیاده سازی کرد.

 

فهرست سرفصل‌ها و رئوس مطالب مطرح شده در اين مجموعه آموزشی، در ادامه آمده است:
  • درس یکم: مساله کارت‌ های بازی - بخش یکم
    • معرفی مساله
    • کلاس تست و ژن ها (Test Class and Genes)
    • ارزیاب (Fitness)
    • نمایش (Display)
    • کلاس تست
  • درس دوم: مساله کارت‌ های بازی - بخش دوم
    • اجرا (Run)
    • بررسی دلیل عدم دست یابی به نتیجه دلخواه
    • مطالعه نتایج (Study the Result)
    • معرفی جهش (Mutate) اولیه به مساله
    • بهبود فرایند جهش
    • اجرا
    • مرور
  • درس سوم: مساله موقعیت‌ های اسب - بخش یکم
    • معرفی مساله ها
    • ژن ها (Genes)
    • موقعیت (Position)
    • حمله ها (Attacks)
    • Create برای ساختن ژن های اولیه
    • جهش
    • کلاس Board برای نمایش
    • نمایش
    • ارزیاب
  • درس چهارم: مساله موقعیت‌ های اسب - بخش دوم
    • کلاس تست برای حل این مساله
    • اجرای صفحه 3 در 4
    • اجرای صفحه 8 در 8
    • اجرای صفحه 10 در 10
    • بررسی دلیل عدم اجرای موفق صد تکرار
    • بهبود جهش
    • بهبود الگوریتم با بررسی نتایج
  • درس پنجم: مساله موقعیت‌ های اسب - بخش سوم
    • پیدا کردن اسب هایی که حمله های آن ها توسط دیگر اسب ها پوشش داده شده است
    • پیدا کردن مربع هایی که تحت حمله نیستند
    • منتقل کردن اسب ها به مربع های جدید برای حمله به مربع هایی که تحت حمله نیستند
    • اجرا
    • مرور
  • درس ششم: مساله مربع جادویی - بخش یکم
    • کلاس تست (Test Class)
    • ارزیاب
    • نمایش
  • درس هفتم: مساله مربع جادویی - بخش دوم
    • Create برای ژن های والد
    • جهش
    • اجرا
    • بهبود ارزیاب
    • معرفی الگوریتم Simulated Annealing) SA) برای حل مشکل Local Optimum
  • درس هشتم: مساله مربع جادویی - بخش سوم
    • پیاده سازی SA
    • بررسی صد اجرا
    • مرور
  • درس نهم: مساله کوله‌ پشتی - بخش یکم
    • معرفی مساله
    • منابع (Resources)
    • کلاس تست
    • Item Quantity
    • ارزیاب
    • Max Quantity
    • Create
    • جهش
  • درس دهم: مساله کوله‌ پشتی - بخش دوم
    • جهش
    • نمایش
    • Test
    • اجرا
    • حل یک مساله کوله پشتی بزرگ تر
    • خواندن اطلاعات از روی فایل داده ها
  • درس یازدهم: مساله کوله‌ پشتی - بخش سوم
    • پیدا کردن قیود
    • پیدا کردن ابتدا و انتهای داده ها
    • پیدا کردن راه حل
    • الگوریتم Branch and Bound برای بهبود حل مساله کوله پشتی
    • بررسی صد اجرا
    • مرور

 

مفید برای
  • تمام رشته های مهندسی

پیش نیاز


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

Python 3.7

پیش نمایش‌ها

۱. مساله کارت های بازی - بخش یکم
۲. مساله کارت های بازی - بخش دوم
۳. مساله موقعیت های اسب - بخش یکم
۴. مساله موقعیت های اسب - بخش دوم
۵. مساله موقعیت های اسب - بخش سوم
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۶. مساله مربع جادویی - بخش یکم
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۷. مساله مربع جادویی - بخش دوم
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۸. مساله مربع جادویی - بخش سوم
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۹. مساله کوله پشتی - بخش یکم
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۱۰. مساله کوله پشتی - بخش دوم
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۱۱. مساله کوله پشتی - بخش سوم
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
این آموزش شامل ۱۲ جلسه ویدئویی با مجموع ۱۰ ساعت و ۱۶ دقیقه است.
با تهیه این آموزش، می‌توانید به همه بخش‌ها و جلسات آن، دسترسی داشته باشید.

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 پیاده سازی الگوریتم ژنتیک در پایتون Python - تکمیلی - بخش یکم
ناشر فرادرس
شناسه اثر ۸–۱۲۴۵۲–۰۷۳۹۶۳ (ثبت شده در مرکز رسانه‌های دیجیتال وزارت ارشاد)
کد آموزش FVPHT98061
مدت زمان ۱۰ ساعت و ۱۶ دقیقه
زبان فارسی
نوع آموزش آموزش ویدئویی (نمایش آنلاین + دانلود)
حجم دانلود ۱ گیگابایت (کیفیت ویدئو HD با فشرده سازی انحصاری فرادرس)


تضمین کیفیت و گارانتی بازگشت هزینه
توجه: کیفیت این آموزش توسط فرادرس تضمین شده است. در صورت عدم رضایت از آموزش، به انتخاب شما:
  • ۱۰۰ درصد مبلغ پرداختی در حساب کاربری شما شارژ می‌شود.
  • و یا ۷۰ درصد مبلغ پرداختی به حساب بانکی شما بازگشت داده می‌شود.
آموزش‌های مرتبط با آموزش پیاده سازی الگوریتم ژنتیک در پایتون Python - تکمیلی - بخش یکم


آموزش‌های پیشنهادی برای شما


نظرات

تا کنون ۱,۲۱۸ نفر از این آموزش استفاده کرده اند و ۱ نظر ثبت شده است.
مهرناز
مهرناز
۱۴۰۰/۱۰/۰۴

آموزش کاربردی بود، برای پایان نامم میخواستم تونستم استفاده کنم، برای استفاده از مطالب عمومی بیشتر کاربرد داشت.

برچسب‌ها:
Attack | card game | Create | Display | Fitness | gene | Genes | Genetic Algorithm | Item Quantity | Knapsack | Knights | Local Optimum | magic square | Magic Squares | Max Quantity | Mutate | Mutation | Position | python | RUN | sa | Simulated Annealing | Test Class | ابزار بهینه سازی | ابزار قدرتمند بهینه سازی | ارزیاب | الگوریتم | الگوریتم ژنتیک | برنامه نویسی | پیاده سازی مسائل محاسباتی | تست | جهش | حمله | زبان برنامه نویسی | زبان برنامه نویسی پایتون | زبان برنامه نویسی پایتون (Python) | ژن | کلاس | کلاس تست | مسائل محاسباتی | مساله کارت های بازی | مساله کوله پشتی | مساله مربع جادویی | موقعیت های اسب | نمایش
مشاهده بیشتر مشاهده کمتر
×
فهرست جلسات ۱۲ جلسه ویدئویی
×