×
تعداد دانشجو
۴۶۵ نفر
۲۹,۰۰۰ تومان ۱۷,۴۰۰ تومان

آموزش پیاده سازی الگوریتم ژنتیک در Python - تکمیلی - بخش دوم

آموزش پیاده سازی الگوریتم ژنتیک در Python - تکمیلی - بخش دوم

تعداد دانشجو
۴۶۵ نفر
مدت زمان
۶ ساعت و ۳۳ دقیقه
هزینه عادی آموزش
۲۹,۰۰۰ تومان
در طرح تخفیف
۱۷,۴۰۰ تومان

(کسب اطلاعات بیشتر +)
محتوای این آموزش
آموزش پیاده سازی الگوریتم ژنتیک در Python - تکمیلی - بخش دوم

چکیده

در ادامه مسیر شروع شده در آموزش های الگوریتم ژنتیک در پایتون مقدماتی و تکمیلی بخش اول، در این فرادرس مسائل دیگری را به کمک الگوریتم ژنتیک در پایتون بهینه سازی می کنیم. تا بدین جا مسائل گوناگون بهینه سازی از سطح ساده انتخاب شده و در هر درس مساله پیچیده تری که نیازمند الگوریتم ژنتیک کامل تری بود را بررسی کردیم. همین روند در این آموزش نیز دنبال می شود. در پایان این آموزش شما با حل مساله های بهینه سازی جدید و پیچیده تری نسبت به آموزش های مقدماتی و تکمیلی بخش اول آشنا خواهید شد و قادر خواهید بود برای حل یک مساله بهینه سازی از الگوریتم ژنتیک در پایتون استفاده کنید.

مدرس
پژمان اقبالی شمس آبادی

کارشناس ارشد مهندسی مکانیک

مهندس پژمان اقبالی شمس آبادی کارشناس ارشد مهندسی مکانیک دانشگاه علم و صنعت ایران، مشغول انجام کار روی پروژه های خود در زمینه های آکوستیک، ارتعاشات و پردازش تصویر هستند. ایشان به مباحث دینامیک و ارتعاشات و همچنین برنامه نویسی علاقه مند هستند و سابقه کار با نرم افزارهای مهندسی مکانیک همچون: CATIA و COMSOL را دارند. ایشان به نرم افزار MATLAB مسلط هستند و توانایی برنامه نویسی با زبان های مختلف همچون: C++, JAVA, Python را دارند.

چکیده آموزش


توضیحات تکمیلی

در ادامه مسیر شروع شده در آموزش های الگوریتم ژنتیک در پایتون مقدماتی و تکمیلی بخش اول، در این فرادرس مسائل دیگری را به کمک الگوریتم ژنتیک در پایتون بهینه سازی می کنیم. تا بدین جا مسائل گوناگون بهینه سازی از سطح ساده انتخاب شده و در هر درس مساله پیچیده تری که نیازمند الگوریتم ژنتیک کامل تری بود را بررسی کردیم. همین روند در این آموزش نیز دنبال می شود.

مثل درس های قبل، شما با یک مساله بهینه سازی رو به رو خواهید بود و نحوه فرمولاسیون و پیاده سازی این مساله در پایتون و نحوه ارتباط این مساله با موتور ژنتیک نوشته شده در پایتون را خواهید دید. در زمینه های مختلف علوم و مهندسی، شما همواره با مسائل مختلف بهینه سازی رو به رو خواهید بود که یکی از قدرتمندترین ابزارها برای حل آن ها، استفاده از الگوریتم ژنتیک است.

این فرادرس در ادامه دو آموزش قبل می تواند شما را در مسیر حل یک مساله بهینه سازی با استفاده از الگوریتم ژنتیک در زبان برنامه نویسی پایتون توانمندتر کند و از طریق حل این مسائل، بینش بیشتری نسبت به حل مسائل بهینه سازی با الگوریتم ژنتیک در پایتون به دست آورید.

در پایان این آموزش شما با حل مساله های بهینه سازی جدید و پیچیده تری نسبت به آموزش های مقدماتی و تکمیلی بخش اول آشنا می شوید و قادر خواهید بود برای حل یک مساله بهینه سازی از الگوریتم ژنتیک در پایتون استفاده کنید.

فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
  • درس یکم: حل سیستم معادلات خطی - بخش یکم
    • معرفی مساله
    • سیستم معادلات دو معادله و دو مجهول
    • تابع ارزیاب (Fitness Function)
    • نمایش
    • اجرا
    • سیستم معادلات سه معادله و سه مجهول
    • بازنویسی کلاس تست
  • درس دوم: حل سیستم معادلات خطی - بخش دوم
    • بازنویسی تابع ارزیاب (Fitness Function)
    • بازنویسی نمایش
    • اجرا
    • سیستم معادلات چهار معادله و چهار مجهول
    • کلاس تست
    • اجرا
    • بهبود الگوریتم با تعریف Window
  • درس سوم: حل سیستم معادلات خطی - بخش سوم
    • جهش (Mutate)
    • بررسی صد اجرا
    • مرور
  • درس چهارم: جدول سودوکو - بخش یکم
    • معرفی مساله
    • کلاس تست
    • تابع ارزیاب
    • نمایش
    • اجرا
    • بررسی دلیل عدم اجرای موفق
    • تابع ارزیاب جدید
    • نوشتن قوانین جدید برای تابع ارزیاب
  • درس پنجم: جدول سودوکو - بخش دوم
    • نوشتن تابع ارزیاب جدید
    • جهش (Mutate)
    • بهبود های مختلف روی جهش
    • جهش
    • بررسی صد اجرا
    • مرور
  • درس ششم: فروشنده دوره‌ گرد - بخش یکم
    • معرفی مساله
    • یک داده ساده برای حل مساله
    • کلاس تست
    • محاسبه فاصله نقاط
    • تابع ارزیاب (Fitness Function)
    • نمایش
    • جهش (Mutate)
    • اجرا
    • یک داده بزرگتر برای حل مساله
    • فراخوانی داده
    • خواندن اطلاعات لازم
    • اجرا
    • بررسی دلیل عدم اجرای موثر این داده
    • معرفی Crossover
  • درس هفتم: فروشنده دوره‌ گرد - بخش دوم
    • نکاتی از روش های مختلف Crossover
    • اضافه کردن قابلیت Crossover به موتور ژنتیک
    • پیاده سازی Crossover برای مساله فروشنده دوره گرد
    • صد بار اجرای مساله با قابلیت Crossover
    • مرور

مفید برای رشته های
  • تمام رشته های مهندسی
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



پیش نمایش‌ها

۱. حل سیستم معادلات خطی - بخش یکم

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: ۲۱ مگابایت -- (کلیک کنید +))

۲. حل سیستم معادلات خطی - بخش دوم

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: ۱۹ مگابایت -- (کلیک کنید +))

۳. حل سیستم معادلات خطی - بخش سوم

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. جدول سودوکو - بخش یکم
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۵. جدول سودوکو - بخش دوم
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۶. فروشنده دوره‌گرد - بخش یکم
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۷. فروشنده دوره‌گرد - بخش دوم
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 پیاده سازی الگوریتم ژنتیک در Python - تکمیلی - بخش دوم
ناشر فرادرس
شناسه اثر ۸–۱۲۴۵۲–۰۷۴۱۹۴ (ثبت شده در مرکز رسانه‌های دیجیتال وزارت ارشاد)
کد آموزش FVPHT98062
مدت زمان ۶ ساعت و ۳۳ دقیقه
زبان فارسی
نوع آموزش آموزش ویدیویی (لینک دانلود)
حجم دانلود ۶۲۶ مگابایت (کیفیت ویدئو HD‌ با فشرده سازی انحصاری فرادرس)


نظرات

تا کنون ۴۶۵ نفر از این آموزش استفاده کرده اند و هنوز هیچ نظری ثبت نشده است.

برچسب‌ها:
Crossover | Display | Evaluation | Fitness | Fitness Function | Genes | geneset | Genetic Algorithm | Mutate | python | Regular Expressions | Results | RUN | sudoku | TEST | Test and genes | Test Class | Tic-tac-toe | Tournament Selection | traveling salesman | TSP | اجرا | اجرا Run | ارزیاب | ارزیاب Fitness | ارزیابی | الگوریتم | الگوریتم ژنتیک | الگوریتم ژنتیک در پایتون | بهبود های مختلف روی جهش | بهترین تخمین Pi | تابع ارزیاب | تخمین Pi | تست و ژن ها | تقاطع | تولید معادل | جدول سودوکو | جهش | جهش و تقاطع | حل سیستم معادلات خطی | زبان برنامه نویسی پایتون (Python) | ژن | ژن ها | سودوکو | سیستم معادلات خطی | سیستم معادلات دو معادله و دو مجهول | سیستم معادلات سه معادله و سه مجهول | فراخوانی داده | فروشنده دوره گرد | فروشنده ی دوره گرد Gene | کلاس تست | ماشین چمن زنی | مساله بهینه سازی | نتایج | نمایش | والد
مشاهده بیشتر مشاهده کمتر