فرادرس
هزینه آموزش
۲۰,۰۰۰ تومان

آموزش الگوریتم بهینه سازی جهش قورباغه یا SFLA در متلب

آموزش الگوریتم بهینه سازی جهش قورباغه یا SFLA در متلب

تعداد دانشجو
۹۵۳ نفر
مدت زمان
۳ ساعت و ۳۵ دقیقه
هزینه آموزش
۲۰,۰۰۰ تومان
محتوای این آموزش
۱۸ بازخورد (مشاهده نظرات)
آموزش الگوریتم بهینه سازی جهش قورباغه یا SFLA در متلب

چکیده

در مجموعه فرادرس های آموزش الگوریتم بهینه سازی جهش قورباغه یا SFLA در متلب، در ابتدا مبانی تئوری و نظری الگوریتم SCE و ساختار و نحوه عملکرد آن به صورت کامل تشریح می شود. در ادامه، پیاده سازی عملی و گام به گام این الگوریتم با استفاده از زبان برنامه نویسی متلب (MATLAB) انجام می شود، که بعدها، با تغییر آن، کد مربوط به الگوریتم قورباغه نیز، ایجاد می گردد. در ادامه، مبانی تئوری و نظری الگوریتم جهش قورباغه مخلوط شده یا SFLA با مروری بر مبانی نظری الگوریتم های ممتیک، مورد بحث و بررسی قرار می گیرد. در نهایت، با استفاده از کدی که قبلا برای الگوریتم SCE-UA نوشته شده بود، و با اعمال تغییرات لازم در ساختار برنامه، پیاده سازی عملی الگوریتم جهش قورباغه نیز، انجام می شود.

مدرس
سید مصطفی کلامی هریس

دکترای تخصصی مهندسی برق - کنترل

دکتر سید مصطفی کلامی هریس یکی از بنیانگذاران و مدیران کنونی فرادرس و از اعضای هیات علمی آن است. ایشان دارای مدرک دکترای تخصصی در رشته مهندسی برق - کنترل، از دانشگاه صنعتی خواجه نصیرالدین طوسی (قطب علمی کنترل صنعتی) هستند و زمینه های پژوهشی و کاری تخصصی ایشان، در حوزه های مختلف مهندسی کنترل و سیستم های هوشمند بوده است.

توضیحات تکمیلی

الگوریتم جهش قورباغه مخلوط شده یا Shuffled Frog Leaping Algorithm (به اختصار SFLA)، یکی از الگوریتم های بهینه سازی فرا ابتکاری است که از رفتار اجتماعی قورباغه ها الهام گرفته شده است، و از نظر طبقه بندی، در میان الگوریتم های رفتاری یا الگوریتم های ممتیک (Memetic Algorithms) قرار می گیرد. از نام های دیگر الگوریتم بهینه سازی جهش قورباغه که در ایران مصطلح و رایج است، می توان به الگوریتم قورباغه و الگوریتم جهش قورباغه اشاره نمود.

الگوریتم جهش قورباغه، نسخه توسعه یافته الگوریتم تکامل مجتمع های مخلوط شده یا Shuffled Complex Evolution (به اختصار SCE و یا SCE-UA) است، که یکی از الگوریتم نسبتا با سابقه در حوزه بهینه سازی هوشمند است. الگوریتم SCE-UA در واقع از ترکیب قابلیت های تکاملی الگوریتم ژنتیک و قابلیت جستجوی تصادفی الگوریتم جستجوی تصادفی کنترل شده یا CRS ایجاد شده است و می توان آن را نیز، تا حدودی در دسته الگوریتم های ممتیک (Memetic Algorithms) طبقه بندی کرد.

با افزوده شدن قابلیت های نخبه گرایی (Elitism) و هوش جمعی (Swarm Intelligence) به الگوریتم SCE، الگوریتم جهش قورباغه به دست آمده است که از نظر ساختاری، اشتراکات بسیار زیادی را با الگوریتم SCE دارد. این شباهت و ارتباط به اندازه ای است، که در هنگام پیاده سازی هر یک از این دو الگوریتم، با تغییراتی که چند دقیقه بیشتر زمان نمی برد، می توان برنامه کامپیوتری و پیاده سازی یک الگوریتم را به دیگری تبدیل نمود.

همان طور که گفته شد، الگوریتم جهش قورباغه یا SFLA، از جمله الگوریتم های رفتاری یا ممتیک (Memetic Algorithms) است. در مقابل الگوریتم های ژنتیک که در آن صفات و قابلیت ها، توسط والدین برای فرزاندان به ارث گذاشته می شود، در الگوریتم های ممتیک، هر فردی (با توجه به نظریه تکاملی لامارک) صفات و ویژگی های مفید را، با جستجو در اطراف خود (به صورت جستجوی محلی) به دست می آورد. یعنی، علاوه بر تکامل در جمعیت، تکامل به صورت فردی نیز به پیش می رود. به همین دلیل، بعضا الگوریتم های ممتیک، به عنوان الگوریتم های ترکیبی (Hybrid Algorithms) و یا الگوریتم های ژنتیک محلی (Local Genetic Algorithms) نیز شناخته می شوند.

در فرادرس های آموزش الگوریتم بهینه سازی جهش قورباغه یا SFLA در متلب، در ابتدا مبانی تئوری و نظری الگوریتم SCE و ساختار و نحوه عملکرد آن به صورت کامل تشریح می شود. در ادامه، پیاده سازی عملی و گام به گام این الگوریتم با استفاده از زبان برنامه نویسی متلب (MATLAB) انجام می شود، که بعدها، با تغییر آن، کد مربوط به الگوریتم قورباغه نیز، ایجاد می گردد. در ادامه، مبانی تئوری و نظری الگوریتم جهش قورباغه مخلوط شده یا SFLA با مروری بر مبانی نظری الگوریتم های ممتیک، مورد بحث و بررسی قرار می گیرد. در نهایت، با استفاده از کدی که قبلا برای الگوریتم SCE-UA نوشته شده بود، و با اعمال تغییرات لازم در ساختار برنامه، پیاده سازی عملی الگوریتم جهش قورباغه نیز، انجام می شود.

مدرس این مجموعه آموزش، دکتر سید مصطفی کلامی هریس (دکترای مهندسی کنترل از دانشگاه صنعتی خواجه نصیرالدین طوسی) است و در این مجموعه آموزشی نیز همانند سایر آموزش های فرادرس، علاوه بر بیان و تشریح کامل مباحث تئوری، پیاده سازی عملی و گام به گام الگوریتم های مورد بحث در محیط متلب، مورد بحث و بررسی قرار می گیرد.

 

فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
  • بررسی مبانی تئوری و نظری الگوریتم تکامل مجتمع های مخلوط شده یا SCEUA
  • الگوریتم درونی تکامل مجتمع رقابتی یا Competitive Complex Evolution (به اختصار CCE)
  • پیاده سازی گام به گام الگوریتم SCEUA به صورت عملی در محیط نرم افزار متلب
  • مروری بر مبانی الگوریتم های رفتاری یا ممتیک (Memetic Algorithms)
  • بررسی مبانی تئوری و نظری الگوریتم جهش قورباغه مخلوط شده یا SFLA
  • الگوریتم درونی جهش قورباغه یا Frog Leaping Algorithm (به اختصار FLA)
  • پیاده سازی الگوریتم SFLA با تغییر کد مربوط به الگوریتم SCEUA

آنچه در این آموزش خواهید دید:

آموزش ویدئویی مورد تائید فرادرس
مراجع و فایل های جانبی مرتبط با آموزش
فایل برنامه ها و پروژه های اجرا شده
فایل PDF یادداشت‌ های ارائه مدرس



پیش نمایش‌ها

پیش‌نمایش ۱: آموزش الگوریتم بهینه سازی جهش قورباغه یا SFLA در متلب

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: ۶۱ مگابایت -- (کلیک کنید +))

پیش‌نمایش ۲: آموزش الگوریتم بهینه سازی جهش قورباغه یا SFLA در متلب

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: ۷۲ مگابایت -- (کلیک کنید +))

پیش‌نمایش ۳: آموزش الگوریتم بهینه سازی جهش قورباغه یا SFLA در متلب
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.

راهنمای تهیه آموزش ها

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 الگوریتم بهینه سازی جهش قورباغه یا SFLA در متلب
ناشر فرادرس
شناسه اثر ۸–۱۲۴۵۲–۰۴۸۹۰۷ (ثبت شده در مرکز رسانه‌های دیجیتال وزارت ارشاد)
کد آموزش FVRFL101
مدت زمان ۳ ساعت و ۳۵ دقیقه
زبان فارسی
نوع آموزش آموزش ویدئویی     (کیفیت HD - مورد تایید فنی فرادرس)
حجم دانلود ۶۰۱ مگابایت     (کیفیت ویدئو HD‌ با فشرده سازی انحصاری فرادرس)


نظرات

تا کنون ۹۵۳ نفر از این آموزش استفاده کرده اند و ۱۸ نظر ثبت شده است.
الهه
الهه

سلام. متشکر از دکتر کلامی. بسیار کاربردی بود و مفاهیم خیلی روان توضیح داده شده بودند و به راحتی قابل درک بودند.

arshfm
arshfm

با سلام بسیار عالی بود ،من فقط اطلاعات کلی راجع به این الگوریتم می خواستم که با دموی رایگان هم متوجه شدم، ولی اینقدر جالب تدریس شده بود که برای حمایت از آن مجموعه آموزشی رو خریدم، انشاالله موفق باشید

سهیل
سهیل

لطف کنید در آموزش خود نمونه از مسائل پیچیده و عملی که در مقالات بکار برده شده استفاده کنید تا آموزشی کامل باشد و تنها کد مرجع چاره کار نخواهد بود.

عادله
عادله

مانند سایر آموزش های جناب کلامی، عالی بود، واقعا لذت بردم.

پیام
پیام

با سلام و خسته نباشید. من مقالات زیادی راجع به الگوریتم SCE-UA خونده بودم، اما هیچ کدام به اندازه این آموزش جامع و کامل نبود. واقعا تدریس استاد کلامی بی نظیره. من استفاده از این مجموعه را به جامعه مهندسی کشور و اساتید دانشگاهی، که خودم هم عضو کوچکی از این جامعه هستم، توصیه اکید می کنم.

مهردا ابراهیمی
مهردا ابراهیمی

کد ها بسیار زیبا نوشته شده بود. من راضی بودم.

علی قدیری
علی قدیری

الگوریتم از ابتدا بصورت پایه ای توضیح داده شده است. آقای دکتر کلامی آموزش های عالی و بیان بسیار خوبی دارند.

بهزاد شکربیگی
بهزاد شکربیگی

توضیحات و کد نویسی عالی هستند. آقای دکتر کلامی عالی و روان تدریس میکنند. کلیه اموزش ها خیلی خوب هستند مخصوصا اموزش های اقای دکتر کلامی خیلی از ایشون تشکر میکنم.

علیرضا جوشنی
علیرضا جوشنی

بسیار عالی، مدرس کارش درست بود.

سجاد
سجاد

خوب و کامل بود. لطفا بهینه سازی چند هدفه همین الگوریتم را هم آموزش دهید.

لیلا ذبیح زاده عمران
لیلا ذبیح زاده عمران

با سلام.
در مجموعه بسیار خوب بود هم نحوه تدریس بخش تئوری و هم توضیحات کد ها.
متشکرم.

زهره حاجیان
زهره حاجیان

معرفی الگوریتم هایی که با آن ها آشنایی نداریم بسیار عالی است. لطفا از توابع پیچیده تر ریاضی نیز استفاده کنید.

مریم مینایی
مریم مینایی

سلام. شیوه بیان و پیاده سازی عالی بود. من ارشد کامپیوتر هستم و در سمینارم از این آموزش استفاده کردم. متشکرم.

حسین رجبی
حسین رجبی

بیان شیوا و توضیحات کامل استاد کلامی فوق العاده بود و در انجام پایان نامه ام برایم بسیار مفید واقع شد.

رزاق حافظی
رزاق حافظی

سلام و خسته نباشید. من یکی توانستم یکی از پروژه های دانشگاهی را با استفاده از این آموزش در زمان بسیار کم انجام دهم و با استقبال همکلاسی ها و استادم روبرو شدم. برایتان آرزوی موفقیت دارم.

احسان اله عصاره
احسان اله عصاره

از نظر کیفیت دیداری و محتوی آموزش بسیار عالی است.

فراز
فراز

بسیار کار آمد بود.

فیروز شجاعی
فیروز شجاعی

بسیار خوب بود بخصوص بخش سورس کد ها که عالی بود.


برچسب‌ها: CCE | Competitive Complex Evolution | CRS | Elitism | Evolutionary Algorithms | Frog Algorithm | Frog Leaping Algorithm | Hybrid Algorithms | Local Genetic Algorithms | Local Search | MATLAB | Memetic Algorithms | Metaheuristics | SFLA | Shuffled Complex Evolution | Shuffled Frog Leaping Algorithm | Swarm Intelligence | الگوریتم SCE | الگوریتم SCE-UA | الگوریتم تکامل مجتمع های مخلوط شده | الگوریتم تکاملی | الگوریتم جهش ترکیبی قورباغه | الگوریتم جهش قورباغه | الگوریتم جهش قورباغه pdf | الگوریتم جهش قورباغه ppt | الگوریتم جهش قورباغه چیست؟ | الگوریتم جهش قورباغه مخلوط شده | الگوریتم درونی تکامل مجتمع رقابتی | الگوریتم رفتاری | الگوریتم فرا ابتکاری | الگوریتم قورباغه | الگوریتم ممتیک | الگوریتم های ترکیبی | الگوریتم های ژنتیک محلی | بهینه سازی | بهینه سازی جهش قورباغه | بهینه سازی فرا ابتکاری | بهینه سازی فراابتکاری | تکامل مجتمع رقابتی | تکامل مجتمع های مخلوط شده | جستجوی محلی | جهش قورباغه | جهش قورباغه ای چیست | دانلود کد الگوریتم جهش قورباغه | غورباقه | فلوچارت الگوریتم جهش قورباغه | قابلیت های نخبه گرایی | مقاله الگوریتم جهش قورباغه | هوش جمعی