هزینه آموزش
۶۰,۰۰۰ تومان

آموزش الگوریتم بهینه سازی جهش قورباغه SFLA و پیاده سازی در متلب MATLAB

آموزش الگوریتم بهینه سازی جهش قورباغه SFLA و پیاده سازی در متلب MATLAB

تعداد دانشجو
۱,۰۹۹ نفر
مدت زمان
۳ ساعت و ۳۵ دقیقه
هزینه آموزش
۶۰,۰۰۰ تومان
محتوای این آموزش
تضمین کیفیت
۱۹ بازخورد (مشاهده نظرات)
آموزش الگوریتم بهینه سازی جهش قورباغه SFLA و پیاده سازی در متلب MATLAB

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.

آموزش الگوریتم بهینه سازی جهش قورباغه SFLA و پیاده سازی در متلب MATLAB

مدت زمان
۳ ساعت و ۳۵ دقیقه
هزینه آموزش
۶۰,۰۰۰ تومان
محتوای این آموزش
۱۹ بازخورد (مشاهده نظرات)
مدرس
دکتر سید مصطفی کلامی هریس

دکتری 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

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 +))

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 +))

۳. آموزش الگوریتم بهینه سازی جهش قورباغه یا SFLA در متلب
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
این آموزش شامل ۳ جلسه ویدئویی با مجموع ۳ ساعت و ۳۵ 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 الگوریتم بهینه سازی جهش قورباغه SFLA و پیاده سازی در متلب MATLAB
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 (نمایش آنلاین + دانلود)
حجم دانلود ۴۱۵ مگابایت (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 پیشنهادی برای شما



نظرات

تا کنون ۱,۰۹۹ نفر از این آموزش استفاده کرده اند و ۱۹ نظر ثبت شده است.
الهه
الهه
۱۳۹۹/۱۰/۱۷

سلام. چرا با تغییر بتا و افزودن بتا، bestCost برای مثال به یکباره از e^-20 به صفر میرسه ؟ مگر نه اینکه متلب تا دقت e^-300 هم میتونه حساب کنه ؟ پس چرا یهو صفر میشه ؟

الهه
الهه
۱۳۹۹/۰۹/۰۸

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

arshfm
arshfm
۱۳۹۹/۰۸/۰۸

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
۱۳۹۵/۱۱/۱۱

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
۱۳۹۵/۰۵/۲۵

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

پیام
پیام
۱۳۹۴/۰۹/۲۷

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
۱۳۹۴/۰۵/۳۰

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

علی قدیری
علی قدیری
۱۳۹۴/۰۶/۲۹

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
۱۳۹۴/۰۶/۱۹

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
۱۳۹۴/۰۵/۱۳

بسیار عالی، مدرس کارش درست 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
مشاهده بیشتر مشاهده کمتر

×
فهرست جلسات ۳ جلسه ویدئویی
×