مجموعه فرادرس های الگوریتم مورچگان در متلب عنوان یک مجموعه آموزشی کامل است که شامل تقریبا ۷ ساعت فیلم آموزشی ناب به زبان فارسی است.
آموزش الگوریتم مورچگان Ant Colony در متلب MATLAB
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
بهینه سازی کلونی مورچه ها (Ant Colony Optimization) و به اختصار ACO، که در سال ۱۹۹۲ توسط مارکو دوریگو (Marco Dorigo) و در رساله دکتری ایشان مطرح شد، یکی از بارزترین نمونه ها برای روش های هوش جمعی است. این الگوریتم از روی رفتار جمعی مورچه ها الهام گرفته شده است. مورچه ها با همکاری یکدیگر کوتاه ترین مسیر را میان لانه و منابع غذایی پیدا می کنند تا بتوانند در کمترین زمان، مواد غذایی را به لانه منتقل کنند. هیچ کدام از مورچه ها به تنهایی قادر به انجام چنین کاری نیستند، اما با همکاری و پیروی از چند اصل ساده بهترین راه را پیدا می کنند. الگوریتم مورچه ها، یک مثال بارز از هوش جمعی هستند که در آن عامل هایی که قابلیت چندان بالایی ندارند، در کنار هم و با همکاری یکدیگر می توانند نتایج بسیار خوبی به دست بیاورند.
مجموعه فرادرس های الگوریتم مورچگان در متلب (MATLAB)، عنوان یک مجموعه آموزشی کامل است که شامل تقریبا ۷ ساعت فیلم آموزشی ناب به زبان فارسی است. این مجموعه آموزشی از چندین قسمت تشکیل شده است که اطلاعات آن در ادامه آمده اند.
درس یکم: الگوریتم مورچگان کلاسیک (ACO) در متلب
در این فرادرس، دانشجویان عزیز با مباحث مختلف تئوری و عملی الگوریتم مورچگان در متلب آشنا می شوند. دروسی که در این آموزش به آن پرداخته می شود، مبانی و مفاهیم اساسی هوش جمعی، مبانی تئوری الگوریتم مورچگان، پیاده سازی الگوریتم مورچگان در متلب و... است. توضیح کامل مباحث مربوطه و آموزش توسط یکی از بهترین مدرسین متخصص در این زمینه از نقاط قوت این آموزش به شمار می رود.
فهرست سرفصل ها و رئوس مطالب مطرح شده در درس یکم در ادامه آمده است:
- مروری بر مبانی و مفاهیم اساسی هوش جمعی (Swarm Intelligence)
- مبانی تئوری الگوریتم مورچگان (ACO)
- تشریح بخش های مختلف الگوریتم مورچگان
- بررسی انواع نسخه های الگوریتم مورچگان
- پیاده سازی الگوریتم مورچگان در متلب
- بیان ریاضی مساله فروشنده دوره گرد (Traveling Salesman Problem) یا به اختصار TSP
- پیاده سازی گام به گام الگوریتم مورچگان در محیط متلب برای حل مساله فروشنده دوره گرد
- نمایش نتایج حاصل از حل مساله TSP به صورت گرافیکی
- جمع بندی و نتیجه گیری های نهایی
درس دوم: حل مسائل گسسته با استفاده از الگوریتم مورچگان در متلب
الگوریتم مورچگان برای حل و بررسی محدوده وسیعی از مسائل بهینه سازی به کار برده شده است. از این میان می توان به حل مساله کلاسیک فروشنده دوره گرد و همچنین مساله راه یابی در شبکه های مخابرات راه دور اشاره نمود. در این درس، آموزش عملی حل مسائل گسسته با استفاده از الگوریتم مورچگان، روش های حل مسائل گسسته (از نوع باینری، عدد صحیح و جایگشتی) مورد بحث و بررسی واقع شده است. در این درس با حل سه مساله به صورت عملی، نکات عملی مربوطه به طور گام به گام آموزش داده شده اند.
سه مساله مورد بررسی در این درس عبارتند از:
- مساله کوله پشتی باینری (Binary Knapsack Problem)
- مساله کوله پشتی عدد صحیح (Integer Knapsack Problem)
- مساله تخصیص درجه دو (Quadratic Assignment Problem) به اختصار QAP
فهرست سرفصل ها و رئوس مطالب مطرح شده در درس دوم در ادامه آمده است:
- بیان ریاضی مساله کوله پشتی باینری
- شیوه نمایش راه حل مساله باینری به صورت لایه ای در الگوریتم مورچگان
- پیاده سازی گام به گام و حل مساله کوله پشتی باینری در متلب
- بهبود عملکرد و تکمیل برنامه نوشته شده
- بیان ریاضی مساله کوله پشتی عدد صحیح
- طراحی راه حل به صورت لایه های نامتجانس در الگوریتم مورچگان
- پیاده سازی گام به گام و حل مساله کوله پشتی عدد صحیح در متلب
- بیان ریاضی مساله QAP و کاربردهای آن
- نمایش راه حل مساله QAP به صورت لایه ای در الگوریتم مورچگان
- پیاده سازی گام به گام برنامه مربوط به حل QAP در متلب
- بررسی تاثیر تغییر پارامترهای مساله در پاسخ نهایی
- نمایش گرافیکی نتایج حاصل از حل مساله QAP
- جمع بندی و نتیجه گیری های نهایی
درس سوم: الگوریتم مورچگان پیوسته (Ant Colony Optimization Continuous) یا به اختصار ACOR در متلب
درس جامع الگوریتم مورچگان برای فضای پیوسته (Ant Colony Optimization Continuous) یا به اختصار ACOR در متلب، شامل مباحث تئوری و عملی در خصوص الگوریتم مورچگان پیوسته است و می تواند به عنوان یک مرجع بسیار کامل برای استفاده دانشجویان و دانش پژوهان مورد استفاده قرار بگیرد.
فهرست سرفصل ها و رئوس مطالب مطرح شده در درس سوم در ادامه آمده است:
- مروری بر مبانی الگوریتم مورچگان پیوسته و تعریف فرومون (Pheromone) در فضای پیوسته
- بیان ارتباط میان مدل سازی احتمال و توزیع گاوسی (Gaussian Distribution) با تعریف فرومون پیوسته
- معرفی مفهوم بایگانی جواب (Solution Archive) و جایگاه آن در الگوریتم مورچگان
- مفاهیم اساسی مربوط به نمونه برداری از طریق یک ترکیب گاوسی (Gaussian Mixture)
- بیان مراحل الگوریتم ACOR به صورت گام به گام و بررسی دقیق عملکرد هر مرحله
- پیاده سازی الگوریتم ACOR در محیط متلب به صورت مرحله به مرحله
- مباحث تکمیلی در خصوص نحوه در نظر گرفتن همبستگی متغیرها توسط PCA و الگوریتم گرام - اشمیت (Gram - Schmidt algorithm) در ACOR
آنچه در این آموزش خواهید دید:
پیش نمایش‌ها
۱.
مبانی تئوری الگوریتم مورچگان یا ACO
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: ۵۴ مگابایت -- (کلیک کنید +))
۲.
حل مساله فروشنده دوره گرد با استفاده از الگوریتم مورچگان یا ACO
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: ۷۳ مگابایت -- (کلیک کنید +))
۳.
حل مساله بهینه سازی عدد صحیح توسط الگوریتم مورچگان یا ACO
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۴.
مبانی تئوری الگوریتم مورچگان برای فضای پیوسته یا ACOR
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۵.
پیاده سازی عملی الگوریتم مورچگان برای فضای پیوسته یا ACOR 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 مورچگان Ant Colony در متلب MATLAB |
|---|---|
| ناشر | فرادرس |
| شناسه اثر | ۸–۱۲۴۵۲–۰۴۳۰۶۶ (ثبت شده در مرکز رسانه‌های دیجیتال وزارت ارشاد) |
| کد آموزش | MVPAC101 |
| مدت زمان | ۶ ساعت و ۴۷ دقیقه |
| زبان | فارسی |
| نوع آموزش | آموزش ویدئویی (نمایش آنلاین + دانلود) |
| حجم دانلود | ۶۶۲ 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
کاملا راضی بودم از دوره، از شما استاد عزیز سپاس گزارم🌹
تشکر می کنم بابت محتوای جامعی که ارائه کردید.
پیشنهادی که دارم اینکه مباحثی که به صورت مقدماتی ارائه می کنید حتما تو مراحل تکمیلی و پیشرفته تر ارائه کنید تا بهتر بتونیم از آموزشها استفاده کنیم.
خیلی خوب بود، کدهایی که داشتند در متلب بود و من خود الگوریتم مورچگان رو اونجا متوجه شدم.
مدرس این درس بی نهایت روی مباحث مسلط هستند.
من دانشجوی دکترا هستم و استاد از من خواست این الگوریتم ارائه بدم من از روی این آموزش خوندم و ارائه دادم و نمره ام عالی شد. میتونم بگم ارائه من بهتر از همه بود.
فوق العاده راضی بودم، وافعا پیشرفتمو در این آموزش ها رو مدیون آقای دکتر کلامی هستم.
کیفیت محتوا، تصویر و نظم عالی و بی نظیر بود.
متاسفانه در این آموزش بحث نحوه آپدیت شدن در مسیرهای متفاوت در بازه های زمانی به چه صورت هست، مطرح نشده است.
ممنون، بابت آموزش بسیار خوبی ک ارائه دادید، فقد اگر لطف کنید راجب کاربرد الگوریتم مورچگان توضیح دهید که قابل استفاده در علم ژنتیک یا کد نویسی در بورس هست، ممنون میشم.
استاد کلامی، جدا نظیر ندارید. خیلی خوشحالیم ما، که ایرانی هستید.
من استاد دانشگاه هستم برای بازآموزی خودم و و به روز رسانی مطالب آموزش های فرادرس رو تهیه می کنم.
به نظرم نحوه تدریس مدرس خیلی خوب و قوی بود. به نظرم اگه در پایان دوره یه مدرک و گواهینامه ای ارائه بشه خیلی میتونه تو اون مسیر برای همه بهتر و مفید تر باشه.