توضیحات تکمیلی
درس پنجم: حل مسائل جایگشتی با الگوریتم رقابت استعماری
برای کامل تر شدن محتوای فیلم آموزشی، و همچنین افزایش جنبه کاربردی آن، چهار مساله جایگشتی در این درس تعریف شده اند و به طور کامل مورد حل و بررسی قرار گرفته اند. مسائل مورد بحث در این درس از جمله مسائل پایه ای و کاربردی در رشته های مختلف از جمله رشته های مهندسی هستند. عناوین ۴ مساله مورد بحث در این فیلم عبارتند از:
- مساله فروشنده دوره گرد (Traveling Salesman Problem) به اختصار TSP که به جرات می توان گفت که معروف ترین مساله بهینه سازی جایگشتی است و کاربردهای فراوانی دارد.
- مساله تخصیص درجه دو (Quadratic Assignment Problem) به اختصار QAP که دارای کاربردهای وسیعی در علوم مهندسی است.
- مساله n وزیر (n-Queen Probem) به اختصار nQP که یک مساله کلاسیک در بهینه سازی و تحقیق در عملیات است.
- مساله زمان بندی پایه (Basic Scheduling Problem) که مادر تمام مسائل زمان بندی است و قطعا شیوه حل آن می تواند الگوی مناسبی برای حل سایر انواع مسائل زمان بندی باشد.
رویکردهای ارائه شده در این درس بسیار فراگیر و عمومی هستند و می توان از نکات تئوری و عملی بیان شده برای حل سایر مسائل جایگشتی نیز استفاده نمود. همچنین، به راحتی می توان نکات مورد بحث در این درس را با سایر الگوریتم های بهینه سازی پیوسته مانند: بهینه سازی ازدحام ذرات (Particle Swarm Optimization) و تکامل تفاضلی (Differential Evolutuion)، مورد استفاده قرار داد. در این درس اپراتور انقلاب (Revolution) مورد بازنگری قرار گرفته است و تغییراتی در آن اعمال شده است که عمکلرد الگوریتم رقابت استعماری برای حل مسائل جایگشتی بهبود یابد.
فهرست سرفصلها و رئوس مطالب مطرح شده در اين مجموعه آموزشی، در ادامه آمده است:
- تعریف ریاضی مساله فروشنده دوره گرد (TSP)
- نحوه کدینگ پاسخ یک مساله جایگشتی به صورت پیوسته
- پیاده سازی تابع هزینه و مدل ریاضی مربوط به مساله فروشنده دوره گرد
- حل مساله TSP با استفاده از الگوریتم رقابت استعماری
- نمایش گرافیکی نتایج حل مساله TSP با استفاده از الگوریتم رقابت استعماری
- بهبود عملکرد الگوریتم رقابت استعماری با اصلاح اپراتور انقلاب (Revolution)
- تعریف ریاضی مساله تخصیص درجه دو (Quadratic Assignment Problem) یا به اختصار QAP
- پیاده سازی تابع هدف و مدل ریاضی مربوط به مساله QAP
- حل مساله QAP با استفاده از الگوریتم رقابت استعماری
- نمایش گرافیکی نتایج حاصل از حل مساله QAP
- تعریف ریاضی مساله n وزیر (n - Queen Problem)
- پیاده سازی تابع هدف و مدل ریاضی مربوط به مساله n وزیر
- حل مساله n وزیر با استفاده از الگوریتم رقابت استعماری
- نمایش گرافیکی نتایج حاصل از حل مساله n وزیر
- تعریف ریاضی مساله زمان بندی ساده و مفاهیم بنیادی مربوطه
- پیاده سازی تابع هزینه و مدل ریاضی مربوط به مساله زمان بندی
- حل مساله زمان بندی با استفاده از الگوریتم رقابت استعماری
- نمایش گرافیکی چارت زمان بندی حاصل از حل مساله زمان بندی
- جمع بندی و نتیجه گیری های نهایی
آنچه در این آموزش خواهید دید:
پیش نمایشها






راهنمای سفارش آموزشها
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
- ۱۰۰ درصد مبلغ پرداختی در حساب کاربری شما شارژ میشود.
- و یا ۷۰ درصد مبلغ پرداختی به حساب بانکی شما بازگشت داده میشود.
نظرات
متاسفانه مثل بقیه آموزش های استاد کلامی طولانی و جاهایی خارج از حوصله بود.
همانطور که قبلا پیشنهاد دادم بهتره آموزش های کوتاهتری
با همین محتوا ارایه بشه
خیلی خوب بود که ابتدا با خود الگوریتم با مقاله رفرنس و مباحث تئوریک توضیح دادهشده . بعد به کد نویسی خود الگوریتم پرداخته البته در حین کد نویسی نکته در رابطه با برنامهنویسی متلب وجود داشته باشد بهطور کاملاً مجزا ابتدا توضیح میدهید استاد کلامی هریس بعد بهصورت داخل پرانتز بعد از ادامه کد نویسی الگوریتم را ادامه میدهد .
اینها واقعاً از نقاط قوت آموزشهای استاد کلامی هریس میباشد و البته به ارائه مثالها مختلف و توضیح تئوریک مثال هم خیلی خوب پرداخته شد است به نظر بنده خیلی عالیه .
با تشکر
بسیار خووب و عالی
فقط کاش یکم بیشتر مثال و نمونه حل میکردین
اگر کدهای #C یا ++C آن نیز ارائه شوند بسیار خوب و مفید فایده خواهد بود.
با تشکر از تهیه کنندگان این مجموعه.
با سلام؛
ضمن تشکر از مکاتبه شما و ارائه دیدگاه تان؛ پیشنهاد می شود لینک های زیر را مطالعه نمایید. امیدواریم در راستای هدف شما باشد:
کد رایگان الگوریتم رقابت استعماری
دانلود رایگان کدهای الگوریتم رقابت استعماری در جاوا
دانلود رایگان کد الگوریتم رقابت استعماری در سی شارپ و متلب
موفق و پیروز باشید.
آموزش صوتی تصویری خیلی عالی است. اگر در الگوریتم هایی که استفاده میکنید از مقالات بیشتری استفاده کنید بهتر است.