دانلود آنی
الگوریتم رقابت استعماری یا Imperialist Competitive Algorithm (به اختصار ICA) یکی از جدیدترین الگوریتم های بهینه سازی هوشمند است که در حوزه هوش محاسباتی و محاسبات تکاملی معرفی شده است. جان مایه اصلی این الگوریتم، شبیه سازی فرایند سیاسی استعمار است. به همان صورت که الگوریتم ژنتیک، تکامل زیستی را شبیه سازی می کند، در الگوریتم رقابت استعماری، از تکامل سیاسی استفاده شده است. این الگوریتم در سال ۲۰۰۷ توسط اسماعیل آتش پز گرگری و مرحوم پروفسور کارو لوکاس (Caro Lucas) (استاد فقید دانشگاه تهران) معرفی شد و تاکنون در کاربردهای فراوان و زمینه های تحقیقاتی متنوعی، به عنوان ابزار بهینه سازی مورد استفاده قرار گرفته است. قدرت بالای این الگوریتم، به خصوص در برخورد با مسائل پیوسته، باعث شده است که الگوریتم رقابت استعماری به عنوان یکی از ابزارهای مهم در زمینه بهینه سازی به حساب بیاید.
درس یکم: الگوریتم رقابت استعماری — شامل مباحث تئوری و عملی
در این درس، دانشجویان عزیز، با مباحث مختلف تئوری و عملی الگوریتم رقابت استعماری آشنا می شوند. دروسی که در این آموزش به آن پرداخته می شود، مبانی بهینه سازی، تشریح بخش های مختلف الگوریتم رقابت استعماری، پیاده سازی گام به گام الگوریتم ICA و… است. نقطه قوت این درس این است که به طور کامل به توضیح مباحث مربوطه پرداخته شده است و آموزش توسط یکی از بهترین مدرسین متخصص در این زمینه، انجام شده است.
فهرست سرفصل ها و رئوس مطالب مطرح شده در درس یکم در ادامه آمده است:
- مروری بر مبانی بهینه سازی
- مبانی تئوری الگوریتم رقابت استعماری یا ICA
- تشریح بخش های مختلف الگوریتم رقابت استعماری و کارکرد آن ها
- سناریوهای مختلف قابل استفاده در پیاده سازی الگوریتم رقابت استعماری
- ایده های فراگیر در زمینه محاسبات تکاملی و ادغام آن ها در الگوریتم رقابت استعماری
- تاثیر پارامترها و اپراتورها (عملگرها) در عملکرد کلی الگوریتم رقابت استعماری
- پیاده سازی گام به گام الگوریتم ICA در محیط متلب
- پیاده سازی اپراتورها و اجزای الگوریتم به طرق مختلف
- حل یک مساله نمونه و ساده
- جمع بندی و نتیجه گیری های نهایی
درس دوم: خوشه بندی یا Clustering با الگوریتم رقابت استعماری
در راستای پوشش نیازهای علمی جامعه هوش محاسباتی ایران، بسته کاملی از فیلم های آموزشی الگوریتم رقابت استعماری توسط متلب سایت تهیه شده است که می توانند به عنوان مرجع کاملی برای دانشجویان و دانش پژوهان مورد استفاده قرار بگیرند. بخشی از این درس، که در اینجا قصد معرفی آن را داریم، مربوط به حل مساله خوشه بندی (کلاسترینگ) یا Clustering با استفاده از الگوریتم رقابت استعماری است.
فهرست سرفصل ها و رئوس مطالب مطرح شده در درس دوم در ادامه آمده است:
- مروری بر مبانی طبقه بندی اطلاعات و اهمیت آن
- بیان ریاضی مساله خوشه بندی یا Clustering
- تبدیل مساله خوشه بندی به یک مساله بهینه سازی
- پیاده سازی مساله خوشه بندی در قالب یک مساله بهینه سازی در محیط متلب
- حل مساله خوشه بندی با استفاده از الگوریتم رقابت استعماری
- بهبود عملکرد و کامل سازی برنامه نوشته شده
- نمایش گرافیکی نتایج حاصل از حل مساله خوشه بندی
- جمع بندی و نتیجه گیری های نهایی
درس سوم: درون یابی توابع شعاعی پایه یا RBF با الگوریتم رقابت استعماری
در این درس که مربوط به درون یابی توابع شعاعی پایه یا RBF با الگوریتم رقابت استعماری است، در واقع تنظیم ضرایب یک شبکه عصبی RBF به صورت یک مساله بهینه سازی بیان شده است و توسط الگوریتم رقابت استعماری انجام پذیرفته است.
فهرست سرفصل ها و رئوس مطالب مطرح شده در درس سوم در ادامه آمده است:
- مروری بر مبانی مدل سازی و برازش منحنی
- آشنایی با توابع شعاعی پایه
- بیان مساله مدل سازی و برازش منحنی به صورت یک مساله بهینه سازی
- پیاده سازی مساله مدل سازی RBF به صورت یک مساله بهینه سازی در محیط متلب
- حل مساله مدل سازی با استفاده از الگوریتم رقابت استعماری
- بهبود عملکرد و کامل سازی برنامه نوشته شده
- نمایش گرافیکی نتایج حاصل از حل مساله مدل سازی
- جمع بندی و نتیجه گیری های نهایی
درس چهارم: حل مساله کوچکترین درخت پوشا با الگوریتم رقابت استعماری
مساله کوچکترین درخت پوشا به صورت یک مساله بهینه سازی گسسته باینری (صفر و یک) بیان شده است و از این رو، این درس دارای اهمیت ویژه ای است. زیرا در این درس نحوه استفاده از الگوریتم رقابت استعماری برای حل مسائل باینری آموزش داده شده است، و این درس می تواند سرمشق مناسبی برای استفاده از الگوریتم رقابت استعماری برای حل مسائل گسسته و باینری باشد. همچنین با الهام از الگوریتم های ژنتیک باینری، اپراتور انقلاب (یا Revolution) در این درس بازنگری شده است، به نحوی که عملکرد الگوریتم را برای حل مسائل باینری بهبود دهد.
فهرست سرفصل ها و رئوس مطالب مطرح شده در درس چهارم در ادامه آمده است:
- تعریف ریاضی مساله کوچکترین درخت پوشا یا Minimum Spanning Tree
- مروری بر مبانی نظریه گراف
- قضایا و لم های مربوط به تشخیص متصل بودن گراف ها
- پیاده سازی الگوریتم های مورد استفاده از تئوری گراف ها
- چگونگی استفاده از الگوریتم رقابت استعماری برای حل مسائل باینری
- حل مساله کوچکترین درخت پوشا با استفاده از الگوریتم رقابت استعماری
- بهبود عملکرد الگوریتم با الهام از الگوریتم ژنتیک باینری و اصلاح عملگر انقلاب یا Revolution
- نمایش گرافیکی نتایج حاصل از حل مساله
- جمع بندی و نتیجه گیری های نهایی
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 یا 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 یا Quadratic Assignment Problem (به اختصار QAP) که دارای کاربردهای وسیعی در علوم مهندسی است.
- مساله n وزیر یا n-Queen Probem (به اختصار nQP) که یک مساله کلاسیک در بهینه سازی و تحقیق در عملیات است.
- مساله زمان بندی پایه یا 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 سای ازدحام ذرات یا PSO و تکامل تفاصلی یا DE، مورد استفاده قرار داد. در این درس اپراتور انقلاب یا 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 سرفصل ها و رئوس مطالب مطرح شده در درس پنجم در ادامه آمده است:
- تعریف ریاضی مساله فروشنده دوره گرد یا 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 یا Revolution
- تعریف ریاضی مساله تخصیص درجه دو یا 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 یا 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
مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند 
منیر :
سلام ببخشید کد متلب الگوریتم استعماری در این فیلم آموزش داده شده؟
روابط عمومی :
در پاسخ به منیر:
تمام محصولات همراه با کد های متلب مرتبط با خود ارائه شده است و تمامی کد ها آموزش داده شده اند.
موفق و پیروز باشید.
مریم عاقلی :
آموزش بسیار کاملی بود. توضیحات استاد بسیار واضح و روان بود. اگر ممکن است در مورد شبکه های حس گر بی سیم آموزش ارائه نمایید.
امیر مودی :
با سلام. از شما بخاطر ارائه این مجموعه جامع و کاربردی متشکرم.
امیر نجفی :
این آموزش دید کلی خوبی داشت. خوشحال می شوم در ادمه همین آموزش، مجموعه دیگری با ارائه مثال های با جزئیات بیشتر منتشر شود.
نیما :
من این آموزش را برای برخی امور دانشگاهی ام تهیه کردم. بسیار راضی بودم. متشکرم.
آزاده اندرخور :
آموزش مفید و بی نقصی بود. برای مجموعه فرادرس آرزوی موفقیت دارم.
فرزانه :
با سلام و تشکر.
در این آموزش استاد بسیار خوب توضیح داده بودند و فن بیان عالی ای داشتند و جامع و کلی توضیح داده بودند با اینکه از نظر من جامع بود اما قسمتایی مثل بخش نقشه ها را خیلی سریع رد شده بودند و در مقابل بخش های دیگر را خیلی توضیح داده بودند.
من از محصولات متنوعی استفاده کرده ام و بسیار راضی هستم.
فرناز :
در این آموزش استاد بسیار خوب توضیح داده بودند و فن بیان عالی ای داشتند و جامع و کلی توضیح داده بودنداز محصولات دیگر نیز استفاده کرده ام و بسیار راضی هستم.
محمدعلی شهاب :
با سلام. بنده دانشجوی دکترا هستم، اینکه آموزش ارائه شده می تواند به زبان فارسی پاسخگوی نیاز های ما در این مقطع باشد بسیار عالی است. لطفا در زمینه مجموعه های آموزشی etab خازن گذاری و هارمونی و نرم افزار deck silent فیلم آموزشی ارائه نمایید.
محمد جواد آذرپیرا :
سلام،
من با استفاده از این آموزش توانستم شبیه سازی پایان نامه ام را انجام دهم.
از محصولاتی دیگر همچون کلونی زنبورمصنوعی نیز استفاده کردم ام.
برای شما آرزوی موفقیت دارم.
طیب یعقوبی آقابیگلو :
فیلم آموزشی مفید و کاملی بود. بنده بسیار راضی بودم و به همه دوستانم پیشنهاد می دهم.
مهدی خلفه نیلساز :
محتوا بسیار دقیق و کامل توضیح داده شده بود و ریز به ریز جزئیات گفته شده بود بسیار عالی بود. از محصولاتی همچون ICI و ژنتیک نیز استفاده کردم و بسیار مجموعه عالی ای بود.
سپهر فتحی نژاد :
با سلام و خسته نباشید به همگی همکاران فرادرس، من از این آموزش بسیار راضی هستم و خیلی بدرد پایان نامه ام خورد. از محصولاتی که رایگان بودند نیز استفاده کردم و راضی بودم.
منوچهر :
سلام. آموزش های آقای دکتر کلامی فوق العاده هستند.
بهروز :
شیوه تدریس و کدهای متلب خیلی عالی بود. من از آموزشهای رایگان نیز استفاده کرده ام. از فرادرس متشکرم. لطفا آموزش های بیشتری منتشر کنید.
سید رحمن صفوی :
سلام. نمودار ها بصورت جزء به جزء و کاملا علمی توضیح داده شده اند و این بهترین بخش این آموزش بود.
میترا حکمت آرا :
بخش تئوری بسیار عالی توضیح داده شده است
محسن خسروی :
ضمن تشکر از فرادرس. برای پیاده سازی مقاله ام از این فرادرس استفاده کردم و علاوه بر پیاده سازی بخش تئوری بسیار عالی بود ضمن اینکه از آموزش شبکه های عصبی ، کارگاه فازی و دیتا ماینیگ و .. استفاده کردم و بسیار عالی بود.
sehat :
سپاس فراوان از زحمات شما. آموزش ها واقعا مفید و آموزنده هستند. لطفا در زمینه پیاده سازی سیستم های توزیع شده آموزش ارائه کنید.متشکرم
علی نادی :
مدرس خیلی عالی هستند. مثال های گوناگون و توضیحات جالبشان باعث جذاب شدن آموزش شده است. خواهشمندم کلاس های آنلاین هم برگزار کنید.
زینب حقیقی پاک :
سلام. من در این موضوع هیچ اطلاعاتی نداشتم ولی با تهیه این آموزش بدون کلاس رفتن موضوع را بخوبی آموختم. به نظرم آموزش خیلی جزئی است می شود آموزش را خلاصه تر کرد و فقط به کلیات پرداخت.
کاظم حقدار :
بسیار عالی بود. اگر مثال های بیشتری مطرح شود بهتر است. آموزش از پایه است و مطرح نمودن یک مثال که از پایه تا پیشرفته را در خود جای دهد باعث بیشتر جا افتادن آموزش می شود.
واحد اداک :
سلام. خسته نباشید.
آموزش صوتی تصویری خیلی عالی است. اگر در الگوریتم هایی که استفاده میکنید از مقالات بیشتری استفاده کنید بهتر است.
فاطمه اعتصامی :
با عرض سلام و خسته نباشید.این مجموعه آموزشی برای من بسیار آموزنده و مفید بود. من هیچ چیز در مورد این الگوریتم نمیدونستم. اما الان با مجموعه ویدیوهایی که دیدم میتونم با این الگوریتم مسئله زیادی رو حل کنم. واقعا دستتون درد نکنه. من به چند تا از دوستام هم توصیه کردم که علاوه بر این آموزش، ویدیو های آموزشی شبکه عصبی شما رو ببینند. ممنون از زحمات زیادی که می کشین. خسته نباشید.
سامان :
سلام از آموزش هایی که قرار میدهید ممنونم. من بشخصه بدلیل علاقه ای که به مسائل بهینه سازی دارم بسیاری از آموزش ها را دنبال میکنم و نکات بسیار زیادی را تا به حال آموخته ام. بسیار الگوریتم رقابت استعماری برایم جالب است و یکی از مباحثی است که در مقالات علمی معتبر از ان استفاده شده است. بنده این اموزش را تهیه کردم و بسیار از اموزش استفاده بردم از سایت خوب شما هم ممنونم که این سیر علمی را فراهم کرد تا باعث پیشرفت دانشجویان ایرانی بشود. امیدوارم مباحث ادامه پیدا کند و مثال های عملی در متلب افزایش یابد. تشکر.
ashrafi :
آموزش به صورت بسیار خوبی شده است. مخصوصا برای دانشجویان دوره های ارشد می تواند بسیار مفید باشد.
اگر کدهای #C یا ++C آن نیز ارائه شوند بسیار خوب و مفید فایده خواهد بود.
با تشکر از تهیه کنندگان این مجموعه.
روابط عمومی :
در پاسخ به ashrafi:
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.
امیر :
سلام
بسیار خووب و عالی
فقط کاش یکم بیشتر مثال و نمونه حل میکردین
محمود :
آموزش الگوریتم رقابت استعماری
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
زینب :
مطالب جامع و مفید بود.