الگوریتم بهینه سازی ازدحام ذرات (Particle Swarm Optimization) به اختصار PSO یکی از مهم ترین الگوریتم های بهینه سازی هوشمند است که در حوزه هوش ازدحامی (Swarm Intelligence) جای می گیرد. در الگوریتم PSO اعضای جمعیت جواب ها به صورت مستقیم با هم ارتباط دارند و از طریق تبادل اطلاعات با یکدیگر و یادآوری خاطرات خوب گذشته به حل مساله می پردازند. هدف این فرادرس آشنایی دانشجویان عزیز، با مباحث مختلف الگوریتم PSO شامل مباحث تئوری و عملی است.
آموزش الگوریتم PSO — شامل مباحث تئوری و عملی
(کسب اطلاعات بیشتر +)
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 بهینه سازی ازدحام ذرات (Particle Swarm Optimization) یا به اختصار PSO یکی از مهم ترین الگوریتم های بهینه سازی هوشمند است که در حوزه هوش ازدحامی (Swarm Intelligence) جای می گیرد. این الگوریتم توسط جیمز کندی (James Kennedy) و راسل سی ابرهارت در سال ۱۹۹۵ معرفی گردید و با الهام از رفتار اجتماعی حیواناتی چون ماهی ها و پرندگان که در گروه هایی کوچک و بزرگ کنار هم زندگی می کنند، طراحی شده است. در الگوریتم PSO اعضای جمعیت جواب ها به صورت مستقیم با هم ارتباط دارند و از طریق تبادل اطلاعات با یکدیگر و یادآوری خاطرات خوب گذشته به حل مساله می پردازند. الگوریتم PSO برای انواع مسائل پیوسته و گسسته مناسب است و پاسخ های بسیار مناسبی برای مسائل بهینه سازی مختلف داده است.
مجموعه فرادرس های الگوریتم PSO، مشتمل بر هفت فرادرس است که در مجموع تقریبا شامل ۱۰ ساعت برنامه آموزشی تخصصی هستند. عناوین بخش های مختلف این بسته آموزشی در ادامه آمده است:
درس یکم: بهینه سازی ازدحام ذرات PSO
در درس یکم پس از مروری کامل بر تئوری PSO، نحوه برنامه نویسی و پیاده سازی این الگوریتم در محیط متلب (MATLAB) به طور کامل آموزش داده می شود. این فیلم آموزشی قطعا یک منبع آموزشی بی نظیر برای آموزش مباحث تئوری و عملی مرتبط با الگوریتم PSO است. حتی افرادی که هیچ گونه آشنایی با الگوریتم PSO و مفاهیم مرتبط با آن ندارند، می توانند با استفاده از این فیلم آموزشی ارزشمند، اطلاعات کامل و دقیقی را به دست بیاورند.
فهرست سرفصل ها و رئوس مطالب مطرح شده در درس یکم در ادامه آمده است:
- مروری بر تئوری الگوریتم بهینه سازی ازدحام ذرات (PSO)
- پیاده سازی برنامه ساده الگوریتم PSO
- بهبود عملکرد برنامه با اعمال تغییرات بر روی برنامه
- تنظیم ضرایب و پارامترهای PSO
- اپراتورهای محدودسازی سرعت و موقعیت
- پیاده سازی اثر آینه ای برای بردار سرعت
درس دوم: حل مساله دیسپاچینگ اقتصادی توسط الگوریتم PSO
یکی از مسائل مهمی که در مهندسی قدرت و مدیریت سیستم های تولید و توزیع نیروی برق مطرح می شود، مساله دیسپاچینگ اقتصادی (Economic Dispatching) است. در درس دوم که به صورت یک مساله بهینه سازی مقید و پیوسته مطرح می شود، سعی می شود که سهم توان تولیدی چند واحد تولید برق به نحوی تعیین شود که عملکرد کلی سیستم از نظر اقتصادی بهینه شود. برای هر کدام از منابع تولید انرژی، یک تابع هزینه بر حسب توان تولیدی تعریف شده است که غالبا به صورت درجه دو است. در این فیلم آموزشی با استفاده از الگوریتم بهینه سازی ازدحام ذرات (Particle Swarm Optimizatoion) یا به اختصار PSO به حل این مساله پرداخته شده است.
فهرست سرفصل ها و رئوس مطالب مطرح شده در درس دوم در ادامه آمده است:
- بیان ریاضی مساله دیسپاچینگ اقتصادی (Economic Dispatching)
- مروری بر روش های حل مسائل بهینه سازی مقید به خصوص قید تساوی
- پیاده سازی حل مساله دیسپاچینگ با استفاده از PSO
- تحلیل و بررسی نتایج به دست آمده از بهینه سازی
- ارائه پیشنهادهایی برای تعمیم و توسعه مدل مربوط به مساله دیسپاچینگ
درس سوم: حل مسائل گسسته با استفاده از الگوریتم PSO
در درس سوم روش هایی در خصوص چگونگی استفاده از الگوریتم PSO برای حل مسائل بهینه سازی گسسته (عدد صحیح) ارائه شده اند. این روش ها منحصر به الگوریتم PSO نیستند و می توان آن ها را با هر الگوریتم پیوسته دیگری از جمله: تکامل تفاضلی (Differential Evolution) و الگوریتم رقابت استعماری (Imperialist Competitive Algorithm) مورد استفاده قرار داد.
فهرست سرفصل ها و رئوس مطالب مطرح شده در درس سوم در ادامه آمده است:
- حل مسائل گسسته با استفاده از الگوریتم PSO
درس چهارم: حل مساله فروشنده دوره گرد (Traveling Salesman Problem) با استفاده از الگوریتم PSO
در درس چهارم شیوه اضافه کرد عمل جهش (Mutation) به الگوریتم PSO توضیح داده شده است. به این الگوریتم اصطلاحا Enhanced PSO یا به اختصار EPSO گفته می شود. سپس سه نوع عملگر جهش برای مساله TSP بیان شده است که عبارتند از: اپراتور تعویض (Swap)، اپراتور معکوس سازی (Reversion) و اپراتور جایگذاری (Insertion). ترکیبی احتمالی از این اپراتورها به عنوان یک عملگر جهش تعریف شده است و در ساختار الگوریتم EPSO مورد استفاده قرار گرفته است.
فهرست سرفصل ها و رئوس مطالب مطرح شده در درس چهارم در ادامه آمده است:
- بیان ریاضی و مرور نظری مساله فروشنده دوره گرد (Traveling Salesman Problem)
- چگونگی ایجاد جایگشت با استفاده از اعداد حقیقی
- حل مساله فروشنده دوره گرد با استفاده از PSO
- نمایش راه حل مساله به صورت گرافیکی همگام با حل مساله
- نحوه اضافه کردن عملگر جهش (Mutation) به الگوریتم PSO
- بررسی انواع جهش برای مساله فروشنده دوره گرد و سایر مسائل جایگشتی
درس پنجم: برازش منحنی و مدل سازی با استفاده از الگوریتم PSO
به جرات می توان گفت که یکی از مسائل مهم در تمامی رشته های علمی و مهندسی، مساله مدل سازی و برازش منحنی است و در بسیار از رشته ها این مساله مهم ترین مساله ای است که در آن حوزه تعریف می شود. تبدیل داده های برگرفته از مشاهدات به مدلی ریاضی که بتواند سیستم مورد مطالعه را توصیف نماید، گاهی اوقات بزرگترین هدفی است که یک محقق دارد. روش های مختلفی برای برخورد با این مساله وجود دارند که پیش از این درباره این روش ها در فرادرس مطالبی منتشر شده است.
فهرست سرفصل ها و رئوس مطالب مطرح شده در درس پنجم در ادامه آمده است:
- بیان مساله برازش منحنی و مدل سازی به صورت یک مساله بهینه سازی
- تعریف تابع هزینه مربوط به برازش منحنی و اتصال آن به PSO
- ارائه راه حل کلی برای پیدا کردن پارامترهای هر نوع معادله تخمین گر
- تخمین داده ها به صورت چند جمله ای با درجات مختلف
- استفاده از عمل جهش در الگوریتم PSO پیوسته
- معرفی جهش گاوسی (Gaussian Mutation) (نرمال) برای مسائل بهینه سازی پیوسته
- نمایش نتیجه برازش منحنی همگام با مراحل اجرای الگوریتم PSO
درس ششم: حل مساله کوله پشتی (knapsack Problem) با استفاده از PSO
یکی از مسائل معروف در ریاضیات کاربردی و تحقیق در عملیات، مساله کوله پشتی (Knapsack Problem) است، که به نام Backpack Problem نیز شناخته می شود. این مساله دارای نسخه های مختلفی است و حالات پیچیده تر آن در حل مسائل روزمره و صنعتی کاربردهای فراوانی دارد. گذشته از اهمیت عملی این مساله، نسخه های استانداردی نیز برای این مساله تعریف شده اند که برای ارزیابی عملکرد الگوریتم های بهینه سازی، مورد استفاده قرار می گیرد. در این فیلم آموزشی با استفاده از الگوریتم بهینه سازی ازدحام ذرات (Particle Swarm Optimizatoion) یا به اختصار PSO به حل مساله کوله پشتی پرداخته شده است.
در درس ششم نسخه های مختلف مساله کوله پشتی (گسسته و پیوسته) بیان شده اند و هر دو مورد با استفاده از الگوریتم PSO حل شده اند. در خصوص چگونگی استفاده از PSO برای حل مسائل گسسته (عدد صحیح) در این فیلم نکات جالب و ارزنده ای بیان شده اند که به همراه سایر الگوریتم های پیوسته نظیر: تکامل تفاضلی (Differential Evolution) و الگوریتم رقابت استعماری (Imperialist Competitive Algorithm) نیز قابل استفاده هستند. همچنین مطالب متنوعی در خصوص چگونگی برخورد با قیدها، در مسائل بهینه سازی مقید بیان شده است.
فهرست سرفصل ها و رئوس مطالب مطرح شده در درس ششم در ادامه آمده است:
- بیان ریاضی مساله کوله پشتی
- بررسی انواع مختلف مساله کوله پشتی در فضای گسسته و پیوسته
- حل مساله کوله پشتی پیوسته با استفاده از PSO
- چگونگی استفاده از PSO برای حل مسائل بهینه سازی گسسته و روش های کدینگ اعداد صحیح
- حل مساله کوله پشتی گسسته با استفاده از PSO
- مقایسه نتایج به دست آمده در حالات گسسته و پیوسته
- نحوه برخورد با مسائل بهینه سازی مقید و انواع توابع جریمه
- مکانیزم ها و راهکارهای عملی برای حل عمومی مسائل تحقیق در عملیات
درس هفتم: طراحی مسیر (Path Planning) با استفاده از PSO
فرض کنید که قرار است درجه حرارت یک محل را تنظیم کنیم، به نحوی که یک معیار (مثلا میزان مصرف انرژی) بهینه شود. اگر فقط تنظیم درجه حرارت در یک زمان به خصوص مد نظر باشد، مساله چندان سخت نیست. اما اگر هدف از حل مساله تنظیم درجه حرارت در تمام ساعات شبانه روز (بهتر است بگوییم در هر لحظه از شبانه روز) باشد، چطور؟
این مساله دارای بعد بی نهایت است. زیرا ما باید درجه حرارت را برای هر لحظه از شبانه روز تعیین کنیم و می دانیم که تعداد این لحظات، بی نهایت است. البته فرض می کنیم که در این اطراف، کسی که به فیزیک کوانتومی معتقد است، حضور ندارد (این جمله آخر چندان جدی نبود).
مساله طراحی مسیر حرکت یک ربات از یک مبدا مشخص تا یک مقصد مشخص نیز دارای بی نهایت متغیر مجهول است. زیرا در تمام بازه زمانی حرکت، قطعا این ربات در جایی از فضا حضور دارد و دارای مختصات است و هدف ما از حل مساله پیدا کردن مختصاتی برای ربات در تمام لحظات است که اولا ما را از مبدا مورد نظر تا مقصد مشخصی برساند و ثانیا یک معیار (مثلا طول مسیر و یا انرژی مصرفی بریا حرکت) را بهینه کند. بسیاری از مسائلی که در حوزه مهندسی کنترل، رباتیک و مکاترونیک مطرح می شوند، دارای ابعاد بی نهایت هستند و باید به نحوی آن ها را تبدیل به مسائلی با بعد محدود کرد.
یکی از رویکردها برای حل چنین مسائلی، پارامتریزه (Parametrized) کردن منحنی توصیف کننده مسیر و پیدا کردن مقادیر بهینه پارامترهای آن است. در این فیلم آموزشی، مساله طراحی مسیر با استفاده از این تکنیک و توسط الگوریتم PSO حل شده است. این روش می تواند برای سایر مسائل نیز مورد استفاده قرار بگیرد که نمونه ای از آن ها در فیلم مورد اشاره قرار گرفته اند.
فهرست سرفصل ها و رئوس مطالب مطرح شده در درس هفتم در ادامه آمده است:
- بیان چند نمونه از مسائلی که مجهول مورد سوال در آن ها توابع هستند و بی نهایت متغیر دارند
- تخمین تابع
- طراحی مسیر انواع ربات
- کنترل بهینه حلقه باز سیستم های دینامیکی
- شیوه های تبدیل مسائل دارای بعد بی نهایت به مسائل با بعد محدود
- بیان مساله طراحی مسیر (Path Planning)
- ارائه راه حل برای مساله طراحی مسیر به صورت اسپلاین (Spline)
- شیوه تعریف اسپلاین در محیط متلب
- حل مساله طراحی مسیر حرکت ربات با استفاده از الگوریتم PSO در محیط متلب
- اضافه کردن مانع به مدل مساله طراحی مسیر
- نمایش گرافیکی نتایج حاصل از طراحی مسیر
- طرح پیشنهادهایی برای توسعه مساله طراحی مسیر
آنچه در این آموزش خواهید دید:
نرم افزارهای مرتبط با آموزش
پیش نمایش‌ها
۱.
مبانی تئوری بهینه سازی ازدحام ذرات (PSO)
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: ۱۷۵ مگابایت -- (کلیک کنید +))
۲.
پیاده سازی در محیط 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: ۲۴۴ مگابایت -- (کلیک کنید +))
۳.
حل مساله دیسپاچینگ اقتصادی یا Econimic Dispatching
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: ۱۸۷ مگابایت -- (کلیک کنید +))
۴.
حل مسائل عدد صحیح با استفاده از PSO
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۵.
حل مساله فروشنده دوره گرد (TSP) با استفاده از الگوریتم PSO
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۶.
برازش منحنی و مدل سازی با استفاده از PSO
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۷.
حل مساله کوله پشتی با استفاده از PSO
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۸.
حل مساله طراحی مسیر یا Path Planning با استفاده از PSO
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 PSO — شامل مباحث تئوری و عملی |
|---|---|
| ناشر | فرادرس |
| شناسه اثر | ۸–۱۲۴۵۲–۰۴۳۰۲۵ (ثبت شده در مرکز رسانه‌های دیجیتال وزارت ارشاد) |
| کد آموزش | MVRPS9011 |
| مدت زمان | ۹ ساعت و ۵۳ دقیقه |
| زبان | فارسی |
| نوع آموزش | آموزش ویدئویی (نمایش آنلاین + دانلود) |
| حجم دانلود | ۱ گیگابایت (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
چه خوب می شد که شبیه سازی چند مقاله هم که از همین الگوریتم استفاده نموده اند هم در دستور کار قرار می گرفت. در قالب پروژه یاد گرفتن الگوریتم خیلی دلچسب و انگیزه بخش است.
بیان شیوا مفاهیم اولیه الگوریتم PSO و بسرعت وارد شدن به بخش برنامه نویسی و پیاده سازی الگوریتم از نقاط قوت اموزش می باشد.با دیدن این آموزش دیگر نیازی به کتاب های دیگر برای بررسی مفاهیم الگوریتم نیست.تسلط به مفاهیم و برنامه نویسی و پیاده سازی آن انگیزه برای دیدن بخش های دیگر را ایجاد می کند.سپاس از دکتر کلامی هریس
فرادرس تنها سایتی که آموزش هایش هم در مجموع خوب و مقرون به صرفه می باشد بدون شک فرادرس می باشد. آموزش های مهندس رحمت اله خضری و دکتر کلامی هریس و مهندس مهدی نیا رودسری واقعا عالی می باشند.
اگر می شد که چند تا تمرین و شبیه سازی مقاله هم در پیوست این اموزش ها می بود بهمراه جواب یا راهنمایی جواب خیلی عالی می شد
کامل بود، من برای پروژه دانشگاهیم این آموزشو تهیه کردم و کارمو راه انداخت.
واقعا سایت خوبی دارید، سرعت سرچ تو سایت خیلی خوبه و مدرسایی که من آموزششانو تهیه کردم واقعا تسلط بالایی داشتن.
نحوه بیان مدرس خیلی خوب بود.
من چندتا آموزش مرتبط به هم خریداری کردم و همه با هم عالی بودند.
آموزش شما کاربردی بوده و از اهمیت خاصی برخوردار می باشد...
با سلام و احترام . ممنونم این بسته آموزشی یک سمفونی زیبا بود .
سلام ای کاش ی مثال unit comitment هم حل میشد
با سلام
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 سلام.
روند آموزش الگوریتم PSO بسیار خوب بوده و من از آموزشی که تهیه کردم کاملا راضی بودم. دانشجویان مقطع کارشناسی ارشد در مسیر پژوهشی خود به منابع علمی معتبر نیاز دارند و این موضوع که آموزش مربوطه بر مبنای یک مقاله علمی معتبر تهیه شده باشد مهم تلقی می شود.امیدوارم که این رویه در تمامی آموزش های فرادرس ادامه داشته باشد.
با سلام و خسته نباشید.
از لحاظ کیفیت آموزش عالی بود.