الگوریتم ژنتیک و محاسبات تکاملی
۱۵,۹۵۲ دانشجو ثبت نام کننده
۱۱٫۷ میلیون دقیقه یادگیری و مطالعه توسط دانشجویان
۳,۲۳۳ دقیقه مدت زمان آموز‌ش‌های این صفحه
۱۰ عنوان آموزشی تعداد آموز‌ش‌های این صفحه
۱
مجموعه آموزش های تئوری و عملی الگوریتم ژنتیک

مجموعه آموزش های تئوری و عملی الگوریتم ژنتیک

مدرس: دکتر سید مصطفی کلامی هریس

در این پست قصد داریم جدیدترین و کامل ترین محصول فرادرس را که مربوط به آموزش تئوری و عملی الگوریتم های ژنتیک در متلب است، به حضور مخاطبین محترم معرفی نماییم.

یادگیری را شروع کنید ...

۲
آموزش پیاده سازی ترکیب الگوریتم ژنتیک و PSO در متلب

آموزش پیاده سازی ترکیب الگوریتم ژنتیک و PSO در متلب

مدرس: دکتر سید مصطفی کلامی هریس

در این فرادرس ابتدا برنامه نویسی الگوریتم ژنتیک مورد بحث قرار می گیرد و سپس الگوریتم بهینه سازی ازدحام ذرات یا PSO پیاده سازی می شود. در ادامه ایده هایی برای ترکیب این دو الگوریتم مطرح می شوند و در محیط نرم افزار متلب پیاده سازی می گردند. زمان این فیلم تقریبا برابر با یک جلسه آموزشی (۹۰ دقیقه) است.

یادگیری را شروع کنید ...

۳
مجموعه آموزش های بهینه سازی چند هدفه در متلب

مجموعه آموزش های بهینه سازی چند هدفه در متلب

مدرس: دکتر سید مصطفی کلامی هریس

اگر قصد دارید که در کمترین زمان ممکن و با بهترین کیفیت، مباحث تئوری و عملی مربوط به بهینه سازی چند هدفه را فرا بگیرید، حتما این پست را بخوانید. محصولی که در این پست قصد معرفی آن را داریم، مجموعه فرادرس های بهینه سازی چند هدفه در متلب است که نه تنها مشابه ایرانی، که مشابه خارجی نیز ندارد و محصولی واقعا بی نظیر است.

یادگیری را شروع کنید ...

۴
آموزش پیاده سازی الگوریتم ژنتیک در Python

آموزش پیاده سازی الگوریتم ژنتیک در Python

مدرس: مهندس پژمان اقبالی

الگوریتم ژنتیک روشی است برای حل مسائل بهینه سازی مقید و نامقید که براساس انتخاب طبیعی کار می کند. این الگوریتم مرتبا جمعیتی از راه حل های منحصر به فرد را اصلاح می کند. این الگوریتم بسیار پرکاربرد است و امروزه در تمام شاخه های علوم و مهندسی به منظور بهینه سازی استفاده می شود. در این فرادرس، پیاده سازی الگوریتم ژنتیک برای بهینه سازی در Python (پایتون) به بحث گذاشته می شود، چرا که امروزه حجم بسیاری از محاسبات علمی با Python انجام می شود که آن هم به دلیل ساده بودن برنامه نویسی با آن و قدرتمند بودن این زبان برنامه نویسی است.

یادگیری را شروع کنید ...

۵
آموزش حل مسأله فروشنده دوره گرد با استفاده از الگوریتم ژنتیک

آموزش حل مساله فروشنده دوره گرد با استفاده از الگوریتم ژنتیک

مدرس: دکتر سید مصطفی کلامی هریس

مساله فروشنده دوره گرد یکی از مسائل بهینه سازی ترکیباتی است که از الگوریتم های ژنتیک معمولا برای حل این مساله استفاده می شود. برای بهبود کارایی الگوریتم ژنتیک در حل مساله فروشنده دوره گرد روش ها و عملگرهای متفاوتی اعمال شده است. تعداد بهینه چرخه ها در زمان محدود و ایجاد سود مطلوب به عنوان هدف تعیین می شود. هدف این فرادرس آموزش استفاده از عملگرهای گسسته و پیوسته برای حل مساله فروشنده دوره گرد است.

یادگیری را شروع کنید ...

۶
آموزش تخمین خطای طبقه بندی یا Classifier Error Estimation

آموزش تخمین خطای طبقه بندی یا Classifier Error Estimation

مدرس: دکتر اسماعیل آتشپز گرگری

تخمین خطای کلاسیفایر (Classifier Error Estimation) اگر مهم ترین بخش طراحی یک کلاسیفایر (Classifier - طبقه بندی کننده) نباشد، قطعا یکی از مهم ترین قسمت های این فرایند است. به عنوان مثال فرایند انتخاب ویژگی (Feature Selection) بدون داشتن یک تخمین گر خطا (Error Estimator) مناسب یک روند عبث خواهد بود. به خاطر همین اهمیت بسیار بالا، در این فرادرس ما به موضوع تخمین خطای کلاسیفایر می پردازیم و در طی آن روش هایی همانند تخمین گر Resubstitution، تخمین گر Cross-Validation، تخمین گر Leave-One-Out، تخمین گر Bootstrap را مورد بررسی قرار داده و نقاط ضعف و قوت هر یک را بیان می کنیم.

یادگیری را شروع کنید ...

۷
آموزش انتخاب ویژگی یا Feature Selection

آموزش انتخاب ویژگی یا Feature Selection

مدرس: دکتر اسماعیل آتشپز گرگری

در این فرادرس، در شروع بحث، مفاهیم پایه مرتبط با کاهش ابعاد (استخراج و انتخاب ویژگی) را با هم مرور خواهیم کرد. تمرکز ما در این بحث بر روی روش های انتخاب ویژگی خواهد بود و روش های استخراج ویژگی از آن جهت که در فرادرس دیگری به صورت مفصل مورد بررسی قرار گرفته اند، محور بحث نخواهند بود.

یادگیری را شروع کنید ...

۸
انتخاب ویژگی با استفاده از الگوریتم های فرا ابتکاری و تکاملی

آموزش انتخاب ویژگی با استفاده از الگوریتم های فراابتکاری و تکاملی

مدرس: دکتر سید مصطفی کلامی هریس

در این فرادرس، سعی شده است با نگرشی جامع، رویکردهای تکاملی و فراابتکاری برای حل مساله انتخاب ویژگی مورد بحث و بررسی واقع شده اند و پیاده سازی عملی این روش ها، به صورت گام به گام در محیط متلب آموزش داده شده اند.

یادگیری را شروع کنید ...

۹
آموزش کاهش تعداد رنگ تصاویر با استفاده از روش های خوشه بندی هوشمند

آموزش کاهش تعداد رنگ تصاویر با استفاده از روش های خوشه بندی هوشمند

مدرس: دکتر سید مصطفی کلامی هریس

روش های متعددی برای انجام کاهش رنگ یا Color Reduction (و یا Color Quantization) وجود دارند. اما در این آموزش، بر روی روش های مبتنی بر خوشه بندی تمرکز شده است و کاربرد سه روش خوشه بندی هوشمند برای کاهش رنگ در تصاویر رنگی، به صورت عملی مورد استفاده قرار گرفته اند.

یادگیری را شروع کنید ...

۱۰
آموزش الگوریتم بهینه سازی فاخته و پیاده سازی آن در MATLAB

آموزش الگوریتم بهینه سازی فاخته و پیاده سازی آن در MATLAB

مدرس: مهندس منوچهر بابایی

الگوریتم بهینه سازی فاخته (Cuckoo) یکی از الگوریتم های فراابتکاری مبتنی بر جمعیت و بر مبنای رفتار موجودات است. این الگوریتم بر اساس نحوه تخم گذاری و تولد پرنده فاخته عمل می کند و در مسائل بهینه سازی مختلفی در حوزه: پردازش تصویر، یادگیری ماشین، مهندسی کنترل و… به کار می رود و دارای توانایی بالایی در فرار از بهینه های محلی است. در این فرادرس، جنبه های مختلف الگوریتم فاخته را از نظر تئوری بررسی می کنیم و بعد از کدنویسی الگوریتم در MATLAB، کارایی آن را بر روی چندین تابع محک مهم بررسی می کنیم. دانشجویان در حوزه های مختلف مهندسی و انسانی به خصوص مدیریت و اقتصاد می توانند از این الگوریتم در تحقیقات خود به بهترین نحو استفاده کنند.

یادگیری را شروع کنید ...

موضوعات آموزشی مرتبط



به همراه دهها آموزش دیگر مرتبط با الگوریتم ژنتیک و محاسبات تکاملی

برای مشاهده آموزش های مرتبط دیگر، در میان بیش از ده هزار ساعت آموزش منتشر شده در فرادرس، جستجو کنید ...


فرادرس در رسانه ها و جشنواره ها

روزنامه ایرانیان مرکز توسعه فناوری اطلاعات و رسانه های دیجیتال روز آفرین نت استارت کنفرانس مهندسی برق ایران جشنواره وب ایران