مجموعه آموزش الگوریتم ژنتیک و محاسبات تکاملی

مجموعه آموزش الگوریتم ژنتیک و محاسبات تکاملی

مدت زمان آموز‌ش‌های این صفحه
۲,۳۶۰ دقیقه
تعداد آموز‌ش‌های این صفحه
۶ عنوان آموزشی
1

آموزش تئوری و عملی الگوریتم ژنتیک

آموزش تئوری و عملی الگوریتم ژنتیک (Genetic Algorithm) یا GA، به طور قطع شناخته شده ترین روش بهینه سازی هوشمند و الگوریتم تکاملی است که کاربردهای فراوانی در رشته های مختلف علمی و مهندسی دارد. اهمیت این الگوریتم در محاسبات تکاملی و هوش محاسباتی به قدری است که اولین کلمه ای که پس از عبارت الگوریتم تکاملی به ذهن می رسد، الگوریتم ژنتیک است. بسیاری از افراد، سایر روش های بهینه سازی هوشمند را نسخه های تغییر یافته ای از الگوریتم ژنتیک می شناسند و قائل به اصالت وجود و ماهیت سایر الگوریتم ها نیستند. این ابزار محاسباتی، در اوایل دهه ۱۹۷۰ از دل نتایجی پدید آمد که از تلاش های مهندسین و دانشمندان آن روزگار برای شبیه سازی فرایند تکامل صورت پذیرفته بود.

مدرس: دکتر سید مصطفی کلامی هریس مدت زمان آموزش: ۱۴ ساعت و ۲۳ دقیقه
یادگیری را شروع کنید
2

آموزش پیاده سازی الگوریتم ژنتیک در Python - مقدماتی

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.

مدرس: پژمان اقبالی شمس آبادی مدت زمان آموزش: ۴ ساعت و ۲۸ دقیقه
یادگیری را شروع کنید
3

آموزش پیاده سازی ترکیب الگوریتم ژنتیک و PSO در متلب

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.

مدرس: دکتر سید مصطفی کلامی هریس مدت زمان آموزش: ۱ ساعت و ۲۴ دقیقه
یادگیری را شروع کنید
4

آموزش پیاده سازی الگوریتم ژنتیک در Python - تکمیلی - بخش دوم

در ادامه مسیر شروع شده در آموزش های الگوریتم ژنتیک در پایتون مقدماتی و تکمیلی بخش اول، در این فرادرس مسائل دیگری را به کمک الگوریتم ژنتیک در پایتون بهینه سازی می کنیم. تا بدین جا مسائل گوناگون بهینه سازی از سطح ساده انتخاب شده و در هر درس مساله پیچیده تری که نیازمند الگوریتم ژنتیک کامل تری بود را بررسی کردیم. همین روند در این آموزش نیز دنبال می شود. در پایان این آموزش شما با حل مساله های بهینه سازی جدید و پیچیده تری نسبت به آموزش های مقدماتی و تکمیلی بخش اول آشنا خواهید شد و قادر خواهید بود برای حل یک مساله بهینه سازی از الگوریتم ژنتیک در پایتون استفاده کنید.

مدرس: پژمان اقبالی شمس آبادی مدت زمان آموزش: ۶ ساعت و ۳۳ دقیقه
یادگیری را شروع کنید
5

آموزش پیاده سازی الگوریتم ژنتیک در Python - تکمیلی - بخش اول

الگوریتم ژنتیک، یک ابزار قدرتمند بهینه سازی و زبان برنامه نویسی پایتون، یک زبان قدرتمند برنامه نویسی است. امروزه بسیاری از مسائل محاسباتی در پروژه های مختلف علوم و مهندسی با استفاده از پایتون و بسیاری از مسائل بهینه سازی با استفاده از الگوریتم ژنتیک حل می شوند. این فرادرس به شما کمک می کند که بتوانید مسائل محاسباتی که نیازمند بهینه سازی با الگوریتم ژنتیک هستند را در پایتون پیاده سازی کنید که هم از قدرت پایتون در محاسبات و هم از قدرت الگوریتم ژنتیک در بهینه سازی در کنار هم بهره ببرید.

مدرس: پژمان اقبالی شمس آبادی مدت زمان آموزش: ۱۰ ساعت و ۱۶ دقیقه
یادگیری را شروع کنید
6

آموزش حل مساله فروشنده دوره گرد با استفاده از الگوریتم ژنتیک

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 آموزشی استفاده از عملگرهای گسسته و پیوسته برای حل مساله فروشنده دوره گرد است.

مدرس: دکتر سید مصطفی کلامی هریس مدت زمان آموزش: ۲ ساعت و ۱۶ دقیقه
یادگیری را شروع کنید
موضوعات آموزشی مرتبط