|
آموزش بهینه سازی سبد سهام با روش های بهینه سازی کلاسیک و هوشمند در متلب
مدرس: دکتر سید مصطفی کلامی هریس در این فرادرس، دانشجویان عزیز، با بهینه سازی سبد سهام در متلب، با استفاده از روش های کلاسیک و هوشمند آشنا می شوند. سرفصل هایی که در این آموزش به آن پرداخته می شود، مدل های ریاضی مساله بهینه سازی سبد سهام و ... می باشد. توضیح و برنامه نویسی کامل بهینه سازی سبد سهام، با استفاده از روش های کلاسیک و هوشمند و آموزش توسط یکی از بهترین مدرسین متخصص در این زمینه از نقاط قوت این آموزش به شمار می رود. |
|
آموزش الگوریتم PSO — شامل مباحث تئوری و عملی
مدرس: دکتر سید مصطفی کلامی هریس الگوریتم بهینه سازی ازدحام ذرات یا 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 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. |
|
آموزش مبانی محاسبات تکاملی و بهینه سازی هوشمند
مدرس: دکتر سید مصطفی کلامی هریس در این آموزش که عملا درس شماره صفر تمام دروس آموزشی بهینه سازی می تواند باشد، مفاهیم پایه و اساسی مربوط به مسائل بهینه سازی و الگوریتم های مورد استفاده برای حل این مسائل، مورد بحث و بررسی قرار می گیرند. تمام افرادی که قصد آموزش تئوری یا عملی روش های بهینه سازی را دارند، به مشاهده این آموزش توصیه می شوند. دانستن مفاهیم مورد بحث در این فرادرس و تسلط بر این موضوعات، ضامن یادگیری بهتر و تسلط بیشتر بر مباحث آتی در حوزه بهینه سازی خواهد بود. لذا، مطالعه و یادگیری آموزش «مبانی محاسبات تکاملی و بهینه سازی هوشمند» یا درس شماره صفر بهینه سازی را از دست ندهید. |
|
آموزش مقدماتی پیاده سازی مسائل بهینه سازی در پایتون (Python)
مدرس: مهندس پژمان اقبالی واضح است که مسائل بهینه سازی تقریبا در تمام علوم وجود دارند و شما همیشه به دنبال یافتن بهترین جواب از بین جواب های موجود برای مساله خود هستید. حل دستی بهینه سازی تنها برای مسائل خیلی کوچک امکان پذیر است و برای مسائل علمی که ما روزانه با آن درگیر هستیم، استفاده از کامپیوتر ضروری است. ما در این آموزش از زبان پایتون استفاده می کنیم چرا که همزمان هم برنامه نویسی را ساده کرده و هم بسیار قدرتمند است و به این ترتیب در پایان این آموزش شما هم با بهینه سازی و هم با پیاده سازی آن در پایتون آشنا می شوید که این به شما برای پیاده سازی مسائل بهینه سازی مربوط به خودتان کمک می کند. |
|
آموزش الگوریتم مورچگان در متلب
مدرس: دکتر سید مصطفی کلامی هریس مجموعه فرادرس های الگوریتم مورچگان در متلب عنوان یک مجموعه آموزشی کامل است که شامل تقریبا ۷ ساعت فیلم آموزشی ناب به زبان فارسی است. |
|
آموزش الگوریتم کرم شب تاب یا Firefly Algorithm در متلب
مدرس: دکتر سید مصطفی کلامی هریس در فرادرس جامع الگوریتم کرم شب تاب یا Firefly Algorithm در متلب، پس از مرور مبانی تئوری الگوریتم کرم شب تاب، پیاده سازی عملی این الگوریتم در محیط متلب، برای حل یک مساله بهینه سازی پیوسته مورد بررسی قرار گرفته است. |
|
آموزش الگوریتم بهینه سازی شیرمورچه و پیاده سازی آن در متلب
مدرس: دکتر بهداد آرندیان الگوریتم بهینه ساز شیرمورچه یا مورچه گیر (Antlion Optimizer) که به اختصار ALO نامیده می شود، براساس رفتار شیرمورچه ها در طبیعت، برای اولین بار در سال ۲۰۱۵ ارائه شده است. در این فرادرس ضمن آموزش گام به گام الگوریتم بهینه ساز شیرمورچه (ALO) به معرفی ۲۳ تابع هدف پرداخته شده و در پایان نحوه کدنویسی توابع بهینه ساز و الگوریتم شیرمورچه در نرم افزار متلب (MATLAB) تشریح و نتایج بررسی می گردد. |
|
آموزش شبیه سازی تبرید یا Simulated Annealing در متلب
مدرس: دکتر سید مصطفی کلامی هریس در فرادرس جامع شبیه سازی تبرید یا Simulated Annealing در متلب، پس از مرور مبانی تئوری الگوریتم شبیه سازی تبرید، پیاده سازی عملی این الگوریتم در محیط متلب، برای حل مساله فروشنده دوره گرد مورد بررسی قرار گرفته است. |
|
آموزش بهینه سازی مقید در متلب
مدرس: دکتر سید مصطفی کلامی هریس مسائل بهینه سازی از جمله مواردی است که در زندگی روزمره و همچنین در زمینه های مختلف علمی و مهندسی مطرح می شوند. تقریبا همه مسائل واقعیت و مباحث عملی، به صورت مسائل بهینه سازی مقید می انجامند. با توجه به اهمیت و جایگاه ویژه ای که مسائل بهینه سازی مقید دارند، و نظر به حضور تقریبا همیشگی این نوع از مسائل در زمینه های پژوهشی دانشجویان و پژوهشگران، رویکردهای موجود در میان روش های بهینه سازی تکاملی برای برخورد با مسائل بهینه سازی مقید، در این فرادرس کاملا جامع به حضور مخاطبین گرامی ارائه شده است. |
|
مجموعه آموزش های الگوریتم رقابت استعماری در متلب
مدرس: دکتر سید مصطفی کلامی هریس 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. در این فرادرس، دانشجویان عزیز با مباحث مختلف الگوریتم رقابت استعماری در متلب آشنا می شوند. دروسی که در این آموزش به آن پرداخته می شود، الگوریتم رقابت استعماری، خوشه بندی یا Clustering، درون یابی توابع شعاعی پایه یا RBF با الگوریتم رقابت استعماری و... است. نقطه قوت این آموزش 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. |
|
آموزش الگوریتم بهینه سازی علف هرز مهاجم یا IWO در متلب
مدرس: دکتر سید مصطفی کلامی هریس در این آموزش، همانند سایر آموزش های فرادرس، در ابتدای مبانی تئوری و نظری الگوریتم IWO به صورت کامل تشریح گردیده و سپس به صورت کاملا عملی و گام به گام، در محیط نرم افزار متلب، برنامه نویسی و پیاده سازی شده است. پس از پیاده سازی IWO برای حل یک مساله نمونه نسبتا ساده، از این الگوریتم برای حل مساله بسته بندی یا Bin Packing Problem استفاده شده است. |
|
آموزش الگوریتم تکامل تفاضلی — شامل مباحث تئوری و عملی
مدرس: دکتر سید مصطفی کلامی هریس در این فرادرس دانشجویان عزیز، با مباحث مختلف الگوریتم تکامل تفاضلی آشنا می شوند. دروسی که در این آموزش به آن پرداخته می شود، معرفی الگوریتم تکامل تفاضلی، تفاوت ها و شباهت های الگوریتم تکامل تفاضلی، آموزش پیاده سازی الگوریتم تکامل تفاضلی و... است. توضیح کامل مباحث مربوطه و آموزش توسط یکی از بهترین مدرسین متخصص در این زمینه از نقاط قوت این آموزش به شمار می رود. |
|
آموزش الگوریتم بهینه سازی ملخ (GOA) و پیاده سازی آن در MATLAB
مدرس: مهندس حسن سعادتمند بهینه سازی یکی از مسائل اصلی و حیاتی بشر محسوب می شود و از این رو الگوریتم های گوناگونی با رویکرد فراابتکاری (Metaheuristics) معرفی شده اند. الگوریتم بهینه سازی ملخ یا (Grasshopper Optimization Algorithm (GOA یکی از جدیدترین الگوریتم های فراابتکاری به شمار می رود. در این آموزش به چندین محور از الگوریتم بهینه سازی ملخ (GOA) پرداخته شده است که محور اول آن مفاهیم مهم بهینه سازی و تاریخچه بهینه سازی هوشمند در ۵۰ سال گذشته و در ادامه به دو خاصیت مهم Exploitation به معنی اکتشاف و Exploration به معنی استخراج، در الگوریتم های بهینه سازی هوشمند پرداخته شده است. |
|
آموزش جامع کلونی زنبور مصنوعی یا Artificial Bee Colony در متلب
مدرس: دکتر سید مصطفی کلامی هریس در فرادرس جامع الگوریتم کلونی زنبور مصنوعی یا Artificial Bee Colony در متلب، یکی از نسخه های معروف از دسته الگوریتم های مبتنی بر زنبورهای عسل مورد بررسی قرار گرفته است، که به نام کلونی زنبورهای مصنوعی و یا Artificial Bee Colony (به اختصار ABC) شناخته می شود. |
|
آموزش الگوریتم زنبورها یا Bees Algorithm در متلب
مدرس: دکتر سید مصطفی کلامی هریس در فرادرس جامع الگوریتم زنبورها یا Bees Algorithm در متلب، یکی از نسخه های معروف از دسته الگوریتم های مبتنی بر زنبورهای عسل مورد بررسی قرار گرفته است، که به نام الگوریتم زنبورها (زنبوران) و یا Bees Algorithm (به اختصار BA) شناخته می شود. |
|
آموزش الگوریتم گروه میگوها با پیاده سازی در MATLAB
مدرس: دکتر بهداد آرندیان الگوریتم گروه میگوها (krill herd algorithm) که به اختصار KHA نامیده می شود، براساس رفتار توده وار میگوها در پاسخ به بیولوژی و زیست محیطی خاص برای اولین بار در سال ۲۰۱۲ ارائه گردیده است. روش های بهینه سازی متعددی تاکنون ارائه گردیده است اما بسیاری از آن ها در مواجهه با توابع بهینه سازی چالشی مانند تابع اکلی (Ackley Function) در بهینه های محلی متوقف می شوند، در حالی که الگوریتم گروه میگوها به سادگی از بهینه های محلی اجتناب نموده و به بهینه سراسری همگرا می گردد. در این آموزش، ضمن آموزش گام به گام الگوریتم گروه میگوها (KHA)، تابع هدف اکلی نیز معرفی می گردد و در پایان نحوه کدنویسی آن ها در نرم افزار MATLAB توضیح داده شده و نتایج آن بررسی می شود. |
|
آموزش جستجوی ممنوع یا Tabu Search در متلب
مدرس: دکتر سید مصطفی کلامی هریس در فرادرس جامع جستجوی ممنوع یا Tabu Search در متلب، پس از مرور مبانی تئوری الگوریتم جستجوی ممنوع، پیاده سازی عملی این الگوریتم در محیط متلب، برای حل مساله n وزیر (یا n-Queens Problem) مورد بررسی قرار گرفته است. |
|
آموزش الگوریتم جستجوی هارمونی یا Harmony Search در متلب
مدرس: دکتر سید مصطفی کلامی هریس از مدل سازی و شبیه سازی فرایندی که یک آهنگ ساز برای هارمونیزه کردن یک قطعه موسیقی طی می کند، الگوریتمی استخراج شده است که امروزه آن را به نام جستجوی هارمونی یا Harmony Search (به اختصار HS) می شناسیم. در فرادرس جامع الگوریتم جستجوی هارمونی یا Harmony Search در متلب، مبانی تئوری و نظری مربوط به جستجوی هارمونی و همچنین پیاده سازی عملی آن در محیط متلب به صورت گام به گام مورد بررسی واقع شده است. |
|
آموزش پیاده سازی و برنامه نویسی الگوریتم ازدحام ذرات (PSO) گسسته باینری
مدرس: دکتر اسماعیل آتشپزگرگری این فرادرس به گونه ای تهیه شده است که در کنار ارائه کاربردی و برنامه نویسی عملی الگوریتم گسسته ازدحام ذرات، آن را با زبان ساده برای افراد مبتدی نیز مفید می کند. استفاده از این فرادرس نیاز به داشتن هیچ پیش نیازی ندارد. تنها آشنایی با زبان برنامه نویسی متلب برای درک بخش آموزش برنامه نویسی آن توصیه می شود. |
|
آموزش الگوریتم بهینه سازی جهش قورباغه یا SFLA در متلب
مدرس: دکتر سید مصطفی کلامی هریس در مجموعه فرادرس های آموزش الگوریتم بهینه سازی جهش قورباغه یا SFLA در متلب، در ابتدا مبانی تئوری و نظری الگوریتم SCE و ساختار و نحوه عملکرد آن به صورت کامل تشریح می شود. در ادامه، پیاده سازی عملی و گام به گام این الگوریتم با استفاده از زبان برنامه نویسی متلب (MATLAB) انجام می شود، که بعدها، با تغییر آن، کد مربوط به الگوریتم قورباغه نیز، ایجاد می گردد. در ادامه، مبانی تئوری و نظری الگوریتم جهش قورباغه مخلوط شده یا SFLA با مروری بر مبانی نظری الگوریتم های ممتیک، مورد بحث و بررسی قرار می گیرد. در نهایت، با استفاده از کدی که قبلا برای الگوریتم SCE-UA نوشته شده بود، و با اعمال تغییرات لازم در ساختار برنامه، پیاده سازی عملی الگوریتم جهش قورباغه نیز، انجام می شود. |
|
آموزش الگوریتم چرخه آب برای حل مسائل بهینه سازی
مدرس: دکتر علی سعداله روش های بهینه سازی فراابتکاری دریچه ای نو به سوی حل مسائل مهندسی، کامپیوتر و علوم پایه گشوده است. در محاسبات سنگین تحلیلی در عرصه خودروسازی و هوافضا، الگوریتم های بهینه سازی هوشمند، نقش بسزایی در بهینه کردن پارامترهای ساخت و طراحی ایفا می کنند. آشنایی با روش های بهینه سازی، ابزاری مهم و حیاتی در اختیار طراحان، مهندسان و سازندگان قرار می دهد تا با استفاده از قابلیت جستجو موثر و توانمندی بالای این روش ها به دنبال جواب بهینه مورد نظر باشند. از طرفی طیف وسیعی از این الگوریتم ها امکان مقایسه عملکرد و سنجش این الگوریتم ها را فراهم می کند. |
|
آموزش بهینه سازی مبتنی بر جغرافیای زیستی یا BBO در متلب
مدرس: دکتر سید مصطفی کلامی هریس در فرادرس جامع بهینه سازی مبتنی بر جغرافیای زیستی یا BBO در متلب، پس از مرور مبانی تئوری الگوریتم BBO، پیاده سازی عملی این الگوریتم در محیط متلب، برای حل یک مساله بهینه سازی پیوسته مورد بررسی قرار گرفته است. |
|
آموزش الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری یا TLBO
مدرس: دکتر سید مصطفی کلامی هریس الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری یا Teaching-Learning-Based Optimization (به اختصار TLBO)، یکی از جدیدترین الگوریتم های بهینه سازی هوشمند است که در سال ۲۰۱۱ و با الهام گرفتن از فرایند یادگیری و آموزش، ابداع شده است. یکی از مهم ترین ویژگی های این الگوریتم، عدم وابستگی به پارامترهاست. چرا که این الگوریتم، کمترین تعداد پارامتر ممکن را دارد و از این نظر، می تواند یک امتیاز ویژه را داشته باشد. |
|
آموزش پیاده سازی الگوریتم های تکاملی و فراابتکاری در سی شارپ
مدرس: دکتر سید مصطفی کلامی هریس الگوریتم های تکاملی و فرا ابتکاری (متاهیوریستیک ها) از جمله ابزارهای بسیار قدرتمند هوش مصنوعی، برای حل مسائل بهینه سازی از طریق روش های هوشمند محسوب می شوند. در واقع روش های جستجو هستند که در فضای همه پاسخ های ممکن، برای یک مساله بهینه سازی جستجو می کنند و بهترین پاسخ (یا پاسخ ها) را پیشنهاد می دهند. امروزه در شاخه های مختلفی از علوم و مهندس، کاربردهای فراوانی را به خود اختصاص داده اند. هدف این فرادرس، مورد بررسی قرار دادن موضوع محاسبات تکاملی و بیان مثال از نحوه کاربرد شی شارپ در محاسبات علمی و آکادمیک است. |
|
آموزش الگوریتم فرهنگی یا Cultural Algorithm در متلب
مدرس: دکتر سید مصطفی کلامی هریس الگوریتم های فرهنگی یا Cultural Algorithms (به اختصار CA)، همسان فرهنگی-اجتماعی الگوریتم های ژنتیک هستند، و به جای تکامل زیستی، تکامل فرهنگی-اجتماعی را به عنوان جان مایه بهینه سازی در نظر گرفته شده است. فرادرس جامع الگوریتم فرهنگی یا Cultural Algorithm در متلب، به آموزش گام به گام و عملی، مباحث مربوط به این الگوریتم پرداخته است و تصویری جامع از مبانی تئوری و روش های پیاده سازی عملی را به مخاطب ارائه می نماید. |
موضوعات آموزشی مرتبط
به همراه دهها آموزش دیگر مرتبط با مجموعه آموزش الگوریتم های بهینه سازی هوشمند
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
