بهینه‌سازی چند هدفه

بهینه سازی چند منظوره که در زندگی روزمره و در زمینه های مختلف علمی و مهندسی مطرح می شود؛ بخشی از ضوابط چندگانه تصمیم گیری است که به مسائل بهینه سازی ریاضیاتی می پردازد.
این مبحث در علوم و نرم افزارهای مختلف با شیوه ها و الگوریتم های متفاوتی مانند هوش مصنوعی، الگوریتم PSO و … به کار برده می شود.

۲۸,۶۲۱ دانشجو ثبت نام کننده
۱۱٫۵ میلیون دقیقه یادگیری و مطالعه توسط دانشجویان
۱۰,۰۵۸ دقیقه مدت زمان آموز‌ش‌های این صفحه
۴۷ عنوان آموزشی تعداد آموز‌ش‌های این صفحه
۱
مجموعه آموزش های بهینه سازی چند هدفه در متلب

مجموعه آموزش های بهینه سازی چند هدفه در متلب

مدرس: دکتر سیدمصطفی 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 ...

۲
الگوریتم PSO

مجموعه آموزش های الگوریتم PSO — شامل مباحث تئوری و عملی

مدرس: دکتر سیدمصطفی 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 مسأله می پردازند. هدف این فرادرس آشنایی دانشجویان عزیز، با مباحث مختلف الگوریتم PSO شامل مباحث تئوری و عملی است.

یادگیری را شروع کنید ...

۳
آموزش بهینه سازی محدب (Convex Optimization) به همراه شبیه سازی در متلب (MATLAB)

آموزش بهینه سازی محدب (Convex Optimization) به همراه شبیه سازی در متلب (MATLAB)

مدرس: مهندس علیرضا علما

در این فرادرس سعی شده است پس از معرفی مبانی و مفاهیم اساسی بهینه سازی ریاضی غیرخطی، مباحث مربوط به بهینه سازی محدب، به دقت مورد بررسی قرار گیرد. این نوع مسائل، در رشته های فنی مهندسی، مانند: رشته برق گرایش کنترل و کاربرد آن ها در کنترل کننده پیش بین مدل، اهمیت زیادی دارند. در آخر نیز، به طور خلاصه به بررسی و آموزش الگوریتم های عددی پرکاربرد، در حل مسائل بهینه سازی محدب، پرداخته می شود.

یادگیری را شروع کنید ...

۴
آموزش مقدماتی پیاده سازی مسائل بهینه سازی در پایتون (Python)

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.

یادگیری را شروع کنید ...

۵
آموزش خوشه بندی با استفاده از الگوریتم های تکاملی و فراابتکاری

آموزش خوشه بندی با استفاده از الگوریتم های تکاملی و فراابتکاری

مدرس: دکتر سیدمصطفی کلامی هریس

در فیلم آموزشی خوشه بندی با استفاده از الگوریتم های تکاملی و فراابتکاری، ابتدا مسأله خوشه بندی به صورت عادی و سپس مسأله خوشه بندی خودکار، به صورت مسائل بهینه سازی بیان شده اند و توسط چندین الگوریتم تکاملی و فراابتکاری، به صورت گام به گام و در محیط نرم افزار متلب، حل و بررسی شده اند. برای تبدیل مسأله خوشه بندی به مسأله بهینه سازی، ما نیازمند شاخص هایی هستیم که به این منظور، در این فرادرس ، از چندین شاخص معروف در حوزه داده کاوی تکاملی، استفاده شده است.

یادگیری را شروع کنید ...

۶
طراحی سیستم های فازی عصبی یا ANFIS با استفاده از الگوریتم های فرا ابتکاری و تکاملی

آموزش طراحی سیستم های فازی عصبی یا ANFIS با استفاده از الگوریتم های فرا ابتکاری و تکاملی

مدرس: دکتر سیدمصطفی کلامی هریس

طراحی و آموزشی سیستم های استنتاج فازی (FIS) و سیستم های تطبیقی استنتاج عصبی فازی (انفیس یا ANFIS) معمولا با استفاده از رویکردهای کلاسیک، نظیر گرادیان نزولی (Gradient Descend) و پس انتشار (Back-Propagation) انجام می شود. اما در این آموزش، کاربرد الگوریتم های تکاملی و فرا ابتکاری در طراحی بهینه سیستم های فازی نوع تاکاگی-سوگنو-کانگ (TSK) مورد بحث واقع شده است.

یادگیری را شروع کنید ...

۷
آموزش تحلیل پوششی داده ها یا DEA به همراه پیاده سازی عملی در متلب

آموزش تحلیل پوششی داده ها یا DEA به همراه پیاده سازی عملی در متلب

مدرس: دکتر سیدمصطفی کلامی هریس

در مجموعه آموزش عملی تحلیل پوششی داده ها یا DEA، پس از مرور کامل و تشریح مبانی تئوری رویکردهای DEA، پیاده سازی عملی این روش ها در محیط متلب مورد بحث و بررسی قرار گرفته است و برنامه های مربوط به چهار رویکرد مورد بررسی، به صورت کاملا گام به گام در محیط متلب پیاده سازی شده اند. در لابلای مباحث مطرح شده نیز، از نرم افزار اکسل برای مصور سازی و ملموس کردن مباحث و مثال های عملی استفاده شده است.

یادگیری را شروع کنید ...

۸
مجموعه آموزش های الگوریتم مورچگان در متلب

مجموعه آموزش های الگوریتم مورچگان در متلب

مدرس: دکتر سیدمصطفی 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. 

یادگیری را شروع کنید ...

۹
آموزش پیاده سازی ترکیب الگوریتم ژنتیک و PSO در متلب

آموزش پیاده سازی ترکیب الگوریتم ژنتیک و PSO در متلب

مدرس: دکتر سیدمصطفی 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 ...

۱۰
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 ...

۱۱
انتخاب ویژگی با استفاده از الگوریتم های فرا ابتکاری و تکاملی

آموزش انتخاب ویژگی با استفاده از الگوریتم های فراابتکاری و تکاملی

مدرس: دکتر سیدمصطفی کلامی هریس

در این فرادرس، سعی شده است با نگرشی جامع، رویکردهای تکاملی و فرا ابتکاری برای حل مسأله 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 ...

۱۲
آموزش بهینه سازی سبد سهام با استفاده از روش های بهینه سازی کلاسیک و هوشمند

آموزش بهینه سازی سبد سهام با استفاده از روش های بهینه سازی کلاسیک و هوشمند

مدرس: دکتر سیدمصطفی 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 مسأله 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 .

یادگیری را شروع کنید ...

۱۳
آموزش شبیه سازی تبرید یا Simulated Annealing در متلب

آموزش شبیه سازی تبرید یا Simulated Annealing در متلب

مدرس: دکتر سیدمصطفی 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 مسأله فروشنده دوره گرد مورد بررسی قرار گرفته است.

یادگیری را شروع کنید ...

۱۴
آموزش نرم افزار بهینه سازی لینگو (LINGO)

آموزش نرم افزار بهینه سازی لینگو (LINGO)

مدرس: مهندس وحید باباویسی

بسیاری از مدل های ریاضی با تعدادی پایینی متغیر به راحتی قابل حل هستند. با زیاد شدن تعداد متغیرها (افزایش بعد مسئله) زمان حل به صورت نمایی افزایش می یابد. امروزه بسیاری از مدل های بهینه سازی تحقیق در عملیات، اعم از مدل های خطی، غیر خطی و یا عدد صحیح به مدد نرم افزارهای کامپیوتری به سادگی قابل تجزیه و تحلیل می باشند. در این میان می توان از نرم افزار LINGO نام برد. نرم افزار لینگو (LINGO) یک نرم افزار بهینه سازی با استفاده از مدل ریاضی می باشد.

یادگیری را شروع کنید ...

۱۵
آموزش جامع کلونی زنبور مصنوعی یا Artificial Bee Colony در متلب

آموزش جامع کلونی زنبور مصنوعی یا Artificial Bee Colony در متلب

مدرس: دکتر سیدمصطفی 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.

یادگیری را شروع کنید ...

۱۶
آموزش پیاده سازی الگوریتم های تکاملی و فراابتکاری در سی شارپ

آموزش پیاده سازی الگوریتم های تکاملی و فراابتکاری در سی شارپ

مدرس: دکتر سیدمصطفی 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 مسئله 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.

یادگیری را شروع کنید ...

۱۷
آموزش الگوریتم کرم شب تاب یا Firefly Algorithm در متلب

آموزش الگوریتم کرم شب تاب یا Firefly Algorithm در متلب

مدرس: دکتر سیدمصطفی 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 مسأله بهینه سازی پیوسته مورد بررسی قرار گرفته است.

یادگیری را شروع کنید ...

۱۸
آموزش الگوریتم تکامل تفاضلی — شامل مباحث تئوری و عملی

آموزش الگوریتم تکامل تفاضلی — شامل مباحث تئوری و عملی

مدرس: دکتر سیدمصطفی کلامی هریس

در این فرادرس، دانشجویان عزیز، با مباحث مختلف الگوریتم تکامل تفاضلی آشنا می شوند. سرفصل هایی 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 ... می باشد.توضیح کامل مباحث مربوطه و آموزش توسط یکی از بهترین مدرسین متخصص در این زمینه از نقاط قوت این آموزش به شمار می رود.

یادگیری را شروع کنید ...

۱۹
مجموعه آموزش های الگوریتم رقابت استعماری در متلب

مجموعه آموزش های الگوریتم رقابت استعماری در متلب

مدرس: دکتر سیدمصطفی 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 فرآیند سیاسی استعمار است. در این فرادرس، دانشجویان عزیز، با مباحث مختلف الگوریتم رقابت استعماری در متلب آشنا می شوند. سرفصل هایی که در این آموزش به آن پرداخته می شود، الگوریتم رقابت استعماری، خوشه بندی یا Clustering، درونیابی توابع شعاعی پایه یا RBF با الگوریتم رقابت استعماری و ... می باشد. 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.

یادگیری را شروع کنید ...

۲۰
آموزش طراحی کنترل مقاوم H∞/H2 با استفاده از الگوریتم های تکاملی و فراابتکاری

آموزش طراحی کنترل مقاوم H∞/H2 با استفاده از الگوریتم های تکاملی و فراابتکاری

مدرس: دکتر سیدمصطفی کلامی هریس

در این مجموعه آموزشی، پس از بررسی مدل ریاضی مدل دینامیکی سیستم تعلیق فعال خودرو، مسأله کنترل مقاوم مربوط به طراحی کنترل کننده مناسب برای این سیستم بررسی شده و توسط دو الگوریتم بهینه سازی، به صورت عملی و گام به گام، در محیط نرم افزار متلب حل و بررسی شده است. مثال عملی مورد استفاده در این مجموعه آموزشی، طراحی یک سیستم تعلیق فعال خودرو یا Active Car Suspension System است، که موضوع این طراحی، به صورت یک مسأله کنترل مقاوم بیان و با استفاده از الگوریتم ژنتیک و بهینه سازی ازدحام ذرات (PSO) حل شده است. سیستم تعلیق خودرو، یکی از بخش های مهم خودروهای امروزی است که در طراحی آن، غالبا سه هدف اصلی مد نظر است، که این اهداف با بررسی مدل ریاضی سیستم، می توانند به صورت اهداف یک مسأله کنترل مقاوم در نظر گرفته شوند و توسط یک کنترل کننده مقاوم، تامین شوند.

یادگیری را شروع کنید ...

۲۱
مجموعه آموزش های بهینه سازی مقید در متلب

مجموعه آموزش های بهینه سازی مقید در متلب

مدرس: دکتر سیدمصطفی 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.

یادگیری را شروع کنید ...

۲۲
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 می باشد. 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 ...

۲۳
آموزش حل مسأله فروشنده دوره گرد با استفاده از الگوریتم ژنتیک

آموزش حل مسأله فروشنده دوره گرد با استفاده از الگوریتم ژنتیک

مدرس: دکتر سیدمصطفی کلامی هریس

مسئله 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 عملگر های 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 عملگر های گسسته و پیوسته برای حل مساله فروشنده دوره گرد است.

یادگیری را شروع کنید ...

۲۴
آموزش الگوریتم D-Optimal برای طراحی، آنالیز و بهینه سازی آزمایش ها

آموزش الگوریتم D-Optimal برای طراحی، آنالیز و بهینه سازی آزمایش ها

مدرس: مهندس حسین خاکپور

در این دوره آموزشی، طراحی آزمایش ها با روش طراحی D-Optimal برای بررسی پارامترهای فرایندی و تهیه فرمولاسیون مواد مرکب و هم چنین طراحی ترکیبی از این دو الگو همراه با مثال های متنوع، آموزش داده می شود. این آموزش به گونه ای توسعه یافته است که بتوان تمام سامانه های مختلف را به راحتی و بدون نیاز به پشتوانه ریاضی و آمار قوی، طراحی، آنالیز و در گام آخر بهینه کرد.

یادگیری را شروع کنید ...

۲۵
آموزش جستجوی ممنوع یا Tabu Search در متلب

آموزش جستجوی ممنوع یا Tabu Search در متلب

مدرس: دکتر سیدمصطفی 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 مسأله n وزیر (یا n-Queens Problem) مورد بررسی قرار گرفته است.

یادگیری را شروع کنید ...

۲۶
آموزش الگوریتم جستجوی هارمونی یا Harmony Search در متلب

آموزش الگوریتم جستجوی هارمونی یا Harmony Search در متلب

مدرس: دکتر سیدمصطفی 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.

یادگیری را شروع کنید ...

۲۷
آموزش الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری یا TLBO

آموزش الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری یا TLBO

مدرس: دکتر سیدمصطفی 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.

یادگیری را شروع کنید ...

۲۸
آموزش طراحی فیدبک حالت بهینه برای سیستم های غیر خطی با الگوریتم های تکاملی

آموزش طراحی فیدبک حالت بهینه برای سیستم های غیر خطی با الگوریتم های تکاملی

مدرس: دکتر سیدمصطفی کلامی هریس

در مجموعه آموزشی طراحی فیدبک حالت بهینه برای سیستم های غیر خطی با الگوریتم های تکاملی با استفاده از الگوریتم های تکاملی و امکانات موجود در نرم افزار متلب، چارچوبی کلی پیاده سازی شده است که می تواند مسأله طراحی کنترل کننده فیدبک حالت بهینه را برای سیستم های خطی و غیر خطی، مستقل از مدل سیستم، حل نماید.

یادگیری را شروع کنید ...

۲۹
آموزش الگوریتم زنبورها یا Bees Algorithm در متلب

آموزش الگوریتم زنبورها یا Bees Algorithm در متلب

مدرس: دکتر سیدمصطفی 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.

یادگیری را شروع کنید ...

۳۰
آموزش الگوریتم بهینه سازی علف هرز مهاجم یا IWO در متلب

آموزش الگوریتم بهینه سازی علف هرز مهاجم یا IWO در متلب

مدرس: دکتر سیدمصطفی 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 مسأله نمونه نسبتا ساده، از این الگوریتم برای حل مسأله بسته بندی یا Bin Packing Problem استفاده شده است.

یادگیری را شروع کنید ...

۳۱
آموزش پیاده سازی و برنامه نویسی الگوریتم ازدحام ذرات (PSO) گسسته باینری

آموزش پیاده سازی و برنامه نویسی الگوریتم ازدحام ذرات (PSO) گسسته باینری

مدرس: دکتر اسماعیل آتشپز گرگری

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.

یادگیری را شروع کنید ...

۳۲
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 سیدمصطفی 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 ...

۳۳
بهینه سازی مبتنی بر جغرافیای زیستی یا BBO در متلب

آموزش بهینه سازی مبتنی بر جغرافیای زیستی یا BBO در متلب

مدرس: دکتر سیدمصطفی 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 مسأله بهینه سازی پیوسته مورد بررسی قرار گرفته است.

یادگیری را شروع کنید ...

۳۴
آموزش عملی برنامه ریزی خطی Simplex در متلب — به همراه حل مسئله حمل و نقل

آموزش عملی برنامه ریزی خطی Simplex در متلب — به همراه حل مسئله حمل و نقل

مدرس: دکتر سیدمصطفی کلامی هریس

در این فرادرس، روش حل مسائل برنامه ریزی خطی با استفاده از متلب آموزش داده می شود. روش هایی برای آماده سازی اطلاعات لازم برای اجرای برنامه، به صورت مکانیزه، مورد بحث و بررسی قرار گرفته اند. همچنین به عنوان یک مثال کاربردی، مسأله حمل و نقل نیز با استفاده از رویکرد ارائه شده، حل شده است. در پایان نیز، مروری بر سایر توابع و روش های بهینه سازی تولباکس بهینه سازی انجام شده است.

یادگیری را شروع کنید ...

۳۵
آموزش الگوریتم بهینه سازی جهش قورباغه یا SFLA در متلب

آموزش الگوریتم بهینه سازی جهش قورباغه یا SFLA در متلب

مدرس: دکتر سیدمصطفی 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.

یادگیری را شروع کنید ...

۳۶
آموزش الگوریتم چرخه آب برای حل مسائل بهینه سازی

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.

یادگیری را شروع کنید ...

۳۷
الگوریتم فرهنگی یا Cultural Algorithm در متلب

آموزش الگوریتم فرهنگی یا Cultural Algorithm در متلب

مدرس: دکتر سیدمصطفی 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. در 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.

یادگیری را شروع کنید ...

۳۸
آموزش حل مسائل گسسته با استفاده از الگوریتم PSO

آموزش حل مسائل گسسته با استفاده از الگوریتم PSO - (رایگان)

مدرس: دکتر سیدمصطفی کلامی هریس

در این فرادرس، 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 (DE) و الگوریتم رقابت استعماری (ICA) مورد استفاده قرار داد.

یادگیری را شروع کنید ...

۳۹
آموزش آشنایی مقدماتی با نرم افزار لینگو (LINGO)

آموزش آشنایی مقدماتی با نرم افزار لینگو (LINGO) (رایگان)

مدرس: مهندس وحید باباویسی

بسیاری از مدل های ریاضی با تعدادی پایینی متغیر به راحتی قابل حل هستند. با زیاد شدن تعداد متغیرها (افزایش بعد مسئله) زمان حل به صورت نمایی افزایش می یابد. امروزه بسیاری از مدل های بهینه سازی تحقیق در عملیات، اعم از مدل های خطی، غیر خطی و یا عدد صحیح به مدد نرم افزارهای کامپیوتری به سادگی قابل تجزیه و تحلیل می باشند. در این آموزش رایگان می خواهیم با ملزومات نصب و اصطلاح ها و مقدمه نرم افزار لینگو (LINGO) آشنا شویم.

یادگیری را شروع کنید ...

۴۰
آموزش خطایابی در لینگو (LINGO)

آموزش خطایابی در لینگو (LINGO) (رایگان)

مدرس: مهندس وحید باباویسی

بسیاری از مدل های ریاضی با تعدادی پایینی متغیر به راحتی قابل حل هستند. با زیاد شدن تعداد متغیرها (افزایش بعد مسئله) زمان حل به صورت نمایی افزایش می یابد. امروزه بسیاری از مدل های بهینه سازی تحقیق در عملیات، اعم از مدل های خطی، غیر خطی و یا عدد صحیح به مدد نرم افزارهای کامپیوتری به سادگی قابل تجزیه و تحلیل می باشند. در این آموزش رایگان می خواهیم با خطایابی در نرم افزار لینگو (LINGO) آشنا شویم.

یادگیری را شروع کنید ...

۴۱
آموزش اتصال برنامه SA به برنامه تحت ویندوز قبلی در سی شارپ

آموزش اتصال برنامه SA به برنامه تحت ویندوز قبلی در سی شارپ (رایگان)

مدرس: دکتر سیدمصطفی کلامی هریس

از طریق پیاده سازی الگوریتم های فرا ابتکاری در سی شارپ، سرعت اجرای آن ها در مقایسه با متلب، به مراتب افزایش خواهد یافت و این امکان وجود خواهد داشت که نرم افزار نهایی، به صورت یک برنامه مستقل و به راحتی در همه سیستم های ویندوزی (و حتی ادوات موبایل و برخی سیستم های غیر ویندوزی) اجرا شود. در این دوره آموزشی منحصر به فرد، علاوه بر این که موضوع محاسبات تکاملی مورد بررسی قرار می گیرد، مثال های کاملی از نحوه کاربرد سی شارپ در محاسبات علمی و آکادمیک نیز، به صورت ضمنی ارائه می شوند. ما در این آموزش قصد داریم تا مبحث اتصال برنامه SA به برنامه تحت ویندوز قبلی در سی شارپ را مورد بحث و بررسی قرار دهیم.

یادگیری را شروع کنید ...

۴۲
آموزش پیاده سازی الگوریتم PSO در سی شارپ - تعریف مسأله و آماده سازی

آموزش پیاده سازی الگوریتم PSO در سی شارپ - تعریف مسأله و آماده سازی (رایگان)

مدرس: دکتر سیدمصطفی کلامی هریس

الگوریتم های تکاملی و فراابتکاری (متاهیوریستیک ها) از جمله ابزارهای بسیار قدرتمند هوش مصنوعی، برای حل مسائل بهینه سازی از طریق روش های هوشمند هستند و امروزه در شاخه های مختلفی از علوم و مهندس، کاربردهای فراوانی را به خود اختصاص داده اند. این الگوریتم ها، که اغلب از فرایندهای طبیعی الهام گرفته شده اند، در واقع روش های جستجو هستند که در فضای همه پاسخ های ممکن برای یک مسئله بهینه سازی جستجو می کنند و بهترین پاسخ (یا پاسخ ها) را پیشنهاد می دهند.

یادگیری را شروع کنید ...

۴۳
آموزش پیاده سازی الگوریتم PSO در سی شارپ - حلقه اصلی الگوریتم

آموزش پیاده سازی الگوریتم PSO در سی شارپ - حلقه اصلی الگوریتم (رایگان)

مدرس: دکتر سیدمصطفی کلامی هریس

الگوریتم های تکاملی و فراابتکاری (متاهیوریستیک ها) از جمله ابزارهای بسیار قدرتمند هوش مصنوعی، برای حل مسائل بهینه سازی از طریق روش های هوشمند هستند و امروزه در شاخه های مختلفی از علوم و مهندس، کاربردهای فراوانی را به خود اختصاص داده اند. این الگوریتم ها، که اغلب از فرایندهای طبیعی الهام گرفته شده اند، در واقع روش های جستجو هستند که در فضای همه پاسخ های ممکن برای یک مسئله بهینه سازی جستجو می کنند و بهترین پاسخ (یا پاسخ ها) را پیشنهاد می دهند.

یادگیری را شروع کنید ...

۴۴
آموزش مرور مبانی تئوری الگوریتم بهینه سازی ازدحام ذرات یا PSO

آموزش مرور مبانی تئوری الگوریتم بهینه سازی ازدحام ذرات یا PSO (رایگان)

مدرس: دکتر سیدمصطفی کلامی هریس

الگوریتم های تکاملی و فراابتکاری (متاهیوریستیک ها) از جمله ابزارهای بسیار قدرتمند هوش مصنوعی، برای حل مسائل بهینه سازی از طریق روش های هوشمند هستند و امروزه در شاخه های مختلفی از علوم و مهندس، کاربردهای فراوانی را به خود اختصاص داده اند. این الگوریتم ها، که اغلب از فرایندهای طبیعی الهام گرفته شده اند، در واقع روش های جستجو هستند که در فضای همه پاسخ های ممکن برای یک مسئله بهینه سازی جستجو می کنند و بهترین پاسخ (یا پاسخ ها) را پیشنهاد می دهند.

یادگیری را شروع کنید ...

۴۵
آموزش مرور مبانی تئوری الگوریتم شبیه سازی تبرید و پیاده سازی آن

آموزش مرور مبانی تئوری الگوریتم شبیه سازی تبرید و پیاده سازی آن (رایگان)

مدرس: دکتر سیدمصطفی کلامی هریس

الگوریتم های تکاملی و فراابتکاری (متاهیوریستیک ها) از جمله ابزارهای بسیار قدرتمند هوش مصنوعی، برای حل مسائل بهینه سازی از طریق روش های هوشمند هستند و امروزه در شاخه های مختلفی از علوم و مهندس، کاربردهای فراوانی را به خود اختصاص داده اند. این الگوریتم ها، که اغلب از فرایندهای طبیعی الهام گرفته شده اند، در واقع روش های جستجو هستند که در فضای همه پاسخ های ممکن برای یک مسئله بهینه سازی جستجو می کنند و بهترین پاسخ (یا پاسخ ها) را پیشنهاد می دهند.

یادگیری را شروع کنید ...

۴۶
آموزش حل مسأله تخصیص منابع یا Resource Allocation

آموزش حل مسأله تخصیص منابع یا Resource Allocation - (رایگان)

مدرس: دکتر سیدمصطفی کلامی هریس

در این فرادرس، دانشجویان عزیز، با مباحث مختلف حل مسأله تخصیص منابع آشنا می شوند. در این فرادرس با استفاده از رویکردهای قابل قبول نگه داشتن پاسخ ها، و رویکردهایی که در فرادرس رویکردهای مبتنی بر قابل قبول نگه داشتن جواب ها برای بهینه سازی مقید (با کد MVRCO9202D) ارائه شده اند، مسأله تخصیص منابع مورد بررسی و حل واقع شده 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.

یادگیری را شروع کنید ...

۴۷
آموزش آشنایی با طراحی آزمایش ها و معرفی طراحی D-Optimal

آموزش آشنایی با طراحی آزمایش ها و طراحی D-Optimal (رایگان)

مدرس: مهندس حسین خاکپور

در این دوره آموزشی، طراحی آزمایش ها با روش طراحی D-Optimal برای بررسی پارامترهای فرایندی و تهیه فرمولاسیون مواد مرکب و هم چنین طراحی ترکیبی از این دو الگو همراه با مثال های متنوع، آموزش داده می شود. این آموزش به گونه ای توسعه یافته است که بتوان تمام سامانه های مختلف را به راحتی و بدون نیاز به پشتوانه ریاضی و آمار قوی، طراحی، آنالیز و در گام آخر بهینه کرد.

یادگیری را شروع کنید ...

موضوعات آموزشی مرتبط





به همراه دهها آموزش دیگر مرتبط با بهینه‌سازی چند هدفه

برای مشاهده آموزش های مرتبط دیگر، در میان نزدیک به ۸ 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