بهینهسازی با استفاده از الگوریتمهای ژنتیک: برنامهنویسی MATLAB
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- پیادهسازی الگوریتم ژنتیک در MATLAB
- تحلیل عملکرد الگوریتم ژنتیک
- اصلاح یا بهبود الگوریتم ژنتیک
- تعریف توابع هدف
- تعریف قیود
- برداریسازی توابع هدف و قیود
- بهدست آوردن بهینههای محلی و سراسری
پیشنیازهای دوره
- نصب MATLAB روی لپتاپ یا رایانه رومیزی
توضیحات دوره
در 30 سال گذشته، علاقه به حوزهای با نام الگوریتمهای ژنتیک بهسرعت افزایش یافته است. آیا تاکنون به این فکر کردهاید که چگونه برخی نظریهها الهامبخش اختراعات و فناوریهای مهم میشوند؟ الگوریتمهای ژنتیک نیز از همین دسته هستند. بسیاری از ما با دیدگاه مشهور چارلز داروین، «بقای اصلح»، آشنا هستیم که به مفهوم تکامل از طریق انتخاب طبیعی اشاره دارد. الگوریتم ژنتیک که از نظریه داروین الهام گرفته شده است، بخشی از الگوریتمهای تکاملی محسوب میشود و بهطور ویژه برای تولید راهحلهای باکیفیت در مسائل بهینهسازی و جستوجو از عملگرهای الهامگرفته از زیستشناسی مانند جهش، ترکیب و انتخاب استفاده میکند. الگوریتم ژنتیک را میتوان بهسادگی در حوزههایی مانند شامل یادگیری ماشین، علم داده، شبکههای عصبی و یادگیری عمیق به کار گرفت.
این دوره به شما آموزش می دهد چگونه بهینهسازی مبتنی بر الگوریتم ژنتیک را در محیط MATLAB پیادهسازی کنید. تمرکز اصلی دوره بر استفاده از Global Optimization Toolbox است. در طول دوره، انواع مختلفی از مسائل بهینهسازی حل و بررسی میشوند. در پایان این دوره، قادر خواهید بود الگوریتمهای ژنتیک را برای حل مسائل بهینهسازی خود پیادهسازی و استفاده کنید. همچنین تمامی برنامههای کامل MATLAB ارائهشده در کلاس برای دانلود در دسترس هستند. این دوره به سادهترین و مستقیمترین شکل ممکن طراحی شده است تا بتوانید از زمان خود به بهترین شکل استفاده کنید. از یادگیری و درک این حوزه روبهرشد از محاسبات تکاملی بهرهمند شوید.
یادگیری موفقی داشته باشید.
این دوره برای چه کسانی مناسب است؟
- تمام افرادی که به حل مسائل بهینهسازی علاقهمند هستند.
- پژوهشگرانی که قصد انتشار مقالات ISI در این حوزه را دارند.
- دانشجویانی که روی مسائل بهینهسازی کار میکنند.
بهینهسازی با استفاده از الگوریتمهای ژنتیک: برنامهنویسی MATLAB
-
به دوره خوش آمدید 01:07
-
بهینههای محلی در برابر بهینههای سراسری 01:20
-
یک راهحل محلی، چندین راهحل محلی و یک راهحل سراسری 02:12
-
تابع هدف چیست؟ 00:57
-
اسکریپت MATLAB برای تابع هدف تکهدفه 02:29
-
اسکریپت MATLAB برای فراخوانی تابع برداریشده 02:21
-
ارسال پارامترهای اضافی، متغیرهای ثابت یا دادهها در توابع هدف 02:09
-
الگوریتم ژنتیک چیست؟ 00:45
-
توابع برازندگی و هدف، افراد، ژنوم و امتیاز 01:31
-
جمعیتها و نسلها 01:11
-
تنوع 00:53
-
مقادیر برازندگی، بهترین مقادیر برازندگی، والدین و فرزندان 00:47
-
الگوریتم ژنتیک چگونه کار میکند؟ 04:49
-
کمینهسازی تابع بدون قید 05:23
-
کمینهسازی یک تابع با قیود نابرابری خطی 02:59
-
کمینهسازی یک تابع ناصاف با قیود تساوی و نابرابری خطی 04:10
-
بهینهسازی با قیود خطی و کرانها 03:06
-
بهینهسازی با قیود غیرخطی 03:04
-
کمینهسازی یک تابع غیرخطی با قیود اعداد صحیح 03:08
-
بهدست آوردن پاسخ و مقدار تابع 02:19
-
بهینههای سراسری با استفاده از ga 07:23
-
تابع برازندگی برداریشده 01:26
-
بیشینهسازی یک تابع هدف 01:12
-
آزمون الگوریتم ژنتیک در MATLAB None
مشخصات آموزش
بهینهسازی با استفاده از الگوریتمهای ژنتیک: برنامهنویسی MATLAB
- تاریخ به روز رسانی: 1405/04/02
- سطح دوره:Alls
- تعداد درس:24
- مدت زمان :56:41
- حجم :253.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy