"بهینه سازی چند هدفه در متلب- درس سوم: الگوریتم PSO چند هدفه یا MOPSO در متلب (الف)"

توضیحات:

برای کسب اطلاعات بیشتر، به این لینک مراجعه نمایید:
http://www.faradars.org/mvrmo9012de#

الگوریتم بهینه سازی ازدحام ذرات یا Particle Swarm Optimizatoion (به اختصار PSO) یکی از مهم ترین الگوریتم های بهینه سازی هوشمند است که در حوزه هوش ازدحامی (Swarm Intelligence) جای می گیرد. این الگوریتم، توسط جیمز کندی و راسل سی ابرهارت در سال ۱۹۹۵ معرفی گردید، و با الهام از رفتار اجتماعی حیواناتی چون ماهی ها و پرندگان که در گروه هایی کوچک و بزرگ کنار هم زندگی می کنند، طراحی شده است. 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.

با توجه به موفقیت های کم نظیر الگوریتم PSO در حل مسائل بهینه سازی تک هدفه، دانشمندان و محققین بسیاری، سعی در استفاده از این الگوریتم برای حل مسائل چند هدفه داشته اند و تا کنون نسخه های متعددی از الگوریتم PSO برای حل مسائل چند هدفه ارائه شده است. یکی از معروف ترین الگوریتم هایی که در این راستا معرفی شده است، کاری است که توسط پرفسور کوئلو کوئلو (Coello Coello) و همکارانش معرفی شده است. نامی که آن ها برای الگوریتم شان انتخاب کرده اند MOPSO است، که اغلب این اسم انحصارا برای این الگوریتم به کار برده می شود. این الگوریتم در سال ۲۰۰۴ و در مقاله ای که در مجله محاسبات تکاملی IEEE (با نام کامل IEEE Transactions on Evolutionary Computation) چاپ شده است، معرفی گردید.

سرفصل های مورد بحث در این فیلم آموزشی عبارتند از:
مروری بر مبانی بهینه سازی چند هدفه با الگوریتم های تکاملی
مرور مختصری بر تئوری الگوریتم بهینه سازی ازدحام ذرات یا PSO
ایجاد تغییرات لازم در الگوریتم PSO برای تبدیل آن به نسخه چند هدفه
معرفی مفهوم مخزن یا بایگانی پاسخ های نا مغلوب
معرفی ساختار جدولی مورد استفاده در MOPSO
مفهوم انتخاب مبتنی بر ناحیه به جای انتخاب مبتنی بر فرد
شیوه انتخاب الگو یا Leader در الگوریتم MOPSO
شیوه کنترل اندازه آرشیو
چگونگی شکل دهی توزیع های احتمالی به نحوی که تنوع پاسخ ها حفظ شود
انتخاب چرخه رولت یا Roulette Wheel Selection و استفاده از آن در MOPSO
بیان شباهت های موجود میان الگوریتم PESA-II و MOPSO
پیاده سازی یک مثال نمونه از توابع استاندارد چند هدفه
پیاده سازی بخش های مختلف الگوریتم MOPSO در متلب
جمع بندی و نتیجه گیری های نهایی


مدرس: سید مصطفی کلامی هریس

کلمات کلیدی:
MOPSO, Multicriteria Optimization, Multiobjective Optimization, PESA, PSO, PSO چند هدفه, Vector Optimization, بهینه سازی, بهینه سازی ازدحام ذرات, بهینه سازی برداری, بهینه سازی هوشمند, بهینه سازی چند معیاره, بهینه سازی چند هدفه, بهینه سازی چند هدفه در متلب, بهینه سازی گروه ذرات چند هدفه, تصمیم گیری چند معیاره, متاهیوریستیک,دانلود فرادرس آموزشی رایگان,دانلود فیلم آموزشی رایگان,دانلود جزوه ,تصویری آموزشی,دانلود کتاب تصویری آموزشی,آموزش غیر حضوری و الکترونیکی,دوره آموزشی تخصصی

لغات کلیدی:

MOPSO, Multicriteria, Optimization, Multiobjective, Optimization, PESA, PSO, PSO, چند, هدفه, Vector, Optimization, بهینه, سازی, بهینه, سازی, ازدحام, ذرات, بهینه, سازی, برداری, بهینه, سازی, هوشمند, بهینه, سازی, چند, معیاره, بهینه, سازی, چند, هدفه, بهینه, سازی, چند, هدفه, در, متلب, بهینه, سازی, گروه, ذرات, چند, هدفه, تصمیم, گیری, چند, معیاره, متاهیوریستیک, دانلود, فرادرس, آموزشی, رایگان, دانلود, فیلم, آموزشی, رایگان, دانلود, جزوه, تصویری, آموزشی, دانلود, کتاب, تصویری, آموزشی, آموزش, غیر, حضوری, و, الکترونیکی, دوره, آموزشی, تخصصی

---

نظرات برای این ویدئو توسط کاربر غیر فعال شده است.

درباره ما | تماس با ما | قوانین تخته سفید