آپلود ویدئو | ورود | ثبت نام


فرادرس-

آموزش پیاده سازی الگوریتم های تکاملی و فراابتکاری در سی شارپ - درس دوم: پیاده‌سازی الگوریتم PSO در سی شارپ - تعریف مسأله و آماده‌سازی


Embed گزارش تخلف

مشاهده 2702

دریافت ویدئو: حجم کم کیفیت بالا
توسط فرادرس در 28 Sep 2016
توضیحات:


برای کسب اطلاعات بیشتر، به این لینک مراجعه نمایید:
#http://www.faradars.org/fvrcs110

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.

پیش از این، آموزش تئوری و عملی بیش از ۲۵ الگوریتم فرا ابتکاری در قالب گنجینه بهینه سازی هوشمند در فرادرس ارائه شده اند که در کنار مباحث تئوری و بیان نحوه عملکرد این الگوریتم ها، پیاده سازی گام به گام این موارد در محیط متلب نیز، مورد بحث و بررسی قرار گرفته است. اما همان طور که می دانیم، زبان برنامه نویسی و نرم افزار متلب، اساساً برای امور پژوهشی و آزمایشگاهی مناسب هستند و اغلب برنامه هایی که در متلب نوشته می شوند، از سرعت مناسبی برخوردار نیستند. از این رو، برای نخستین بار، مجموعه آموزشی پیاده سازی الگوریتم های تکاملی و فراابتکار با استفاده از زبان برنامه نویسی سی شارپ (C#) بر روی فرادرس منتشر شده است، تا پاسخگوی نیاز روز افزون دانشجویان و پژوهشگران این حوزه باشد.

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. از این نظر، این آموزش مشابهی حتی به زبان های خارجی ندارد و برای نخستین بار است که چنین مفاهیمی در قالب ویدئویی و با این میزان از تشریح، ارائه می شوند.

سرفصل های مورد بحث در این فیلم آموزشی عبارتند از:
درس یکم: مرور مبانی تئوری الگوریتم بهینه سازی ازدحام ذرات یا PSO
مقدمه
بررسی شیوه عملکرد الگوریتم PSO در فضای یک بعدی
عملکرد الگوریتم PSO در فضاهای با ابعاد بالاتر
معرفی مفهوم ذره یا Particle
شیوه به روز رسانی سرعت و موقعیت ذرات در PSO
مدل ریاضی الگوریتم Particle Swarm Optimization
مراحل الگوریتم PSO
درس دوم: پیاده سازی الگوریتم PSO در سی شارپ – تعریف مسئله و آماده سازی
تعریف یک مسئله بهینه سازی ساده با تابع Sphere
پیاده سازی ساختار مربوط به ذرات یا Particle
پیاده سازی تابع اجرا کننده PSO
پیاده سازی فاز آماده سازی PSO
پیاده سازی مجموعه توابع تولید اعداد تصادفی یکنواخت
پیاده سازی تابع ریاضی Sphere در سی شارپ
تعیین نوع مسئله بهینه سازی با enum (نوع شمارشی)
ایجاد جمعیت اولیه و ارزیابی آن ها
استفاده از تابع CopyTo برای کپی موقعیت ذرات
درس سوم: پیاده سازی الگوریتم PSO در سی شارپ – حلقه اصلی الگوریتم
پیاده سازی حلقه اصلی الگوریتم PSO
به روز رسانی سرعت و موقعیت ذرات
ارزیابی موقعیت جدید ذرات
مقایسه ذرات با بهترین خاطره فردی و جمعی
نمایش روند اجرای الگوریتم در پنجره کنسول Console
تنظیم ضرایب با استفاده از رویکرد Constriction Coefficients
تعریف تابع مقایسه برای انواع مسائل بهینه سازی
درس چهارم: تبدیل برنامه قبلی به صورت شیء گرا
استفاده از تابع Clone برای کپی موقعیت ذرات
ایجاد کلاس Randoms حاوی توابع استاتیک ایجاد اعداد تصادفی
تعریف کلاس ParticleSwarmOptimization برای پیاده سازی الگوریتم PSO
تعریف ویژگی های کلاس PSO
تعریف توابع سازنده کلاس PSO
انتقال برنامه تابعی PSO به داخل کلاس جدید
تعریف توابعی برای تنظیم ضرایب PSO
درس پنجم: افزودن رویداد و تبدیل برنامه به حالت تحت ویندوز (Windows Forms)
بهبود عملکرد برنامه در رعایت حدود بالا و پایین متغیرهای تصمیم
تعریف رویداد برای کلاس PSO
جا دادن رویدادها در بدنه اصلی الگوریتم
پاسخگویی به رویدادها در خارج از کلاس PSO
ایجاد یک برنامه تحت ویندوز برای اجرای PSO
ایجاد المان های لازم در پنجره اصلی برنامه
اجرای الگوریتم PSO در محیط ویندوزی
پاسخگویی به رویدادها و نمایش پیام های مربوطه
درس ششم: بهبود برنامه تحت ویندوز با افزودن کنترل های پارامتری
اعمال تغییرات در کلاس PSO برای دسترسی امن به اطلاعات درونی آن
افزودن کنترل های جدید برای تنظیم پارامترهای PSO
اتصال میان PSO و کنترل های موجود در صفحه
اجرای الگوریتم PSO
نمایش اطلاعات از روند اجرای الگوریتم
درس هفتم: جداسازی تعریف مسئله و الگوریتم با تعریف کلاس مجزا
تعریف کلاس OptimizationProblem برای جداسازی مسئله از روش حل
تعریف ویژگی های و متدهای کلاس مسئله
ارزیابی راه حل های پیشنهادی در درون کلاس مسئله
تغییر تعریف توابع PSO برای سازگاری با کلاس جدید
بهبود تعریف ساختار ذره یا Particle
درس هشتم: تعریف متغیرهای تصمیم پیوسته با بازه متفاوت
تعریف کلاس جدید DecisionVariable برای معرفی متغیرهای تصمیم
تعریف ویژگی های متغیر تصمیم (حد بالا و پایین)
تعریف شیوه ترجمه متغیرهای تصمیم
افزودن متغیرهای تصمیم به کلاس مسئله
آشنایی با کلاس Dictionary برای مدیریت متغیرهای با نام
تعریف توابع مربوط به افزودن و حذف متغیرها
تعریف مسئله بهینه سازی جدید با متغیرهای دارای حدود متفاوت
ایجاد مؤلفه موقعیت اصلی در ساختار پاسخ
درس نهم: تعریف متغیرهای تصمیم گسسته باینری و عدد صحیح
تعریف نوع شمارشی (enum) نوع متغیر تصمیم (حقیقی، باینری و عدد صحیح)
بررسی شیوه کدینگ عدد صحیح و باینری با نگاشت جزء صحیح
تعریف شیوه ترجمه برای متغیرهای عدد صحیح و باینری
حل معادله عدد صحیح با الگوریتم PSO در سی شارپ
تعریف مسائل بهینه سازی ترکیبی از متغیرهای حقیقی، عدد صحیح و باینری
درس دهم: مرور مبانی تئوری الگوریتم شبیه سازی تبرید و پیاده سازی آن
بررسی نحوه عملکرد الگوریتم Simulated Annealing یا SA
ساده سازی قاعده انتخاب پاسخ در SA
بررسی شیوه ایجاد همسایگی در الگوریتم شبیه سازی تبرید با توزیع گوسی
پیاده سازی الگوریتم SA در قالب کلاس SimulatedAnnealing
افزودن ویژگی ها و متدهای پایه
پیاده سازی فاز آماده سازی SA
آشنایی با نگاشت باکس-مولر (Box-Muller) برای ایجاد توزیع نرمال (گوسی)
پیاده سازی فرمول-باکس مولر در C#
افزودن مجموعه توابع NormalRand به کلاس Randoms
پیاده سازی حلقه اصلی الگوریتم SA
نهایی سازی الگوریتم SA
درس یازدهم: اتصال برنامه SA به برنامه تحت ویندوز قبلی
تعریف کنترل ها در برنامه تحت ویندوز برای اتصال به SA
پاسخگویی به رویدادهای کلاس SA
اجرای الگوریتم شبیه سازی تبرید در برنامه تحت ویندوز
درس دوازدهم: مرور مبانی تئوری الگوریتم های ژنتیک و نحوه کارکرد آن ها
مروری بر مفاهیم پایه ای الگوریتم ژنتیک و الگوریتم های تکاملی
بررسی حلقه تکامل و مدل کلی الگوریتم های ژنتیک
بررسی عملگر تقاطع (Crossover) و جهش (Mutation)
ساختار کلی و کامل الگوریتم ژنتیک
درس سیزدهم: پیاده سازی عملی الگوریتم ژنتیک در سی شارپ
پیاده سازی کلاس GeneticAlgorithm
افزودن ویژگی ها و متدهای پایه به کلاس GA
بهبود تعریف بدترین حالت در کلاس مسئله
ایجاد جمعیت اولیه در کلاس GA
پیاده سازی حلقه اصلی الگوریتم ژنتیک
الحاق جمعیت اصلی و فرزندان با LINQ
مرتب سازی جمعیت با استفاده از دستورات LINQ
پیاده سازی تابع RandInt برای ایجاد اعداد تصادفی صحیح
پیاده سازی تابع CrossOver برای انجام عمل تقاطع
پیاده سازی تابع Mutate برای انجام جهش در الگوریتم ژنتیک
نهایی سازی تابع اصلی الگوریتم ژنتیک
درس چهاردهم: اتصال برنامه GA به برنامه تحت ویندوز قبلی
تعریف کنترل ها در برنامه تحت ویندوز برای اتصال به الگوریتم ژنتیک
پاسخگویی به رویدادهای کلاس GA
اجرای الگوریتم ژنتیک در برنامه تحت ویندوز
جمع بندی و ارائه پیشنهادهایی برای بهبود برنامه های این دوره آموزشی

مدرس: دکتر سیدمصطفی کلامی هریس

کلمات کلیدی:
دانلود فرادرس آموزشی رایگان,دانلود فیلم آموزشی رایگان,دانلود جزوه تصویری آموزشی,دانلود کتاب تصویری آموزشی,آموزش غیر حضوری و الکترونیکی,دوره آموزشی تخصصی،Artificial Intelligence, C sharp, C#, Computational Intelligence, Crossover, evolution, Evolutionary Algorithm, Evolutionary Computation, Evolutionary Optimization, GA, Genetic Algorithms, Intelligent Optimization, Metaheuristics, Mutation, Particle Swarm Optimization, PSO, sa, Simulated Annealing, Swarm Intelligence, آنیلینگ شبیه سازی شده, ازدحام ذرات, الگوریتم PSO, الگوریتم SA, الگوریتم Simulated Annealing, الگوریتم اکتشافی, الگوریتم تکاملی, الگوریتم ژنتیک, الگوریتم ژنتیک پیوسته, الگوریتم فرا ابتکاری, الگوریتم فرا اکتشافی, الگوریتم فراابتکاری, الگوریتم فرااکتشافی, انبوه ذرات, بازپخت شبیه سازی شده, بهینه سازی ازدحام ذرات, بهینه سازی انبوه ذرات, بهینه سازی تکاملی, بهینه سازی گروه ذرات, بهینه سازی هوشمند, پیاده سازی GA در C#, پیاده سازی GA در سی شارپ, پیاده سازی PSO در C#, پیاده سازی PSO در سی شارپ, پیاده سازی SA در C#, پیاده سازی SA در سی شارپ, پیاده سازی الگوریتم تکاملی در C#, پیاده سازی الگوریتم تکاملی در سی شارپ, پیاده سازی الگوریتم ژنتیک در C#, پیاده سازی الگوریتم ژنتیک در سی شارپ, پیاده سازی الگوریتم فرا ابتکاری در C#, پیاده سازی الگوریتم فرا ابتکاری در سی شارپ, پیاده سازی الگوریتم فراابتکاری در C#, پیاده سازی الگوریتم فراابتکاری در سی شارپ, پیاده سازی ژنتیک در C#, پیاده سازی ژنتیک در سی شارپ, پیاده سازی شبیه سازی تبرید در C#, پیاده سازی شبیه سازی تبرید در سی شارپ, پیاده سازی متاهیوریستیک ها در C#, پیاده سازی متاهیوریستیک ها در سی شارپ, پیاده سازی محاسبات تکاملی در C#, پیاده سازی محاسبات تکاملی در سی شارپ, تبرید شبیه سازی شده, تقاطع, تکامل داروینی, جهش, سی شارپ, شبیه سازی آنیلینگ, شبیه سازی بازپخت, شبیه سازی تبرید, فرایند تکامل, گروه ذرات, متاهیوریستیک, محاسبات تکاملی, هوش ازدحامی, هوش جمعی, هوش محاسباتی, هوش مصنوعی

لغات کلیدی:

دانلود, فرادرس, آموزشی, رایگان, دانلود, فیلم, آموزشی, رایگان, دانلود, جزوه, تصویری, آموزشی, دانلود, کتاب, تصویری, آموزشی, آموزش, غیر, حضوری, و, الکترونیکی, دوره, آموزشی, تخصصی, Artificial, Intelligence, C, sharp, C#, Computational, Intelligence, Crossover, evolution, Evolutionary, Algorithm, Evolutionary, Computation, Evolutionary, Optimization, GA, Genetic, Algorithms, Intelligent, Optimization, Metaheuristics, Mutation, Particle, Swarm, Optimization, PSO, sa, Simulated, Annealing, Swarm, Intelligence, آنیلینگ, شبیه, سازی, شده, ازدحام, ذرات, الگوریتم, PSO, الگوریتم, SA, الگوریتم, Simulated, Annealing, الگوریتم, اکتشافی, الگوریتم, تکاملی, الگوریتم, ژنتیک, الگوریتم, ژنتیک, پیوسته, الگوریتم, فرا, ابتکاری, الگوریتم, فرا, اکتشافی, الگوریتم, فراابتکاری, الگوریتم, فرااکتشافی, انبوه, ذرات, بازپخت, شبیه, سازی, شده, بهینه, سازی, ازدحام, ذرات, بهینه, سازی, انبوه, ذرات, بهینه, سازی, تکاملی, بهینه, سازی, گروه, ذرات, بهینه, سازی, هوشمند, پیاده, سازی, GA, در, C#, پیاده, سازی, GA, در, سی, شارپ, پیاده, سازی, PSO, در, C#, پیاده, سازی, PSO, در, سی, شارپ, پیاده, سازی, SA, در, C#, پیاده, سازی, SA, در, سی, شارپ, پیاده, سازی, الگوریتم, تکاملی, در, C#, پیاده, سازی, الگوریتم, تکاملی, در, سی, شارپ, پیاده, سازی, الگوریتم, ژنتیک, در, C#, پیاده, سازی, الگوریتم, ژنتیک, در, سی, شارپ, پیاده, سازی, الگوریتم, فرا, ابتکاری, در, C#, پیاده, سازی, الگوریتم, فرا, ابتکاری, در, سی, شارپ, پیاده, سازی, الگوریتم, فراابتکاری, در, C#, پیاده, سازی, الگوریتم, فراابتکاری, در, سی, شارپ, پیاده, سازی, ژنتیک, در, C#, پیاده, سازی, ژنتیک, در, سی, شارپ, پیاده, سازی, شبیه, سازی, تبرید, در, C#, پیاده, سازی, شبیه, سازی, تبرید, در, سی, شارپ, پیاده, سازی, متاهیوریستیک, ها, در, C#, پیاده, سازی, متاهیوریستیک, ها, در, سی, شارپ, پیاده, سازی, محاسبات, تکاملی, در, C#, پیاده, سازی, محاسبات, تکاملی, در, سی, شارپ, تبرید, شبیه, سازی, شده, تقاطع, تکامل, داروینی, جهش, سی, شارپ, شبیه, سازی, آنیلینگ, شبیه, سازی, بازپخت, شبیه, سازی, تبرید, فرایند, تکامل, گروه, ذرات, متاهیوریستیک, محاسبات, تکاملی, هوش, ازدحامی, هوش, جمعی, هوش, محاسباتی, هوش, مصنوعی


comments powered by Disqus

درباره ما | تماس با ما | قوانین تخته سفید