گنجینه فیلم های آموزشی فارسی الگوریتم های بهینه سازی تکاملی-هوش مصنوعی

توسعه علم بهينه سازي برخواسته از آرزوي انسان براي رسيدن به كمال است. انسان ميخواهد بهترين را تجسم كرده و به آن دست يابد. اما از آنجائيكه ميداند قادر نيست تمام شرايط حاكم بر بهترين را به خوبي بشناسد، در بيشتر موارد به جاي بهترين جواب يا بهينه مطلق، به يك جواب رضايتبخش بسنده مينمايد. به همين علت ،چندين رويكرد براي طراحي جواب هاي با كيفيت قابل پذيرش تحت محدوديت زماني قابل پذيرش پيشنهاد شده است. الگوريتم هايي هستند كه مي توانند يافتن جواب هاي خوب در فاصله مشخصي از جواب بهينه را تضمين كنند كه به آن ها الگوريتم هاي تقريبي مي گويند.

الگوريتم هاي ديگري نيز هستند كه تضمين مي دهند با احتمال بالا جواب نزديك بهينه توليد كنند كه به آن ها الگوريتم هاي احتمالي گفته مي شود. جداي از اين دو دسته، مي توان الگوريتم هايي را پذيرفت كه هيچ تضميني در ارائه جواب ندارند اما براساس شواهد و سوابق نتايج آن ها، به طور متوسط بهترين تقابل كيفيت و زمان حل براي مسئله مورد بررسي را به همراه داشته اند. به اين  الگوريتمها،  الگوريتمهاي هيوريستيك گفته  ميشود  .

هيوريستيك ها عبارتند از معيارها،  روشها يا اصولي براي  تصميم گيري بين چند گزينه و انتخاب  اثربخش ترين براي دستيابي به اهداف مورد نظر. در حالت كلي سه دسته از الگوريتمهاي هيوريستيك قابل تشخيص است:

  1. الگوريتمهايي كه بر ويژگيهاي ساختاري مساله و ساختار جواب متمركز ميشوند و با استفاده از آنها الگوريتمهاي سازنده يا جستجوي محلي تعريف ميكنند.
  2. الگوريتمهايي كه بر هدايت هيورستيك يك الگوريتم سازنده يا جستجوي محلي متمركز ميشوند، به گونهاي كه آن الگوريتم بتواند بر شرايط حساس (مانند فرار از بهينه محلي) غلبه كند. به اين الگوريتمها، متاهيورستيك گفته مي -شود.
  3. الگوريتمهايي كه بر تركيب يك چارچوب يا مفهوم هيورستيك با گونههايي از برنامه ريزي رياضي (معمولاً روشهاي دقيق) متمركز ميشوند.

هيوريستيكهاي نوع اول ميتوانند خيلي خوب عمل كنند ،(گاهي اوقات تا حد بهينگي) اما ميتوانند در جوابهايي با كيفيت پايين گير كنند. براي بهبود اين الگوريتم ها از اواسط دهه هفتاد، موج  تازهاي از رويكردها آغاز گرديد. اين رويكردها شامل  الگوريتمهايي است كه صريحاً يا به صورت ضمني تقابل بين ايجاد تنوع  جستجو (وقتي علائمي وجود دارد كه جستجو به سمت مناطق بد فضاي جستجو  ميرود) و تشديد جستجو (با اين هدف كه بهترين جواب در منطقه مورد بررسي را پيدا كند) را مديريت  ميكنند. اين  الگوريتمها متاهيوريستيك ناميده  ميشوند. از بين اين  الگوريتمها  ميتوان به موارد زير اشاره كرد:

الگوريتم ژنتيك[1] (GA)، شبيه سازي آنيلينگ[2] (SA)، جستجوي ممنوع[3] (TS)، الگوريتم ازدحام ذرات[4] (PSO)، بهينه سازي كلوني مورچگان[5] (ACO)، الگوريتم كرم شبتاب[6] (FA)، الگوريتم رقابت استعماري[7] (ICA)، الگوريتم جستجوي هارموني[8] (HS)، الگوريتم بهينهسازي فاخته[9] (COA) و….

[1] . Genetic Algorithms

[2] . Simulated Annealing

[3] . Tabu Search

[4] . Particle Swarm Optimization

[5] . Ant Colony Optimization

[6] . Firefly Algorithm

[7] . Imperialist Competitive Algorithm

[8] . Harmony Search

[9] . Cuckoo Optimization Algorithm

 

 

ردیفعنوانمدت زمانلینک
1فیلم آموزش فارسی الگوریتم تکامل گرامری Grammatical Evolution35 دقیقهلینک دریافت (کلیک کنید)
2فیلم آموزشی فارسی الگوریتم بازی تکاملی Evolutionary Game Algorithm35 دقیقهلینک دریافت (کلیک کنید)
3فیلم آموزش فارسی الگوریتم جستجوی فاخته cuckoo search100 دقیقهلینک دریافت (کلیک کنید)
4فیلم آموزش فارسی بررسی قیود در مسائل بهینه سازی مقید34 دقیقهلینک دریافت (کلیک کنید)
5فیلم آموزش فارسی الگوریتم دسته ماهی مصنوعی30 دقیقهلینک دریافت (کلیک کنید)
6فیلم آموزش فارسی الگوریتم کلونی زنبور عسل65 دقیقهلینک دریافت (کلیک کنید)
7فیلم آموزش فارسی بهینه سازی مبتنی بر جغرافیای زیستی30 دقیقهلینک دریافت (کلیک کنید)
8فیلم آموزش فارسی الگوریتم ژنتیک در متلب190 دقیقهلینک دریافت (کلیک کنید)

دیدگاه‌ خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *