توضیحات
محدوده کاري الگوريتم ژنتيک بسيار وسيع مي باشد و هر روز با پيشرفت روزافزون علوم و تکنولوژي استفاده از اين روش در بهينه سازي و حل مسائل بسيار گسترش يافته است. الگوريتم ژنتيک يکي از زير مجموعه هاي محاسبات تکامل يافته مي باشد که رابطه مستقيمي با مبحث هوش مصنوعي دارد در واقع الگوريتم ژنتيک يکي از زير مجموعه هاي هوش مصنوعي مي باشد.
الگوريتم ژنتيک را ميتوان يک روش جستجوي کلي ناميد که از قوانين تکامل بيولوژيک طبيعي تقليد ميکند الگوريتم ژنتيک بر روي يکسري از جوابهاي مساله به اميد بدست آوردن جوابهاي بهتر قانون بقاي بهترين را اعمال مي کند. درهر نسل به کمک فرآيند انتخابي متناسب با ارزش جوابها و توليد مثل جواب-هاي انتخاب شده به کمک عملگرهايي که از ژنتيک طبيعي تقليد شده اند ,تقريبهاي بهتري از جواب نهايي بدست مي آيد. اين فرايند باعث ميشود که نسلهاي جديد با شرايط مساله سازگارتر باشد.
ساختار الگوريتمهاي ژنتيكي
به طور كلي, الگوريتمهاي ژنتيكي از اجزاء زير تشكيل ميشوند:
كروموزوم Chromosome
در الگوريتمهاي ژنتيكي, هر كروموزوم نشان دهنده يك نقطه در فضاي جستجو و يك راه حل ممكن براي مسئله مورد نظر است. خود كروموزومها (راه حلها) از تعداد ثابتي ژن (متغير) تشكيل ميشوند. براي نمايش كروموزومها, معمولاً از كدگذاريهاي دودويي (رشته هاي بيتي) استفاده ميشود.
جمعيت Population
مجموعهاي از كروموزومها يك جمعيت را تشكيل ميدهند. با تاثير عملگرهاي ژنتيكي بر روي هر جمعيت, جمعيت جديدي با همان تعداد كروموزوم تشكيل ميشود.
تابع برازندگي Fitness Function
به منظور حل هر مسئله با استفاده از الگوريتمهاي ژنتيكي, ابتدا بايد يك تابع برازندگي براي آن مسئله ابداع شود. براي هر كروموزوم, اين تابع عددي غير منفي را برميگرداند كه نشان دهنده شايستگي يا توانايي فردي آن كروموزوم است.
عملگرهاي الگوریتم ژنتيك
در الگوريتمهاي ژنتيكي, در طي مرحله توليد مثل Reproduction ازعملگرهاي ژنتيكي استفاده ميشود. با تاثير اين عملگرها بر روي يك جمعيت, نسل Generation بعدي آن جمعيت توليد ميشود. عملگرهاي انتخاب Selection , آميزش Crossover و جهش Mutation معمولاً بيشترين كاربرد را در الگوريتمهاي ژنتيكي دارند.
عملگر انتخاب (Selection ):
اين عملگر از بين كروموزومهاي موجود در يك جمعيت, تعدادي كروموزوم را براي توليد مثل انتخاب ميكند. كروموزومهاي برازنده تر شانس بيشتري دارند تا براي توليد مثل انتخاب شوند.
روش های انتخاب :
Elitist Selection (انتخاب نخبگان)
مناسب‌ترین عضو هر اجتماع انتخاب می‌شود. با توجه به مقدار شایستگی که از تابع ارزیاب دریافت کرده است.
نمونه برداري به روش چرخ رولت
در اين روش, به هر فرد قطعه اي از يك چرخ رولت مدور اختصاص داده ميشود. اندازه اين قطعه متناسب با برازندگي آن فرد است. چرخ N بار چرخانده ميشود كه N تعداد افراد در جمعيت است. در هر چرخش, فرد زير نشانگر چرخ انتخاب ميشود و در مخزن والدين نسل بعد قرار ميگيرد. اين روش ميتواند به صورت زير پياده سازي شود:
- نرخ انتظار كل افراد جمعيت را جمع كنيد و حاصل آن را T بناميد.
- مراحل زير را N بار تكرار كنيد:
يك عدد تصادفي r بين 0 و T انتخاب كنيد.
در ميان افراد جمعيت بگرديد و نرخهاي انتظار( مقدار شایستگی) آنها را با هم جمع كنيد تا اين كه مجموع بزرگتر يا مساوي r شود. فردي كه نرخ انتظارش باعث بيشتر شدن جمع از اين حد ميشود, به عنوان فرد برگزيده انتخاب ميشود.
Tournament Selection (انتخاب تورنومنت) :
یک زیر مجموعه از صفات یک جامعه انتخاب می‌شوند و اعضای آن مجموعه با هم رقابت میکنند و سرانجام فقط یک صفت از هر زیر‌گروه برای تولید انتخاب می‌شوند.
عملگر آميزش (Crossover ):
در جریان عمل تلفیق به صورت اتفاقی بخشهایی از کروموزوم ها با یکدیگر تعویض می شوند. این موضوع باعث می شود که فرزندان ترکیبی از خصوصیات والدین خود را به همراه داشته باشند و دقیقاً مشابه یکی از والدین نباشند.
هدف تولید فرزند جدید می باشد به این امید که خصوصیات خوب دو موجود در فرزندشان جمع شده و یک موجود بهتری را تولید کند.
روش کار به صورت زیر است:
بصورت تصادفی یک نقطه از کروموزوم را انتخاب می کنیم
ژن های مابعد آن نقطه از کروموزوم ها را جابجا می کنیم
تلفیق تک نقطه ای (Single Point Crossover)
اگر عملیات تلفیق را در یک نقطه انجام دهیم به آن تلفیق تک نقطه ای می گویند.
تلفیق بدين صورت انجام مي گيرد که حاصل ترکيب کروموزومهاي پدر و مادر مي باشد. روش توليد مثل نيز بدين صورت است که ابتدا بصورت تصادفي ,نقطه اي که قرار است توليد مثل از آنجا آغاز گردد ,انتخاب مي گردد. سپس اعداد بعد از آن به ترتيب از بيت هاي کروموزومهاي پدر و مادر قرار مي گيرد که در شکل زير نيز نشان داده شده است.
در شکل بالا کروموزومهاي 1 و2 در نقش والدين هستند. و حاصل توليد مثل آنها در رشته هائي بنام Offspring ذخيره شده است.دقت شود که علامت “|” مربوط به نقطه شروع توليد مثل مي باشد و در رشته هاي Offspring اعدادي که بعد از نقطه شروع توليد مثل قرار مي گيرند مربوط به کروموزومهاي مربوط به خود مي باشند. بطوريکه اعداد بعد از نقطه شروع مربوط به Offspring1 مربوط به اعداد بعد از نقطه شروع مربوط به کروموزوم 1 و اعداد بعد از نقطه شروع توليد مثل مربوط به Offspring2 مربوط به اعداد بعد از نقطه شروع توليد مثل مربوط به کروموزوم 2 مي باشند
روش ادغام دو نقطه ای Two-point CrossOver :
در این روش دو مکان را به صورت تصادفی انتخاب کرده و مقادیر بین این دو نقطه را جابجا می کنیم.
تلفیق نقطه ای (Multipoint Crossover) :
می توانیم این عملیات را در چند نقطه انجام دهیم ، که به آن بازترکیبی چند نقطه ای می گویند
تلفیق جامع (Uniform Crossover) :
اگر تمام نقاط کروموزوم را بعنوان نقاط بازترکیبی انتخاب کنیم به آن بازترکیبی جامع می گوئیم. مثال)
عملگر جهش (Mutation ):
پس از اتمام عمل آميزش, عملگر جهش بر روي كروموزومها اثر داده ميشود. اين عملگر يك ژن از يك كروموزوم را به طور تصادفي انتخاب نموده و سپس محتواي آن ژن را تغيير ميدهد. اگر ژن از جنس اعداد دودويي باشد, آن را به وارونش تبديل ميكند و چنانچه متعلق به يك مجموعه باشد, مقدار يا عنصر ديگري از آن مجموعه را به جاي آن ژن قرار ميدهد. در شكل زیر چگونگي جهش يافتن پنجمين ژن يك كروموزوم نشان داده شده است.
پس از اتمام عمل جهش, كروموزومهاي توليد شده به عنوان نسل جديد شناخته شده و براي دور بعد اجراي الگوريتم ارسال ميشوند.
قبل از اين كه يك الگوريتم ژنتيكي بتواند اجرا شود, ابتدا بايد كدگذاري (يا نمايش) مناسبي براي مسئله مورد نظر پيدا شود. معمولي ترين شيوه نمايش کروموزومها در الگوريتم ژنتيک به شکل رشته هاي دودويي است. هر متغير تصميم گيري به صورت دودويي در آمده و سپس با کنار هم قرار گرفتن اين متغيرها کروموزوم ايجاد ميشود . گرچه اين روش گسترده ترين شيوه کدگذاري است اما شيوه هاي ديگري مثل نمايش با اعداد حقيقي در حال گسترش هستند. همچنين يك تابع برازندگي نيز بايد ابداع شود تا به هر راه حل كدگذاري شده ارزشي را نسبت دهد. در طي اجرا, والدين براي توليد مثل انتخاب ميشوند و با استفاده از عملگرهاي آميزش و جهش با هم تركيب ميشوند تا فرزندان جديدي توليد كنند. اين فرآيند چندين بار تكرار ميشود تا نسل بعدي جمعيت توليد شود. سپس اين جمعيت بررسي ميشود و در صورتي كه ضوابط همگرايي رآورده شوند, فرآيند فوق خاتمه مي يابد.
پیش نیاز :
در ادامه آموزش الگوریتم های بهینه سازی ، فیلم آموزشی الگوریتم ژنتیک برای دانش پذیران گرامی تهیه شده است. پیش نیاز این فیلم آموزشی، آموزش بهینه سازی می باشد. لذا به دانش پذیران گرامی توصیه می شود ابتدا فیلم آموزشی بهینه سازی را مشاهده کنند و سپس فیلم آموزشی الگوریتم ژنتیک را ببینند.
.
.
مدت زمان : 104 دقیقه
حجم فایل ها : 154 مگابایت
.
.
ارسال لینک های دانلود به ایمیل شما
نتیجه سالها تجربه :
این فیلم آموزشی نتیجه سالها کدنویسی و کار با الگوریتم ژنتیک در پروژه های مختلف می باشد و هزینه ای که شما برای تهیه آن می پردازید در برابر سالها تجربه ای که صرف تهیه این فیلم آموزشی شده بسیار ناچیز است.
.
مشاهده خلاصه قسمت اول
تصویرهایی از محیط این فیلم آموزشی :
گنجینه فیلم های آموزشی فارسی الگوریتم های بهینه سازی تکاملی-هوش مصنوعی
ردیف عنوان مدت زمان لینک 1 فیلم آموزش فارسی الگوریتم تکامل گرامری Grammatical Evolution 35 دقیقه لینک دریافت (کلیک کنید) 2 فیلم آموزشی فارسی الگوریتم بازی تکاملی Evolutionary Game Algorithm 35 دقیقه لینک دریافت (کلیک کنید) 3 فیلم آموزش فارسی الگوریتم جستجوی فاخته cuckoo search 19 دقیقه
لینک دریافت (کلیک کنید) 4 فیلم آموزش فارسی بررسی قیود در مسائل بهینه سازی مقید 34 دقیقه
لینک دریافت (کلیک کنید) 5 فیلم آموزش فارسی الگوریتم دسته ماهی مصنوعی 30 دقیقه لینک دریافت (کلیک کنید) 6 فیلم آموزش فارسی الگوریتم کلونی زنبور عسل 65 دقیقه لینک دریافت (کلیک کنید) 7 فیلم آموزش فارسی بهینه سازی مبتنی بر جغرافیای زیستی 30 دقیقه لینک دریافت (کلیک کنید) 8 فیلم آموزش فارسی الگوریتم ژنتیک در متلب 190 دقیقه لینک دریافت (کلیک کنید)
عباس –
تشکر از شما ایران متلب
که با این کارهاتون دارید به دانشجوها کمک می کنید تا سریعتر بتونند مفاهیم را یاد بگیرند.
شيرواني –
خيلي خوب بود
ساده و روان الگوريتم ژنتيك را آموزش داديد
قبل از اين فيلم آموزشي همش با خودم ميگفتم الگوريتم ژنتيك خيلي سخت است اما با ديدن فيلم آموزشي الگوريتم ژنتيك MATLAB متوجه شدم كه خيلي هم مبحث شيريني است.
مثالهاي خوبي هم زديد.
بهاره –
یکی از بهترین فیلم های آموزشی که تا حالا دیدم
خدا قوت ایران متلب
saeeid –
تشكر از ايران متلب
قيمت ها خيلي پايينه
كيفيت كارتون هم خيلي خوبه
eeiranmatlab –
سلام و تشکر از شما
دو تا از ویژگی های محصولات ایران متلب که در کارگاه های ما در دانشگاه های مختلف بهمون میگویند.
قیمت پایین محصولات بعلاوه سادگی و روانی فیلم های آموزشی ما می باشد.
علی رضوی دانشجوی ارشد حسابداری –
سلام خسته نباشید میشه در مورد الگوریتم ژنتیک گروه بندی هم فیلم آموزشی کاربردی بزارید من موضوع پایان نامم همینه میخوام شرکت ها رو گروه بندی کنم. به 5 گروه که در هر کدوم 20 تا شرکت باشه تقسیم بندی کنم. و یه مدل رگرسیونو باید داخل هر خوشه به اجرا در بیارم. به طوری که انحراف معیار باقی مانده های همه این 5 خوشه که میشه 100 باقی مانده. کمترین مقدار بشه میخوام خودم یاد بگیرم این کارو انجام بدم.
ایران متلب –
سلام و تشکر از شما
فیلم آموزشی ژنتیک برای این پروژه کافی است. شما باید مدل رگرسیون را به عنوان تابع هزینه یا cost تعریف کنید و خروجی تابع هدف را انحراف معیار باقیمانده ها در نظر بگیرید.
شاد باشید
قادری –
عالی بود
مریم –
سلام. عالیه. ممنون از شما بخاطر این فیلم آموزشی.
من برای پایان نامم حل مساله در مدار قرارگرفتن نیروگاه ها با الگوریتم ژنتیک رو نیاز دارم. میشه راهنمایی کنید با خرید این فیلم آموزشی میتونم کاملا و مسلط کدنویسی کنم؟
سپاسگزار از مجموعه خوبتون
ایران متلب –
سلام
شما می بایست آموزش بهینه سازی و الگوریتم ژنتیک را با هم تهیه کنید.
همانطور که در فیلم بهینه سازی گفته می شود. شما اول بایدمتغییرهای مسئله را مشخص کنید. مثلا در مورد مسئله شما که قرار گرفتن نیروگاه در مدار می باشد. شاید بتوان تعداد دیزل ها را به عنوان متغییر گرفت. یعنی ما کمترین تعداد دیزل را داشته باشیم که توان مورد نیاز به بار منتقل شود.
بعد از مشخص کردن متغییرها باید بتوانید تابع هدف را بنویسید. به نظرم این دو فیلم را تهیه کنید برای شما مناسب است و هزینه بسیار پایینی دارد.
شاد باشید
محمد –
با سلام. من میخواستم object tracking کار کنم چه فیلم های برای ضروری و مفید هست؟
ایران متلب –
یکی از روشهای object tracking استفاده از optical flow می باشد.
لینک محصول
یکی دیگر از روشها فیلتر ذره particle filter می باشد.
لینک کد
Paria –
سلام موضوع پروژه ي كارشناسي من هماهنگي بهينه ي رله هاي اضافه جريان با الگوريتم ژنتيك
بنظر شما چه فيلمي بدردم ميخوره؟
ایران متلب –
سلام
فیلم های آموزشی زیر برای شما مناسب است :
آموزش برنامه نویسی متلب (سیر تا پیاز متلب)
آموزش سیمولینک
آموزش بهینه سازی
آموزش الگوریتم ژنتیک
داوود –
سلام
پروژه ی بنده بهینه سازی چند هدفه نیروگاههای تولید برق می باشد،کدام بسته را تهیه کنم؟؟
تشکر
ایران متلب –
سلام
دو فیلم آموزشی زیر به شما پیشنهاد می شوئد :
بهینه سازی در متلب
الگوریتم ژنتیک در متلب
داوود –
عرض سلام وادب
بنده بسته های بهینه سازی و الگوریتم ژنتیک را تهیه کردم و بسیار راضی بودم،من آموزش الگوریتم ژنتیک در جاهای دیگه را هم مشاهده کرده ام ولیکن به جرات هیچ کدام به این خوبی و سادگی ایران متلب مفاهیم را مشخص نکرده بودند..
ramin –
با سلام
من یه پروِه داشتم که در مورد بهینه سازی اقتصادی پخش بار(ED) است. که در این پروِژه 16 ژنراتور با توان تولیدی مقید(pgminpgmax) می باشد د وهمچنین یک تابع هزینه درجه دو داریم که برای هرژنراتور ضرایب(a,b,c) ان تغییر میکنند.
میتونید منو راهنمایی کینید . نحوه وارد کردن داده ها تو این مورد واقعا سخته..اگه میشه راهنمایی کنید.
ممنون
ایران متلب –
با سلام و احترام
شما کافی است بتوانید تابع هدف cost را تعریف کنید. هر چی بخواهد دیتا داشته باشه.
شما فیلم آموزشی بهینه سازی را ببینید، مثالهای خوبی در زمینه بهینه سازی دارد.
لینک فیلم آموزشی بهینه سازی در متلب
معین –
سلام برای پایان نامه ابا الگوریتم زنتیک طراحی ماشین الکتریکی را بهینه میخام کنم ، به نظرت این فیلم به دردم میخوره . با تشکر
ایران متلب –
سلام
بله برای شما مناسب می باشد.
اسکندری –
سلام .وقتتون بخیر.موضوع پایان نامه من،بهینه سازی خانه هوشمند با استفاده از الگوریتم ژنتیکه.نه متلب کار کردم نه الگوریتم ژنتیک.این فیلم کمکم میکنه؟وقت کمی برا یادگیری دارم
ایران متلب –
سلام
پیشنهاد ما به شما دو فیلم آموزشی زیر برای کار بهینه سازی با الگوریتم ژنتیک است.
بهینه سازی در متلب
ژنتیک در متلب
عادل –
خیلی خوب و عالی بود
من به بقیه توصیه میکنم حتما تهیه کنند.
ریحانه –
با سلام من دو تا تابع دارم میخاستم الگوریتم ژنتیک رو براش حل کنم. بازه مشخصه و احتمال برش و جهش هم داده تعداد تکرار هم داده . فقط گفته الگوریتم ژنتیک رو برای این دو تابع حل کنید. فقط مساله بهینه سازی براش کافیه ک بخرم؟ یا اینو نیاز هست؟
ایران متلب –
با سلام و احترام
شما می خواهید چند مسئله بهینه سازی حل کنید، پس نیاز به فیلم آموزش بهینه سازی دارید.
فیلم آموزشی بهینه سازی در متلب
روش شما برای حل مسئله بهینه سازی ، الگوریتم ژنتیک است. لذا فیلم آموزشی الگوریتم ژنتیک را هم باید ببینید.
فیلم آموزشی الگوریتم ژنتیک در متلب
اسماعیلی –
سلام. لینک های ارسالی مشکل دارد. ارور 404. شماره سفارش ….
ایران متلب –
با سلام و احترام
لینک های دانلود برای شما ایمیل شد.
hashemi –
به نظرم اگر میخواهید در وقتتون صرفه جویی بشه حتما این محصول را تهیه کنید
افشین –
با سلام من این محصول رو خریداری کردم اما لینک های دانلود مربوطه خراب می باشند لطفا رسیدگی بفرمایید
با تشکر
ایران متلب –
با سلام و احترام
لينك هاي صحيح دانلود براي شما ايميل شد.
kobra –
سلام وخسته نباشید
من از الگوریتم ژنتیک چیزی بلد نبودم،واقعا خیلی آسون توضیح دادید، فقط می تونم بگم عالی بود.
موفق وسربلند باشید
رشیدی –
با سلام
بنده فایل الگوریتم ژنتیک رو دانلود کردم اما متاسفانه لینک ها خراب هستش و نمی تونم دانلود کنم.
لطفا بررسی نمایید.
با تشکر
sima –
باعرض سلام موضوع پایان نامم درباره ادغام الگوریتم ژنتیک و تئوری بازیهاست .به نظرتون این فایل آموزشی میتونه کمکم کنه؟
ایران متلب –
با سلام و تشکر
این آموزش یکی از بهترین آموزش های موجود در مورد الگوریتم ژنتیک هست. شما قطعا به این آموزش برای پایان نامتون نیاز دارید.
میلاد شکوری –
سلام
وقتتون بخیر
ببخشید من فیلم آموزشی الگوریتم ژنتیک و همچنین آموزش بهینه سازی رو خریدم.
امکانش هست لینک مستقیم دانلودشون رو برام ایمیل کنین؟
با تشکر
ایران متلب –
با سلام و تشکر از شما
لینک های دانلود مستقیم برای شما ایمیل شد.
سارا –
سلام، من این فیلم آموزشی را خریداری کردم، امکانش هست لینک مستقیم دانلود رو برام ارسال کنید؟
ایران متلب –
با سلام
تمامی لینک های سایت مستقیم می باشند.
سارا –
khob
نرگس –
سلام
من در پایان نامه م یک دستگاه معادلات pde دارم که کوپل هستن و یه سری ضرایب دارن (6 ضریب) این دستگاه حل صریح نداره و باید بصورت عددی حل بشه. ورودی دستگاه معادلات یک ماتریس هست که بعنوان ورودی به معادلات داده میشه بعد معادله بصورت عددی حل میشه و میرسه به یک ماتریس جدید حالا باید اون 6 ضریب طوری بهینه سازی بشن که این ماتریس با یه ماتریس واقعی (که از قبل دارمش) کمترین اختلاف رو داشته باشه. میشه راهنمایی بفرمائید که این فیلم میتونه کمکم کنه یا نه؟
ایران متلب –
سلام
بله شما می توانید از این فیلم آموزشی استفاده کنید. شما علاوه بر آموزش الگوریتم ژنتیک به آموزش بهینه سازی هم نیاز دارید.
همانطور که در فیلم آموزشی توصیح داده می شود شما باید یک تابع هزینه یا cost تعریف کنید که 6 ضریب را به عنوان ورودی بگیرد و خروجی اختلاف بین دو ماتریس را بر گرداند و الگوریتم ژنتیک برای شما ضرایب را طوری پیدا می کند که این اختلاف مینیمم شود.
علی –
باسلام و عرض خسته نباشید.ممنون بابت مطالب ارزندتون.من میخوام طراحی سپر خودرو رو با الگوریتم ژنتیک بهینه کنم.به نظرتون کدوم فیلم واسه من مفیده؟
ایران متلب –
با سلام و تشکر از شما
دو فیلم آموزشی زیر برای شما مناسب است :
آموزش بهینه سازی
آموزش الگوریتم ژنتیک
گودرزی –
با سلام
دلیل اینکه در الگوریتم ژنتیک با وجود تعریف lb وub ،پس از حدود ۳۰ تکرار، بعضی مقادیر تولید شده جدید خارج از این بازه میباشند.
تابع هدف من عدد صحیحه.
با تشکر
حسن اصغري –
با سلام
محدوده های lb و ub در تعریف الگوریتم ژنتیک مشخص کننده حدهای بالا و پایین متغیرهای تولیدی هستند و در طول این چند سال که ما کار می کنیم ، به هیچ وجه امکان ندارد متلب داده هایی خارج از این دو محدوده تولید کند. به احتمال بسیار بالایی شما این دو محدوده را اشتباه وارد کردید.
نیما –
تششکر
احمدي –
سلام
من براي بهينه سازي فرآيندي كه در نرم افزار اسپن هايسيس شبيه سازي كردم، ميخواستم از الگوريتم ژنتيك استفاده كنم. اين نرم افزار قابليت لينك شدن با اسپن هايسيس رو داره؟ و اگر ميشه به چه طريقي؟
متشكرم
ایران متلب –
سلام
بله نرم افزار متلب و اسپن هایسیس قابلیت لینک دارند.
می تونید از لینک های زیر اطلاعات بیشتری به دست بیارید.
http://www.pvv.org/~olafb/software/hysyslib/
https://www.mathworks.com/matlabcentral/answers/328593-linking-aspen-hysys-to-matlab-back-into-hysys
مریم –
سلام وقتتون بخیر. پایان نامه من در مورد چیدمان دوبعدی تسهیلات به کمک الگوریتم ژنتیک این. به نظر شما کدوم فیلم آموزشی را دانلود کنم؟؟؟ ممنون از راهنماییتون
ایران متلب –
سلام
ما در یک کار مشابه این شرکت داشتم.
شما ابتدا باید یک کارگاه فرضی با تعدادی تسهیلات در نظر بگیرد و برای خودتون یک سری قید تعریف کنید. سپس با الگوریتم ژنتیک کار چیدمان بهینه تسهیلات را انجام دهید.
پیشنهاد ما فیلم آموزشی بهینه سازی و الگوریتم ژنتیک می باشد.
علی اجتماعی –
سلام. روش بهینه سازی توابع عضویت فازی با استفاده از الگوریتم ژنتیک چگونه است؟ برای یادگیری دقیق و اجرای کامل بهینه سازی توابع عضویت در سیستم فازی چه آموزشی را مناسب میدانید.
ایران متلب –
با سلام و تشکر از شما بابت سوال خوبتون
این کار بسیار ساده می باشد.
وطیفه الگوریتم ژنتیک بهینه سازی یک تابع هزینه یا cost می باشد. شما باید یک تابع هزینه بر اساس مدل فازی تعریف کنید که متغییرهای الگوریتم ژنتیک را در ورودی بگیرد.
دو آموزش زیر پیشنهاد می شود :
بهینه سازی
الگوریتم ژنتیک
بسته آموزش فازی
صبا –
سلام وقتتون بخیر
من برای پایان دوره کارشناسی پروژه ای با عنوان شناسایی چهره از طریق الگوریتم ژنتیک دارم. میخواستم بدونم برای پیاده سازی این پروژه در متلب کدوم آموزش می تواند برای من مفید باشد.
ایران متلب –
سلام
الگوریتم ژنتیک ، یک روش بهینه سازی است و تا جایی که من می دانم نمی شود برای شناسایی استفاده شود. شما باید یک سیستم دسته بندی کننده انتخاب کنید مثل شبکه عصبی و سپس با الگوریتم ژنتیک آنرا بهنیه کنید تا درصد شناسایی بالایی داشته باشد.
مجموعه آموزش شبکه های عصبی
آموزش پردازش تصویر
آموزش الگوریتم ژنتیک
امیرحسین عودی –
با سلام من فیلمهای اموزش بهینه سازی با الگوریتم ژنتیک را تهیه کردم با سپاس فراوان
علیرضا –
سلام وقت بخیر
من موضوع پایان نامم درباره پیش بینی قیمت پایانی سهام با استفاده از الگوریتم شبکه عصبی و الگوریتم ژنتیک هست(همون بهینه سازی شبکه عصبی با ژنتیک) کدوم آموزش هارو باید بگیرم ؟به نظرتون از کدوم تابع هزینه یا اتلاف استفاده کنم؟نظر خودم MSE,RMSE هست.ورودی من 6 متغییر می باشد که شا مل میانگین 7و14و21 روزه قیمت سهام ،قیمت پایانی منهای قیمت باز و قیمت پایین منهای قیمت باز می باشد.70 درصد داده ها برای اموزش و 30 درصد برای تست.دادهای من هم داده های 5 شرکت خارجی بورسی از سال 2009 تا 2019 می باشد .
ممنون
ایران متلب –
سلام
مجموعه جامع شبکه عصبی
سینا –
باسلام
عذرخواهی می کنم، یک راهنمایی کوچیک کنید بنده رو بفرمایید.
سوال اول من این هست که
۵ پارامتر دارم و میخوام مقادیر این پارامترها به شکلی تغییر کنند که هدف من min بشود، از چه روشی باید استفاده کنم؟ اگر دو هدف داشته باشم که همزمان یکی min و دیگری max بشود، امکانش هست؟
موضوع پایان نامه ام هست، لطف می کنید راهنمایی بفرمایید.
اگر بخواهم از هر دو روش فازی و ژنتیک برای کارم استفاده کنم، روند به چه صورت است؟
ممنونم
ایران متلب –
با سلام و احترام
تابع هدف شما هر تعداد ورودی که بخواهید می تواند داشته باشد. بنابراین می توانید از 5 پارامتر برای مینیم کردن هدف خود استفاده کنید.
فرض کنید بخواهید f1 که هدف 1 شماست مینیم شود
و f2 که هدف 2 شماست ماکزیمم شود
کافی است تابع هدف نهایی را جوری تعریف کنید که ترکیبی از f1 و f2 باشد تا تابع کل مینیم شود.
مثلا f1/f2
از فازی فکر نکنم بتوانید استفاده کنید. بسته جامع آموزش فازی
ولی از ژنتیک می توانید استفاده کنید. فیلم-جامع-آموزش-فارسی-الگوریتم-ژنتیک
علی –
تشکر مفید بود