فیلم آموزش رایگان حل مسائل گسسته با استفاده از الگوریتم مورچگان

عنوان انگلیسی:

integer programming using ant colony optimization

توضیحات:

بهینه سازی کلونی مورچه ها یا Ant Colony Optimization و (به اختصار ACO)، که در سال ۱۹۹۲ توسط مارکو دوریگو (Marco Dorigo) و در رساله دکتری وی مطرح شد، یکی از بارزترین نمونه ها برای روش های هوش جمعی است. این الگوریتم از روی رفتار جمعی مورچه ها الهام گرفته شده است. مورچه ها با همکاری یکدیگر، کوتاه ترین مسیر را میان لانه و منابع غذایی پیدا می کنند تا بتوانند در کمترین زمان مواد غذایی را به لانه منتقل کنند. هیچ کدام از مورچه ها، به تنهایی قادر به انجام چنین کاری نیستند، اما با همکاری و پیروی از چند اصل ساده، بهترین راه را پیدا می کنند. الگوریتم مورچه ها، یک مثال بارز از هوش جمعی هستند که در آن عامل هایی که قابلیت چندان بالایی ندارند، در کنار هم و با همکاری یکدیگر می توانند نتایج بسیار خوبی به دست بیاورند.

الگوریتم مورچگان برای حل و بررسی محدوده وسیعی از مسائل بهینه سازی به کار برده شده است. از این میان می توان به حل مسأله کلاسیک فروشنده دوره گرد و همچنین مسأله راهیابی در شبکه های مخابرات راه دور اشاره نمود. در فیلم آموزش عملی حل مسائل گسسته با استفاده از الگوریتم مورچگان، روش های حل مسائل گسسته (از نوع باینری، عدد صحیح و جایگشتی) مورد بحث و بررسی واقع شده است. در این فیلم با حل سه مسأله به صورت عملی، نکات عملی مربوطه به طور گام به گام آموزش داده شده اند. سه مسأله مورد بررسی در این فیلم عبارتند از:
مسأله کوله پشتی باینری یا Binary Knapsack Problem
مسأله کوله پشتی عدد صحیح یا Integer Knapsack Problem
مسأله تخصیص درجه دو یا Quadratic Assignment Problem (به اختصار QAP)

سرفصل های مورد بحث در این فیلم آموزشی عبارتند از:
بیان ریاضی مسأله کوله پشتی باینری
شیوه نمایش راه حل مسأله باینری به صورت لایه ای در الگوریتم مورچگان
پیاده سازی گام به گام و حل مسأله کوله پشتی باینری در متلب
بهبود عملکرد و تکمیل برنامه نوشته شده
بیان ریاضی مسأله کوله پشتی عدد صحیح
طراحی راه حل به صورت لایه های نا متجانس در الگوریتم مورچگان
پیاده سازی گام به گام و حل مسأله کوله پشتی عدد صحیح در متلب
بیان ریاضی مسأله QAP و کاربردهای آن
نمایش راه حل مسأله QAP به صورت لایه ای در الگوریتم مورچگان
پیاده سازی گام به گام برنامه مربوط به حل QAP در متلب
بررسی تاثیر تغییر پارامترهای مسأله در پاسخ نهایی
نمایش گرافیکی نتایج حاصل از حل مسأله QAP
جمع بندی و نتیجه گیری های نهایی

مدرس: سید مصطفی کلامی هریس

کلمات کلیدی:
ACO, Ant Colony Optimization, Knapsack Problem, QAP, Quadratic Assignment Problem, آموزش ACO, آموزش الگوریتم مورچگان, الگوریتم مورچگان, بهینه سازی هوشمند, بهینه سازی کلونی مورچگان, تخصیص, فیلم آموزشی, فیلم آموزشی ACO, فیلم آموزشی الگوریتم مورچگان, متاهیوریستیک, مسأله تخصیص درجه دو, مسأله کوله پشتی, مسأله کوله پشتی باینری, مسأله کوله پشتی گسسته

برای کسب اطلاعات بیشتر، به این لینک مراجعه نمایید:
http://www.faradars.org/mvpac101c





تعداد کلیک:

۴۱۵۸



فرم عضویت در خبرنامه کدسرا
 

شما می توانید به منظور اطلاع یافتن از آخرین کدهای منتشر شده در کدسرا، با وارد کردن ایمیل خود در کادر زیر به عضویت خبرنامه کدسرا در آیید.



لینک خارجی

این مطلب، که توسط موتور جستجوی کدسرا پیشنهاد شده است، بر روی یک وبسایت دیگر قابل دسترسی است.

برای مشاهده آن، بر روی لینک زیر، کلیک کنید.



مشاهده لینک