بهینه سازی با الگوریتم های ژنتیک: پایتون عملی

سرفصل ها و درس ها

مقدمه Introduction

• محتوای دوره Course Content

• اطلاعات دوره Course Information

• منابع Resources

مبانی پایتون Python Basics

• توجه داشته باشید! Note!

• گوگل کولب Google Colab

• متغیرها و روش ها Variables and Methods

• اپراتورهای ریاضی Math Operators

• اپراتورهای واگذاری Assignment Operators

• اپراتورهای مقایسه Comparison Operators

• عملگرهای منطقی Logical Operators

• بیانیه مشروط Conditional Statement

• حلقه Loop

• فهرست کنید List

• فرهنگ لغت Dictionary

• چندتایی Tuple

• برای حلقه for Loop

• تابع محدوده Range Function

مقدمه ای بر الگوریتم ژنتیک Introduction to Genetic Algorithm

• جنبه زیست شناسی الگوریتم ژنتیک Biology Aspect of Genetic Algorithm

• جنبه ریاضی الگوریتم ژنتیک Mathematical Aspect of Genetic Algorithm

توسعه الگوریتم ژنتیک از ابتدا Developing Genetic Algorithm from Scratch

• درک مسئله Understanding the Problem

• تعریف معادلات Defining the Equations

• مقداردهی اولیه Initialization

• ارزیابی Evaluation

• انتخاب Selection

• کراس اوور Crossover

• جهش Mutation

• نخبه گرایی Elitism

• یافتن راه حل بهینه Finding the Optimal Solution

• تجسم Visualization

• فراخوانی تابع الگوریتم ژنتیک Calling the Genetic Algorithm Function

• Hyper Parameters Hyper Parameters

کتابخانه الگوریتم ژنتیک Genetic Algorithm Library

• مقدمه Introduction

• درک مسئله Understanding the Problem

• نصب های اولیه Initial Installations

• تعریف معادلات Defining the Equations

• ایجاد یک نمونه و اجرای مدل Creating an Instance and Run the Model

• Hyper Parameters Hyper Parameters

• ورزش کنید Exercise

نتیجه گیری Conclusion

• نتیجه گیری و پیشنهاد خواندن آینده Conclusion and Future Reading Suggestion

پاداش! Bonus!

• سخنرانی جایزه! Bonus Lecture!