آموزش محاسبات تکاملی - آخرین آپدیت

دانلود Cómputo evolutivo

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: محاسبات تکاملی (Evolutionary Computation یا EC)، تئوری تکامل طبیعی و ژنتیک را در انطباق تکاملی ساختارهای محاسباتی به کار می‌گیرد و روشی جایگزین برای حل مسائل پیچیده در حوزه‌های مختلف مانند مهندسی، اقتصاد، شیمی، پزشکی و حتی هنر ارائه می‌دهد. در این رویکرد، مجموعه‌ای از راهکارهای احتمالی برای یک مسئله، مشابه جمعیتی از موجودات زنده در نظر گرفته می‌شوند که در هر نسل تکامل می‌یابند؛ به این صورت که بهترین افراد جمعیت ترکیب شده و ویژگی‌های والدین به فرزندان منتقل می‌شود. در این حوزه، طرح‌های مختلفی از روش‌های تکاملی توسعه یافته‌اند که بر اساس نوع ساختارهای تشکیل‌دهنده جمعیت با یکدیگر تفاوت دارند. الگوریتم‌های تکاملی (EA) که به عنوان نام دیگر محاسبات تکاملی شناخته می‌شوند، به عنوان روش‌های بهینه‌سازی و جستجو تعریف می‌شوند که با الهام از فرآیندهای تکامل طبیعی، سعی در تقلید جزئی از آن‌ها دارند. این الگوریتم‌ها جمعیتی از ساختارها را نگهداری می‌کنند که بر اساس قوانین انتخاب و سایر عملگرهای ژنتیکی مانند crossover (ترکیب) و mutation (جهش) تکامل می‌یابند (Bäck, 1996). الگوریتم‌های تکاملی تنها روش‌های بهینه‌سازی پیشنهاد شده بر اساس سیستم‌های بیولوژیکی نیستند. طیف وسیعی از الگوریتم‌های بهینه‌سازی وجود دارند که رفتار سیستم‌های طبیعی مانند کلونی مورچه‌ها، الگوریتم‌های فرهنگی و بهینه‌سازی ازدحام ذرات (PSO) را شبیه‌سازی می‌کنند. از اینجا است که مفهوم «الگوریتم‌های با الهام از زیست‌شناسی» (Bio-inspired Algorithms) شکل می‌گیرد، زیرا مبانی خود را از ساختار فرآیندها و سیستم‌های بیولوژیکی مانند تکامل، انتخاب طبیعی و رفتار اجتماعی حیواناتی چون مورچه‌ها، زنبورها و ماهی‌ها می‌گیرند. BÄCK, T. (1996) Evolutionary Algorithms in Theory and Practice. Oxford University Press. DARWIN, C. (1859) On the Origin of Species by Means of Natural Selection, or the Preservation of Favoured Races in the Struggle for Life, John Murray.

سرفصل ها و درس ها

مقدمه‌ای بر محاسبات تکاملی Introducción a la computación evolutiva

  • مقدمه‌ای بر محاسبات تکاملی Introducción a la computación evolutiva

  • آشنایی با الگوریتم‌های ژنتیک Introducción a los algoritmos genéticos

اصول عملکرد الگوریتم ژنتیک Principios de operación de un algoritmo genético

  • الگوریتم ژنتیک ساده Algoritmo genético simple

  • عملگرهای ژنتیکی Operadores genéticos

  • قضیه طرح (Schema Theorem) Teorema del esquema

  • انتخاب پارامترهای عملگرهای ژنتیکی Selección de parámetros de los operadores genéticos

پیاده‌سازی یک الگوریتم ژنتیک پایه Implementación de un algoritmo genético básico

  • پیاده‌سازی یک الگوریتم ژنتیک پایه Implementación de un algoritmo genético básico

  • گام‌به‌گام اجرای الگوریتم ژنتیک پایه Paso a paso de un algoritmo genético básico

  • پیاده‌سازی عملی الگوریتم ژنتیک پایه Implementación práctico de un algoritmo genético básico

کاربردهای الگوریتم‌های ژنتیک و سایر تکنیک‌های تکاملی Aplicaciones de algoritmos genéticos y otras técnicas evolutivas

  • کاربردهای الگوریتم‌های ژنتیک Aplicaciones de algoritmos genéticos

  • سایر تکنیک‌های تکاملی و الهام‌گرفته از زیست‌شناسی Otras técnicas evolutivas y bioinspiradas

  • جمع‌بندی و پایان دوره Cierre del curso

نمایش نظرات

آموزش محاسبات تکاملی
جزییات دوره
19h 37m
12
(آخرین آپدیت)
4,512
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده