آموزش مسائل و الگوریتم‌های بهینه‌سازی چند هدفه - آخرین آپدیت

دانلود Multi-objective Optimization Problems and Algorithms

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

آموزش بهینه‌سازی چند هدفه با الگوریتم‌های هوش مصنوعی (MOPSO & MOGA)

این دوره آموزشی، مقدمه‌ای است بر بهینه‌سازی چند هدفه با استفاده از الگوریتم‌های جستجوی هوش مصنوعی. در این دوره، به بررسی جزئیات و مدل‌های ریاضی مسائل با اهداف متعدد می‌پردازیم. سپس، بر درک مفاهیم اساسی در زمینه بهینه‌سازی چند هدفه تمرکز خواهیم کرد، مفاهیمی مانند: فضای جستجو، فضای هدف، بهینگی پارتو، مجموعه راه‌حل‌های بهینه پارتو، جبهه بهینه پارتو، غلبه پارتو، محدودیت‌ها، تابع هدف، جبهه‌های محلی، راه‌حل‌های محلی، راه‌حل‌های بهینه پارتو واقعی، جبهه بهینه پارتو واقعی و غیره.

در بخش دوم این دوره، روش‌های بهینه‌سازی متعددی برای حل مسائل بهینه‌سازی چند هدفه ارائه می‌شود، از جمله:

  • روش‌های بدون ترجیح
  • روش‌های پیشین
  • روش‌های پسین
  • روش‌های تدریجی

این دوره شامل تعداد زیادی ویدیوی آموزشی کدنویسی است تا فرصت کافی برای تمرین تئوری‌های مطرح شده در کلاس داشته باشید. همچنین، چندین مطالعه موردی شامل مسائل دنیای واقعی وجود دارد که به شما امکان می‌دهد فرآیند حل مسائل چالش‌برانگیز بهینه‌سازی چند هدفه با استفاده از الگوریتم‌های بهینه‌سازی چند هدفه را بیاموزید.

برای روش‌های جستجو، از الگوریتم‌های بهینه‌سازی تصادفی شامل بهینه‌سازی ازدحام ذرات (Particle Swarm Optimization) و الگوریتم‌های ژنتیک (Genetic Algorithms) استفاده خواهیم کرد. این بدین معناست که ما بهینه‌سازی ازدحام ذرات چند هدفه (MOPSO - Multi-Objective Particle Swarm Optimization) و الگوریتم‌های ژنتیک چند هدفه (MOGA - multi-Objective Genetic Algorithms) را توسعه خواهیم داد.

پیش‌نیازهای دوره

  • درک اساسی از بهینه‌سازی تک هدفه
  • آشنایی با زبان برنامه‌نویسی متلب (Matlab)
  • دانش پایه از الگوریتم‌های ژنتیک
  • دانش پایه از بهینه‌سازی ازدحام ذرات

نظرات دانشجویان

Femi گفت: "همانطور که همیشه، مربی در این دوره متخصص است و با جزئیات و مثال‌های واقعی توضیح می‌دهد و من عاشق سبک تدریس او هستم، حتی اگر دوره کمی سخت باشد، او آن را سرگرم‌کننده می‌کند!"

Pankaj گفت: "دکتر میرجلیلی با سرعت بسیار خوبی تدریس می‌کند و مفهوم را به وضوح منتقل می‌کند. مثال‌هایی که او استفاده می‌کند بسیار مرتبط هستند و او یادگیری مفاهیم دشوار را واقعاً سرگرم‌کننده می‌کند."

Oyakhilome گفت: "یک دوره عالی دیگر از دکتر سیدعلی. تمام اجزای دوره به خوبی ساختار یافته و متناسب با نیازهای آموزشی دانشجویان تنظیم شده‌اند. من این دوره را به همه افراد تازه وارد به حوزه بهینه‌سازی اکیداً توصیه می‌کنم."

به بیش از 1000 دانشجو بپیوندید و سفر بهینه‌سازی خود را با ما آغاز کنید. اگر به هر دلیلی راضی نبودید، می‌توانید ظرف 30 روز از Udemy بازپرداخت کامل دریافت کنید. هیچ سوالی پرسیده نمی‌شود. اما من مطمئنم که نیازی به این کار نخواهید داشت. من 100% از این دوره حمایت می‌کنم و متعهد هستم که در این مسیر به شما کمک کنم.

کلمات کلیدی: بهینه‌سازی چند هدفه، الگوریتم ژنتیک چند هدفه، MOPSO، MOGA، بهینه‌سازی ازدحام ذرات، هوش مصنوعی، متلب، آموزش بهینه‌سازی


سرفصل ها و درس ها

بخش 1: مقدمه Part 1: Introduction

  • مقدمه Introduction

بخش 2: مسائل بهینه سازی چند هدفه Part 2: Multi-objective Optimization Problems

  • مسائل بهینه سازی چند هدفه Multi-objective Optimization Problems

  • کدنویسی یک تابع محک چند هدفه Coding A Multi-objective Benchmark Function

  • کدنویسی یک تابع چند هدفه دنیای واقعی Coding A Real-world Multi-objective Function

  • فضای متغیر تصمیم و فضای هدف Decision Variable Space and Objective Space

  • فضای جستجو و فضای هدف ZDT1 Search Space and Objective Space of ZDT1

  • فضای جستجو و فضای هدف مسئله طراحی تیر یکسر درگیر Search Space and Objective Space of The Cantilever Beam Design Problem

  • نواحی شدنی و نشدنی در فضاهای پارامتر و هدف Feasible and Infeasible Areas in Parameter and Objective Spaces

بخش 3: مقدمات و تعاریف اساسی در بهینه سازی چند هدفه Part 3: Preliminaries and Essential Definitions in Multi-objective Optimization

  • غلبه پارتو بهینه و بهینگی پارتو Pareto Optimal Dominance and Pareto Optimality

  • مجموعه راه حل پارتو بهینه و جبهه پارتو بهینه Pareto Optimal Solution Set and Pareto Optimal Front

  • کدنویسی یک تابع برای غلبه پارتو بهینه Coding A Function for Pareto Optimal Dominance

بخش 4: الگوریتم های چند هدفه Part 4: Multi-objective Algorithms

  • طبقه بندی الگوریتم های بهینه سازی چند هدفه A Classification of Multi-objective Optimization Algorithms

  • روش های بدون ترجیح: تئوری و کدنویسی No Preference Methods: theory and coding

  • الگوریتم های چند هدفه پیشین: تئوری A Priori Multi-objective Algorithms: theory

  • الگوریتم های چند هدفه پیشین: کدنویسی A Priori Multi-objective Algorithms: coding

  • الگوریتم های چند هدفه پسین: تئوری A Posteriori Multi-objective Algorithms: Theory

  • الگوریتم های چند هدفه پسین: کدنویسی A Posteriori Multi-objective Algorithms: Coding

  • الگوریتم های چند هدفه پیشرونده: تئوری Progressive Multi-objective Algorithms: Theory

  • الگوریتم های چند هدفه پیشرونده: کدنویسی Progressive Multi-objective Algorithms: Coding

Bonus Video-ویدیو جایزه Bonus Video

  • Thank You-متشکرم Thank You

نمایش نظرات

آموزش مسائل و الگوریتم‌های بهینه‌سازی چند هدفه
جزییات دوره
4 hours
20
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
3,327
4.4 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Seyedali Mirjalili Seyedali Mirjalili

دکتری هوش مصنوعی