الگوریتم بهینه سازی کلونی مورچگان چیست؟
ژوئن 26, 2010/0 دیدگاه/در aco, الگوریتم کلونی مورچگان - ACO, مقاله آموزشی /توسط admin
الگوریتم
Ant colony Optimization که به اختصار ACO نامیده می شود و به نامهای
الگوریتم کلونی مورچگان و بهینه سازی کلونی مورچه ها در ایران شناخته می
شود یکی از شناخته شده ترین الگوریتم های بهینه سازی تکاملی است. بر آن
شدیم تا در وبسایت الگوریتم رقابت استعماری در پستی کوتاه به معرفی این
الگوریتم بپردازیم. با ما در ادامه مطلب همراه باشید.
مورچه‌ها این
قابلیت را دارند که می‌توانند با تولید فرومون، کوتاهترین مسیر به غذا را
بیابند. مورچه‌ها مسیر غذا را توسط فرمون، پیدا می‌کنند. مورچه‌هایی که
کوتاهترین مسیر را انتخاب می‌کنند، نسبت به آن‌هایی که مسیر طولانی‌تری را
انتخاب می‌کنند، دنباله‌ی فرمون شدیدتری، ایجاد می‌کنند. از آنجاکه فرمون
شدیدتر، مورچه‌ها را بهتر جذب می‌کند، مورچه‌های بیشتر و بیشتری، مسیر
کوتاه‌تر را انتخاب می‌کنند تا آنجاکه همه‌ی مورچه‌ها، کوتاهترین مسیر را
یافته و از آن مسیر حرکت می‌کنند. برای بررسی بیشتر موضوع، فرض می‌کنیم که
به عنوان مثال، سه مسیر به منبع غذا وجود دارند که دارای طول متفاوتی
هستند. مورچه‌ها، هر سه مسیر را با احتمالات یکسان، انتخاب می‌کنند.
مورچه‌هایی که مسیر کوتاه‌تر را رفته و برگشته‌اند، بیشترین فرمون را زودتر
از بقیه تولید می‌کنند. در نتیجه، مورچه‌های دیگر این مسیر را زودتر
انتخاب کرده و به نوبه‌ی خود، سطح فرمون این مسیر را تقویت می‌کنند. در
نهایت همه‌ی مورچه‌ها، کوتاهترین مسیر به غذا را می‌پیمایند.
عملکرد
مورچه‌های آرژانتینی(1) در یافتن کوتاهترین مسیر بین لانه و منبع غذایی،
بسیار عجیب و حیرت انگیز است. مورچه‌ی آرژانتینی عملا کور است و طبعا
کوتاهترین مسیر برای او مفهومی ندارد و توسط او قابل شناخت نمی‌باشد. اما
با وجود چنین کمبودی، توده‌ای از این مورچه‌ها می‌توانند با همکاری یکدیگر،
کوتاهترین مسیر موجود بین لانه و محل مواد غذایی را پیدا کنند. برای پی
بردن به این خاصیت، آزمایشی در محیطی شبیه به شکل 2-10 ترتیب داده شده است.
در ابتدا تمامی مورچه‌ها در محل لانه هستند و قبلا هیچ مورچه‌ای از مسیر
بین لانه و محل مواد غذایی رد نشده است. آزمایش نشان می‌دهد که مورچه‌ها پس
از مدتی کوتاهترین مسیر بین لانه و محل مواد غذایی را انتخاب خواهند
نمود. این آزمایش توسط گاس و همکارانش انجام گرفته است و نتایج آن طی
مقالاتی در سال‌های 1989 و 1992 منتشر گردیده است.
شکل: رفتار مورچه‌های آرژانتینی در آزمایش گاس و همکارانش
اولین
الگوریتم بهینه‌سازی کلونی مورچه‌ها (ACO) برای حل مسئله‌ی فروشنده‌ی
دوره‌گرد طراحی شد [1]. در این بخش به طور خلاصه چگونگی عملکرد ACO برای حل
این مسئله مورد بررسی قرار می‌گیرد. در این مسئله، ACO با یک تعداد اولیه
از مورچه‌ها که مسیری را در اطراف شهرها، طی می‌کنند، شروع میشود. هر
مورچه، فرمونی را در طول مسیر آزاد می‌کند. الگوریتم با اختصاص هر مورچه به
یک شهر که بطور تصادفی انتخاب میشود، شروع می‌گردد. شهر بعد با یک احتمال
وزن‌دار، که تابعی از شدت فرمون موجود در مسیر و طول آن است، انتخاب
میشود. احتمال اینکه مورچه‌ی kام مسیر شهر mام به شهر nام را طی کند برابر
است با
p_{mn}^k = \frac{{\tau _{mn}^a/d_{mn}^b}}{{\sum\nolimits_q {(\tau _{mn}^a/d_{mn}^b)} }}
که در آن
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir
\tau ، شدت فرمون
q، شهر‌های موجود در مسیر k که بعد از شهر m می‌آیند.
a، وزن‌دهی فرمون؛ زمانی که a=0، نزدیک‌ترین شهر انتخاب میشود.
b، وزن‌دهی فاصله؛ زمانی که b=0، فاصله میان شهر در نظر گرفته نمی‌شود.
کوتاهترین
مسیر، با بیشترین فرمون، بیشترین احتمال انتخاب شدن را دارد. در
استفاده‌های اولیه‌ی از ACO، این نتیجه حاصل شد که یک استراتژی نخبه‌گرایی
نیز همانند آنچه که برای GA وجود دارد، میتواند کارایی الگوریتم را بهبود
ببخشد. در نتیجه، در محاسبه‌ی سطوح فرمون، به فرمون در طول بهترین مسیر،
وزنی داده میشود. فرمول بهینه‌سازی فرمون، به صورت زیر بیان میشود.
که در آن
{\tau _{mn}} = (1 - \xi ){\tau _{mn}} + \sum\limits_{k = 1}^{{N_{ants}}} {\tau _{mn}^k + \varepsilon \tau _{mn}^{elite}}
\tau _{mn}^k، فرمون ایجاد شده توسط مورچه‌ی k بین شهر‌های m و n
\xi ، ضریب تبخیر فرمون
\varepsilon ، ثابت وزن‌دهی مسیر نخبه
\tau _{mn}^{elite}، فرمون ایجاد شده روی بهترین مسیری که تاکنون، توسط الگوریتم یافته شده است. ی
ک حل نوعی از مسئله فرشنده دوره گرد توسط الگوریتم کلونی مورچگان را در شکل زیر می بینید.
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir
شکل: یک حل نوعی از مسئله فرشنده دوره گرد توسط الگوریتم کلونی مورچگان
ACO
برای حل مسائل دیگر بهینه‌سازی نیز استفاده میشود. الگوریتم کلونی
مورچگان در ورژن اولیه خود برای حل مسائل گسسته از نوع جایگشتی معرفی شد.
بیشترین استفاده از این الگوریتم به حل مسائل مسیریابی در شبکه های
کامپیوتری، تخصیص منابع در مهندسی صنایع، تقسیم وظایف در پردازنده ها و
میان ماشین آلات بر می گردند. در مقابل ACO، الگوریتم های PSO و رقابت
استعماری که به اختصار ICA نامیده می شود برای حل مسائل پیوسته معرفی شدند.
اما هر دو الگوریتم در مدت کوتاهی پس از معرفی شدن، با معرفی نسخه های
گسسته به ابزاری برای حل مسائل گسسته و بطور ویژه مسائل جایگشتی تبدیل
شدند.
لازم به ذکر است که بر روی وبسایت الگوریتم رقابت استعماری کدهای
حل مسئله فرشنده دوره گرد توسط الگوریتم کلونی مورچه ها نیز قرار داده شده
است. در انتهای پست چند شکل دیگر مربوط به رفتار بهینه مورچه ها در یافتن
مسیر غذا را می بینیم.
——————————————————————————————-
(1) نام
علمی این گونه‌ی خاص Linepithema Humile است که قبلا به نام Iridomyrmex
Humilis نیز خوانده می‌شد. مورچه‌ی آرژانتینی بسیار ریز و تیره رنگ است.
زیستگاه این موجود در بخش‌های شمالی آرژانتین، اوروگوئه و پاراگوئه و
همچنین بخش‌های جنوبی برزیل است.
شکل: رفتار بهینه کلونی مورچه ها
شکل: رفتار بهینه کلونی مورچه ها
شکل: رفتار بهینه کلونی مورچه ها
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir
_____________________________________________
نظرات
شما در انتهای این پست برای سایر خوانندگان، بسیار مفید خواهد بود. می
توانید نظر خود را با اکانت سرویس های مختلف و یا به عنوان ناشناس در این
پست درج نمائید.
صرف زمان برای یادگیری اتلاف زمان نیست. سرمایه گذاری زمانی است.
تبلیغات:
متلبسایت
فایل آموزشی جامعی در این زمینه دارد. با ذکر نام وبسایت الگوریتم رقابت
استعماری و بهینه سازی تکاملی از 30 درصد تخفیف ویژه!! در خرید فایل آموزشی
جامع زیر در مورد الگوریتم کلونی مورچگان بهره مند شوید. جهت کسب اطلاعات
بیشتر روی لینک عکس زیر کلیک کنید.
____________________________________
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir
فیلم های آموزشی در زمینه هوش مصنوعی و برنامه نویسی متلب
معرفی آموزش جامع کلونی زنبور مصنوعی یا Artificial Bee Colony در متلب
آگوست 13, 2014/0 دیدگاه/در aco, الگوریتم کلونی مورچگان - ACO /توسط admin
فیلم آموزشی جامع کلونی زنبور مصنوعی یا Artificial Bee Colony در متلب
ممکن
است شما نام الگوریتم کلونی زنبور عسل را شنیده باشید و به دنبال فراگیری
آن باشید. در این پست می خواهیم آموزش ارائه شده برای این الگوریتم را
معرفی نماییم. تئودور واس استفاده از هوش جمعی زنبور در توسعه سیستمهای
مصنوعی با هدف حل مسایل پیچیده در ترافیک و حمل ونقل را پیشنهاد داده‌است.
زنبورهای
عسل از جمله حشراتی هستند که در کلونی ها و مجموعه های نسبتا بزرگ در کنار
یکدیگر زندگی می کنند و علاوه بر منافعی که در زمینه کشاورزی، باغداری و
تولید عسل و موم از این حشره مفید کسب می شود، رفتار اجتماعی منظم این
موجودات، همواره منشأ الهام و مبدأ مطالعات علمی قرار گرفته است. تا کنون
نسخه های مختلفی از الگوریتم های بهینه سازی ارائه شده اند، که از رفتار
گروهی زنبورها برگرفته شده اند.
آموزش الگوریتم کلونی زنبور مصنوعی
یا Artificial Bee Colony در متلب که توسط فرادرس به صورت فیلم آموزشی
ارائه شده است، یکی از نسخه های معروف از دسته الگوریتم های مبتنی بر
زنبورهای عسل را مورد بررسی قرار داده است، که به نام کلونی زنبورهای
مصنوعی و یا Artificial Bee Colony (به اختصار ABC) شناخته می شود. این
آموزش به زبان ساده بیان شده و شما با مشاهده آن میتوانید این اگوریتم را
به طور کامل فراگیرید و در مسائل خود از آن استفاده نمایید.
این
فیلم آموزشی ضمن مرور بر رفتار زنبورهای عسل در طبیعت و شیوه پیمایش مسیر
برای یافتن منابع غذایی، مدل ریاضی الگوریتم کلونی زنبور مصنوعی (به اختصار
ABC) را ارائه می کند و مراحل مختلف الگوریتم ABC را بررسی می نماید و
همچنین عملکرد برخی پارامترها را تحلیل می نماید. بدین ترتیب یک آموزش جامع
از این مباحث ارائه می شود.
برای مشاهده این آموزش لینک زیر را ببینید.
فیلم آموزشی جامع کلونی زنبور مصنوعی یا Artificial Bee Colony در متلب-کلیک کنید
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir
معرفی آموزش جامع الگوریتم زنبورها یا Bees Algorithm در متلب
آگوست 13, 2014/0 دیدگاه/در aco, الگوریتم کلونی مورچگان - ACO /توسط admin
فیلم آموزشی جامع الگوریتم زنبورها یا Bees Algorithm در متلب
در
این پست یک آموزش از الگوریتم زنبورها معرفی شده است. زنبورهای عسل از
جمله حشراتی هستند که در کلونی ها و مجموعه های نسبتا بزرگ در کنار یکدیگر
زندگی می کنند و علاوه بر منافعی که در زمینه کشاورزی، باغداری و تولید عسل
و موم از این حشره مفید کسب می شود، رفتار اجتماعی منظم این موجودات،
همواره منشأ الهام و مبدأ مطالعات علمی قرار گرفته است. تا کنون نسخه های
مختلفی از الگوریتم های بهینه سازی ارائه شده اند، که از رفتار گروهی
زنبورها برگرفته شده اند. آموزشی که برای فراگیری این الگوریتم توسط فرادرس
ارائه شده است، یکی از نسخه های معروف از دسته الگوریتم های مبتنی بر
زنبورهای عسل می باشد، که به نام الگوریتم زنبورها (زنبوران) و یا Bees
Algorithm (به اختصار BA) شناخته می شود. این آموزش به شما کمک می کند تا
ضمن فراگیری کامل این الگوریتم، بتوانید آن را در پروژه های خود پیاده سازی
کنید.
این آموزش رفتار زنبورهای عسل در طبیعت و شیوه پیمایش مسیر
آنها برای یافتن منابع غذایی را مختصرا بررسی می کند و ضمن ارائه مدل ریاضی
این الگوریتم و بررسی مراحل مختلف آن، نسخه های تغییر یافته را نیز بررسی
می کند. همچنین یک مساله بهینه سازی پیوسته حل و پیاده سازی می شود.
در ادامه لینک این فیلم آموزشی آمده است.
فیلم آموزشی جامع الگوریتم زنبورها یا Bees Algorithm در متلب-کلیک کنید
معرفی آموزش الگوریتم مورچگان در متلب
آگوست 9, 2014/0 دیدگاه/در aco, الگوریتم کلونی مورچگان - ACO /توسط admin
بسته طلایی فیلم‌های آموزشی الگوریتم مورچگان در متلب
اگر
قصد دارید الگوریتم مورچگان را به صورت جامع و کاملا عملی همراه با
برنامه نویسی آن در متلب، بیاموزید، آموزش ارائه شده توسط فرادرس را به شما
معرفی می کنیم. بسته طلایی فیلم های آموزشی الگوریتم مورچگان در متلب
عنوان یک مجموعه آموزشی کامل فرادرس است که شامل تقریبا ۷ ساعت فیلم آموزشی
ناب به زبان فارسی است. این مجموعه آموزشی از چندین قسمت تشکیل شده است که
شامل: آموزش جامع الگوریتم مورچگان کلاسیک یا ACO در متلب، آموزش عملی حل
مسائل گسسته با استفاده از الگوریتم مورچگان در متلب و آموزشی جامع
الگوریتم مورچگان پیوسته یا ACOR در متلب می شود. تمام مباحث ارائه شده در
این مجموعه در متلب پیاده سازی شده و تمامی کدها به همراه آموزش ها ارائه
شده است. شما می توانید در کوتاهترین زمان ممکن آموزش جامعی از الگوریتم
مورچگان ببینید.
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir
برای آشنایی با این محصول آموزشی، لینک زیر را ببینید.
بسته طلایی فیلم‌های آموزشی الگوریتم مورچگان در متلب-کلیک کنید
نحوه کد کردن کروموزوم، ذره و یا کشور در الگوریتم های بهینه سازی به صورت ماتریس
در
برخی موارد، متغیرهای بهینه سازی ما در قالب یک ماتریس قرار دارند. سوالی
که مطرح می شود این هست که چگونه می توان موارد این چنینی را توسط کدهای
آماده روشهای مطرح بهینه سازی همچون الگوریتم ژتتیک، الگوریتم ازدحام ذرات و
الگوریتم رقابت استعماری حل کرد؛ در حالی که این کدها، غالباً با دنباله
متغیرهایی به صورت یک رشته با طول N کار می کنند نه یک ماتریس! مثلاً سوال
زیر را در نظر بگیرید، که توسط یکی از دوستان در مورد نحوه انجام این کار
در الگوریتم رقابت استعماری پرسیده بودند:
آیا می توان به جای
این که در تابع ارزیابی برداری از متغیرها داشته باشیم برداری از ماتریس ها
یا بردارها داشته باشیم. به عبارت دیگر رمزگذاری مسئله به شکلی باشد که
برای نمایش هر کروموزوم (کشور)یک ماتریس داشته باشیم. آنگاه آیا می توان
از کدهای متلب الگوریتم رقابت استعماری که در حال حاضر در وبسایت محاسبات
تکاملی (icaSite.info) قرار دارد برای این رمزگذاری استفاده کرد یا باید
نسخه ای دیگر از این برنامه تولید کرد؟ اگر تغییراتی در کدفعلی لازم است
لطفا بفرمایید.
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir
برخی از کاربردهای عمده الگوریتم های ژنتیک و روشهای محاسبات تکاملی
آوریل
10, 2011/0 دیدگاه/در aco, ga, ICA, pso, الگوریتم رقابت استعماری - ICA,
الگوریتم پرندگان - PSO, الگوریتم ژنتیک, الگوریتم کلونی مورچگان - ACO,
مقاله آموزشی /توسط admin
الگوریتم های ژنتیک که بر پایه تکامل
زیستی می باشند، روش های جست و جویی هستند که در علوم کامپیوتر به کار می
روند. در این پست، به بررسی کاربردهای الگوریتم ژنتیک و استفاده از آن در
زمینه‌های مختلف می پردازیم. این مقاله نسخه ویرایش شده ترجمه مقاله کوتاهی
است که توسط خانم شهربانو مهدینژاد، دانشجوی مدیریت دانشگاه تگزاس اِی
اَند اِم، تهیه شده و جهت استفاده دوستان دانشجو، در اختیار وبسایت محاسبات
تکاملی قرار داده شده است. همانگونه که در پست زیر توضیح داده شده است،
کاربردهای مطرح شده، با اینکه در مورد الگوریتم ژنتیک هستند. اما همین
کاربردها را عیناً می توان در مورد الگوریتم های مشابه دیگر همچون الگوریتم
انبوه ذرات، الگوریتم کلونی مورچگان و الگوریتم رقابت استعماری بیان کرد.
جهت کسب اطلاعات بیشتر، این پست (نحوه تعریف یک مسئله مناسب بهینه سازی
برای حل با الگوریتم رقابت استعماری) را ببینید.
ادامه مطلب >>
محاسبات تکاملی و الگوریتم رقابت استعماری در فیس بوک و سایر شبکه های اجتماعی
فوریه
5, 2011/0 دیدگاه/در aco, ga, ICA, pso, الگوریتم رقابت استعماری - ICA,
الگوریتم پرندگان - PSO, الگوریتم ژنتیک, الگوریتم کلونی مورچگان - ACO,
خبر /توسط admin
علاقه مندان حوزه محاسبات تکاملی (Genetic
Algorithms, Particle Swarm Optimization, Ant Colony Optimization,
Imperialist Competitive Algorithm) می توانند، مطالب منتشر شده را در فیس
بوک و سایر شبکه های اجتماعی ما نیز دنبال نمایید.
به زودی فراخوان دوره های جدیدی از وبینار و کارگاه های آموزشی این حوزه از طریق همین شبکه های اجتماعی اعلام خواهند شد.
صفحه فیس بوک فارسی “الگوریتم رقابت استعماری” (کلیک کنید)
صفحه فیس بوک انگلیسی “الگوریتم رقابت استعماری” (کلیک کنید)
گروه فیس بوک “محاسبات تکاملی“ (کلیک کنید)
پروفایل فیس بوک “محاسبات تکاملی“ (کلیک کنید)
کلوب “محاسبات تکاملی” در شبکه اجتماعی ایرانی کلوب (کلیک کنید)
گروه گوگلی محاسبات تکاملی: برای عضویت، کافی این لینک را دنبال کنید و یا یک ایمیل به آدرس زیر ارسال نمایید.
ادامه مطلب >>
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir
فیلم: مروری بر روشهای محاسبات تکاملی و الگوریتم رقابت استعماری
نوامبر
9, 2010/0 دیدگاه/در aco, ga, ICA, pso, الگوریتم رقابت استعماری - ICA,
الگوریتم پرندگان - PSO, الگوریتم ژنتیک, الگوریتم کلونی مورچگان - ACO,
فیلم آموزشی /توسط admin
دراین پست فیلم یکی از نشست های وبینار
محاسبات تکاملی با موضوع “مروری بر روشهای محاسبات تکاملی و الگوریتم رقابت
استعماری” را خدمتتان جهت دانلود و نیز مشاهده آنلاین قرار داده ایم.
ادامه مطلب >>
فیلم: الگوریتم کلونی مورچگان چندگانه با تبادل اطلاعات
نوامبر 9, 2010/2 دیدگاه/در aco, الگوریتم کلونی مورچگان - ACO, فیلم آموزشی /توسط admin
دراین
پست فیلم یکی از نشست های وبینار محاسبات تکاملی با موضوع “الگوریتم کلونی
مورچگان چندگانه با تبادل اطلاعات (Multiple Heterogeneous Ant Colonies
with Information Exchange)” را خدمتتان جهت دانلود و نیز مشاهده آنلاین
قرار داده ایم.
ادامه مطلب >>
دانلود رایگان کد الگوریتم بهینه سازی کلونی مورچه ها برای حل مسأله فروشنده دوره گرد
ژوئن 27, 2010/0 دیدگاه/در aco, الگوریتم کلونی مورچگان - ACO, دانلود کد آماده /توسط admin
الگوریتم
بهینه سازی کلونی مورچه ها، و یا به اختصار الگوریتم مورچه ها، از رفتار
مورچه های طبیعی که در مجموعه ها بزرگ در کنار هم زندگی می کنند الهام
گرفته شده است و یکی از الگوریتم های بسیار کارآمد در حل مسائل بهینه سازی
ترکیبی است. الگوریتم های دیگری نیز بر اساس الگوریتم مورچه ها ساخته شده
اند که همگی سیستم های چند عاملی هستند و عامل ها مورچه های مصنوعی یا به
اختصار مورچه هایی هستند که مشابه با مورچه های واقعی رفتار 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. این الگوریتم 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. با ما در ادامه مطلب، همراه باشید.
مساله
فروشنده دوره گرد (Traveling Salesman Problem) و یا به اختصار TSP، یکی
از مسائل مشهور بهینه سازی ترکیبی است. در این مسأله، یک فروشنده دوره گرد
می خواهد به چند شهر سفر کند و کالای خود را به فروش برساند. اما می بایست
از تمام شهرها عبور کند، از هر شهر فقط یک بار عبور کند و با طی کوتاه ترین
مسیر، سفر خود را به پایان برساند. حل این مساله کاربردهای وسیعی در حوزه
های مختلف مهندسی دارد. از جمله مسائلی که از نظر ریاضی با مسأله TSP معادل
هستند، می توان به حل انواع مسایل زمانبندی، مسیریابی، جایابی کالا در
انبار، جایابی ماشینها در کارگاه ها، و طراحی مدارات چاپی اشاره نمود.
با
توجه به درخواست های مکرر مراجعین و بازدیدکنندگان محترم، گروه برنامه
نویسان متلب سایت، اقدام به تهیه برنامه حل مسئله فروشنده دوره گرد با
استفاده از الگوریتم بهینه سازی کلونی مورچه ها کرده است و کد متلب آن را
برای دانلود در اختیار مراجعین قرار داده است.
لینک دانلود برنامه
الگوریتم مورچه ها برای حل مسأله فروشنده دوره گرد، در ادامه قرار داده شده
است. کدها و برنامه رایگان ارائه شده می توانند به عنوان یک پروژه کامل و
مجزا در مورد الگوریتم ;کلونی مورچگان (انت کلونی – Ant Colony – ACO) در
حل مسئله فروشنده دوره گرد (Traveling Salesman Problem – TSP )، مورد
استفاده آموزشی نیز قرار بگیرند.
دانلود رایگان کد الگوریتم بهینه سازی کلونی مورچه ها برای حل مسأله فروشنده دوره گرد (70 KB)
نکته:اگر فایلهای دریافتی نیاز به پسورد داشتند، عبارت matlabsite.com را استفاده کنید.
نیاز به راهنمائی و مشاوره بیشتری در مورد این کدها دارید؟
یک
فیلم کوتاه با کد محصول icaMV003 شامل توضیحاتی در مورد برنامه نوشته شده و
نحوه اجرا و ایجاد تغییرات در آن تهیه شده است. قیمت این فیلم 2690 تومان
است. با ارائه کد محصول فوق و با واریز وجه، لینک دانلود این فیلم را در
کمتر از 24 ساعت در ایمیل خود داشته باشد. از طریق بخش تماس با ما با ما
جهت دریافت این محصول مکاتبه نمایئد. همچنین جلسات آموزشی آنلاین ما (در
این لینک) نیز، تجربه موفقی از یک دوره فشرده آموزشی هوش مصنوعی را بر جای
گذاشته است.
اگر به هر نحو ممکن در دانلود فایلهای فوق با مشکل روبرو
شدید، با ارسال ایمیل از طریق قسمت تماس با ما و یا با نوشتن کامنت در
پایین همین پست، ما را در جریان قرار دهید.
منبع این پست، متلبسایت، مرجع کاربران و برنامه نویسان متلب و هوش مصنوعی می باشد.
_____________________________________________
نظرات
شما در انتهای این پست برای سایر خوانندگان، بسیار مفید خواهد بود. می
توانید نظر خود را با اکانت سرویس های مختلف و یا به عنوان ناشناس در این
پست درج نمائید.
صرف زمان برای یادگیری اتلاف زمان نیست. سرمایه گذاری زمانی است.
____________________________________
فیلم های آموزشی در زمینه هوش مصنوعی و برنامه نویسی متلب
دانلود رایگان کتاب الگوریتم بهینه سازی کلونی مورچه ها – Ant Colony Optimization
ژوئن 26, 2010/0 دیدگاه/در aco, الگوریتم کلونی مورچگان - ACO, دانلود کتاب /توسط admin
رفتار
پیچیده و اجتماعی مورچه ها، که پیشتر توسط زیست شناسان و حشره شناسان مورد
مطالعه قرار می گرفت، امروزه به واسطه استفاده ای که از این دستاوردهای
زیستی در زمینه بهینه سازی انجام می شود، به یکی از زمینه های مطالعاتی و
تحقیقاتی دانشمندان علوم کامپیوتری، تبدیل شده است. توانایی الگوریتم بهینه
سازی مورچه ها، در حل دسته های خاصی از مسائل، موسوم به مسائل کوتاه ترین
مسیر، مطالعه و توسعه این الگوریتم را به یک امر جذاب و پرطرفدار در رشته
علوم کامپیوتر تبدیل کرده است. در این کتاب منحصر به فرد، پیش زمینه های
تئوری مربوط به الگوریتم های مورچه، در کنار کاربردهای عملی آن، به خوبی
مورد بحث و بررسی قرار گرفته اند. همچنین نسخه های مختلف الگوریتم مورچه به
طور کامل تحلیل و بررسی شده اند. با ما در ادامه مطلب همراه باشید.
منبع این پست، متلبسایت، مرجع کاربران و برنامه نویسان متلب و هوش مصنوعی می باشد.
نویسندگان
این کتاب، از سرشناس ترین دانشمندان در حوزه هوش جمعی یا هوش ازدحامی
(Swarm Intelligence) و الگوریتم های مورچه هستند. نوسینده اول این کتاب
مارکو دوریگو (Marco Dorigo) است که برای اولین بار، موضوع بهینه سازی با
استفاده از رفتار اجتماعی مورچه ها را در رساله دکترای خود پیشنهاد کرد و
سال ها با موسسه ایریدیا (Iridia)، که یک موسسه تحقیقات ریاضی در
ایتالیاست، در این زمینه همکاری کرده است. وی رساله ده ها دانشجوی دکترا را
در زمینه الگوریتم مورچه ها، راهنمایی کرده است. نویسنده دوم این کتاب
نیز، اشتوتزل (Stutzle) است که او نیز نقش بسیار زیادی در تکامل تئوری
الگوریتم مورچه ها داشته است. به عنوان مثال الگوریتم سیستم مورچه
کمینه-بیشینه (Max-Min Atn System) یا MMAS از ابداعات وی می باشد.
در ادمه لینک دانلود کتاب الگوریتم بهینه سازی کلونی مورچه ها قرار داده شده است:
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir
لینک دانلود
منبع این پست، متلبسایت، مرجع کاربران و برنامه نویسان متلب و هوش مصنوعی می باشد.
____________________________________
فیلم های آموزشی در زمینه هوش مصنوعی و برنامه نویسی متلب