فرادرس

الگوریتم های فرا ابتکاری (metaheuristic algorithms) رویکرد مؤثری برای حل مسائل بهینه سازی پیچیده در علوم مختلف هستند. در سالهای اخیر، با الهام از رفتار موجودات زنده برای یافتن منابع مورد نیاز برای زندگی، الگوریتم های فرا ابتکاری جدید و متنوعی پیشنهاد شده اند. الگوریتم جهش قورباغه مخلوط شده (Shuffled Frog Leaping Algorithm)، که بر مبنای الگوریتم دیگری با نام الگوریتم تکامل مجتمع های مخلوط شده (Shuffled Complex Evolution Algorithm or SCE-UA) پیشنهاد شده است، از جمله همین روش های جدید است. این روش برای حل مسائل مختلفی از قبیل مدیریت شبکه های آبی، بهینه سازی سیستم های قدرت، و طراحی مهندسی با موفقیت به کار رفته است. این الگوریتم در اصل برای مسائل بهینه سازی با متغیرهای تصمیم گیری گسسته پیشنهاد شد...

الگوریتم تکامل تفاضلی (Differential Evolutuion) و یا به اختصار DE، یک الگوریتم بهینه سازی هوشمند و مبتنی بر جمعیت است که در سال 1995 توسط Sto و Price معرفی گردید. نسخه ابتدایی این الگوریتم برای حل مسائل پیوسته ارائه شده بود، اما به مرور زمان نسخه هایی از این الگوریتم ارائه شدند که برای حل مسائل بهینه سازی گسسته طراحی شده اند. فهرست مطالبی که در این ویدئوی آموزشی مورد بحث و بررسی قرار می گیرند، عبارتند از: معرفی الگوریتم تکامل تفاضلی مروری بر مفاهیم اساسی محاسبات تکاملی تفاوت ها و شباهت های الگوریتم تکامل تفاضلی با سایر الگوریتم های تکاملی تعریف بردارهای تفاضل مروری بر مزایای استفاده از بردارهای تفاضل ارتباط بردارهای تفاضل با قضیه حد مرکزی (Central Limit Theorem) چگونگی انجام عمل جهش (Mutatio...