<![CDATA[انجمن های متلب سایت | مرجع هوش مصنوعی و کاربران متلب در ایران - همه انجمن‌ها]]> http://forum.matlabsite.com/ Thu, 29 Jul 2010 17:17:55 +0000 MyBB <![CDATA[دانلود رایگان کد الگوریتم رقابت استعماری در سی شارپ و متلب]]> http://forum.matlabsite.com/showthread.php?tid=32 Wed, 26 May 2010 03:10:15 +0000 http://forum.matlabsite.com/showthread.php?tid=32 [تصوير: ica.png]
بالاخره پس از مدت ها، با توجه به درخواست های مکرر دوستان و علاقه مندان مباحث هوش مصنوعی و بهینه سازی هوشمند، و کاربران الگوریتم رقابت استعماری، نسخه جدید کد متلب الگوریتم رقابت استعماری، توسط گروه برنامه نویسان متلب سایت، ارائه گردیده است. همچنین با توجه به افزایش روز افزون کاربرد الگوریتم رقابت استعماری، و لزوم دسترسی به سرعت های اجرای بالاتر، برای اولین بار، الگوریتم رقابت استعماری با استفاده از زبان برنامه نویسی سی سارپ یا C# پیاده سازی شده است. این برنامه ها توسط لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.، یکی از اعضای گروه برنامه نویسان متلب سایت، برنامه نویسی و تدوین شده است. لینک دانلود دو نسخه یاد شده، در ادامه آمده است:

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.

رمز فایل ها، عبارت matlabsite.com است.

توجه: به زودی فایل راهنمای استفاده از این برنامه ها، در متلب سایت ارائه خواهد شد. منتظر باشید.

منبع: لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.]]> [تصوير: ica.png]
بالاخره پس از مدت ها، با توجه به درخواست های مکرر دوستان و علاقه مندان مباحث هوش مصنوعی و بهینه سازی هوشمند، و کاربران الگوریتم رقابت استعماری، نسخه جدید کد متلب الگوریتم رقابت استعماری، توسط گروه برنامه نویسان متلب سایت، ارائه گردیده است. همچنین با توجه به افزایش روز افزون کاربرد الگوریتم رقابت استعماری، و لزوم دسترسی به سرعت های اجرای بالاتر، برای اولین بار، الگوریتم رقابت استعماری با استفاده از زبان برنامه نویسی سی سارپ یا C# پیاده سازی شده است. این برنامه ها توسط لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.، یکی از اعضای گروه برنامه نویسان متلب سایت، برنامه نویسی و تدوین شده است. لینک دانلود دو نسخه یاد شده، در ادامه آمده است:

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.

رمز فایل ها، عبارت matlabsite.com است.

توجه: به زودی فایل راهنمای استفاده از این برنامه ها، در متلب سایت ارائه خواهد شد. منتظر باشید.

منبع: لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.]]> <![CDATA[استراتژی جامع حل مسائل بهینه سازی]]> http://forum.matlabsite.com/showthread.php?tid=31 Wed, 26 May 2010 03:05:14 +0000 http://forum.matlabsite.com/showthread.php?tid=31 لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.، مطلب جالبی با عنوان "استراتژی حل مسائل بهینه سازی با استفاده از الگوریتم رقابت استعماری" منتشر کرده است. با توجه به اهمیت و جذابیت این موضوع برای مخاطبین متلبسایت بر آن دیدیم تا این پست را بر روی سایت نیز قرار دهیم. با کلیک بر روی ادامه مطلب می توانید، این پست لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید. را مطالعه نمایید.


لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید. در بسیاری از موارد دوستان زیادی این سوال را مطرح کردند که چگونه باید الگوریتم رقابت استعماری را به مسئله بهینه سازی خود اعمال کنند. در حقیقت، برای حل یک مسئله بهینه سازی، باید تعریف دقیقی از خود مسئله و متغیرها و اهداف بهینه سازی به عمل آید. در این بخش می خواهیم استراتژی حل یک مسئله بهینه سازی را گام به گام بیان کنیم. توضیحات ارائه شده کاملاً عمومی خواهند بود و نه تنها برای استفاده از الگوریتم رقابت استعماری، بلکه برای حل مسائل بهینه سازی با استفاده از هر الگوریتمی مفید خواهند بود.



استراتژی حل مسائل بهینه سازی را گام به گام با بیان تعاریف زیر و پاسخ به سوالات رایج در این مورد ارائه می کنیم.

1) بهینه سازی چیست؟

بهينه‌سازي، تغيير دادن ورودي‌ها و خصوصيات يک دستگاه، فرايند رياضي و يا آزمايش تجربي است، به نحوي که بهترين خروجي يا نتيجه به دست بيايد (شکل زیر). ورودي‌ها، متغيرهاي فرايند يا تابع مورد بررسي هستند که با نام‌هاي تابع هدف (Objective Function)، تابع هزينه (Cost Function) و يا تابع برازندگي (Fitness Function) ناميده مي‌شود. خروجي‌ نيز به صورت هزينه، سود و يا برازندگي تعريف مي‌شود. غالب مسائل بهينه‌سازي به صورت کمينه‌سازي مقدار يک تابع هزينه در نظر گرفته شده‌اند. به راحتي مي‌توان نشان داد که هر نوع مسأله‌ي بهينه‌سازي را مي‌توان در قالب يک مسأله‌ي کمينه‌سازي تعريف نمود.

[تصوير: image_strategy.jpg]

شكل: فرايند يا تابعي که بهينه‌سازي مي‌شود. در بهينه‌سازي ورودي‌ها يا متغيرها به نحوي تغيير داده مي‌شوند که خروجي مطلوب به دست بيايد.

مراحل حل یک مسئله بهینه سازی

مهمترین قدم در حل یک مسئله بهینه سازی تعریف متغیرهای بهینه سازی و در کنار آن اهداف بهینه سازی می باشد. فرض کنید که می خواهیم آنتن تلویزیون را به گونه ای تنظیم کنیم که بیشترین کیفیت تصویر دریافتی را داشته باشد. عبارت "تنظیم آنتن تلویزیون برای داشتن بیشترین کیفیت تصویر دریافتی" یک بیان کیفی از یک مسئله بهینه سازی است. در بعضی موارد روشهای سعی و خطا برای یافتن جواب بهینه استفاده می شود. بدین ترتیب که در این مثال نوعی، یک نفر به پشت بام رفته و شروع به جابجا کردن آنتن تلویزیون می کند و یک نفر دیگر نیز پشت تلویزیون نشسته و با عبارتهایی نظیر:

* آهان همین زاویه رو نگه دار
* یکم برگرد عقب تر
* نه الان خیلی بد شد
* و ....

با صدای بلند میزان کیفیت هر یک از موقعیت های آنتن را به گوش تنظیم کننده آنتن می رساند. معمولاً کسی که بالا رفته و آنتن را جابجا می کند، حرفه ای تر از فردی هست که پایین پشت تلویزیون نشسته و داد می زند. فرد بالای پشت بام (فرد حرفه ای تر) نقش الگوریتم بهینه سازی و فردی که کیفیت تصویر را داد میزند، نقش تابع هزینه را بازی می کند.

در موارد زیادی حل مسئله بهینه سازی با سعی و خطا امکن پذیر نیست! یک دلیل برای این کار این است که فضای جستجوی مسئله بسیار بزرگ است. دلیل دیگر این است که نمی توان هر بار سیستم را اجرا کرده و نتیجه آن را مشاهده کرد. فرض کنیم که برای قرار گرفتن یک ماهواره در مدار زمین باید، بهینه ترین سرعت و زاویه پرتاب و بهینه ترین مسیر حرکت باید تعیین شوند. نمی توان برای تعیین جواب مسئله هر بار ماهواره ارسال کرد و با همان عبارتهای مشابه " آهان همین رو نگه دار"، "یکم برگرد عقب تر" و "نه الان خیلی بد شد" (مشابه روش تعیین مسیر بهینه شلیک گلوله توپ به هدف) بهترین روش پرتاب ماهواره را تعیین نمود.

چاره چیست؟ برای فرار از استفاده از سعی و خطا برای حل مسائل بهینه سازی باید سعی کرد تا مسئله بهینه سازی را به صورت ریاضی مدل کرد. این مهمترین قدم در حل مسائل بهینه سازی در حوزه مهندسی و علوم است. همان مثال تنظیم آنتن تلویزیون را در نظر می گیریم و به ترتیب به سوالات زیر پاسخ می دهیم.

2) هدف چیست (بیان کیفی هدف)؟

در مثال مطرح شده هدف رسیدن به بیشترین کیفیت تصویر دریافتی از تلویزیون است.

3) متغیرهای بهینه سازی چه هستند؟

با بیان هدف به صورت کیفی، به سراغ پارامترهایی می رویم که دست ما هستند و می توانند برای رسیدن به هدف ما را کمک کنند. در این مورد متغییر قابل تغییر، زاویه آنتن تلویزیون می باشد. اگر پارامترهای دیگری نیز در مسئله تاثیر دارند، لیستشان می کنیم و در غیر این صورت به گام بعدی می رویم. به عنوان مثال در کنار زاویه آنتن، ممکن است که ارتفاع آن نیز در کیفیت تصویر دریافتی تاثیر داشته باشد. مواردی مانند کیفیت آنتن و یا مثلاً طول سیم آنتن و موارد مشابه دیگر می توانند بسته به تعریف ما، وارد متغیرهای بهینه سازی بشوند یا نشوند. ما فعلاً همان دو مورد اول را در نظر می گیریم و بنابراین داریم.

Image Quality = function(Antenna Angle , Antenna Height)


و به طور خلاصه داریم:

IQ = f(x1 , x2)


که در آن x1، میزان زاویه آنتن و x2 میزان ارتفاع آنتن است.

4) ارتباط میان هدف بهینه سازی و متغیرهای بهینه سازی به صورت ریاضی چیست؟

تا الان کاری که کردیم ارائه یک بیان کیفی از مسئله بهینه سازی است و عملاً تا الان کار زیادی انجام نداده ایم. کار اصلی بیان ریاضی یک مسئله بهینه سازی، در این مرحله انجام می شود. در این مرحله باید ارتباط میان متغیرها و هدف بهینه سازی را بیان کنیم. معمولاً بسته به حوزه تخصصی مربوط به مسئله بهینه سازی، این مرحله به دانش نسبتاً زیادی از مسئله بهینه سازی نیاز دارد و اینگونه نیست که فردی خارج از حوزه مرتبط به مسئله، حتی با داشتن تخصص بالا در بهینه سازی بتواند به بیان تابع هزینه کمک کند. مثلاً برای بیان ارتباط میان کیفیت تصویر دریافتی از تلویزیون و زاویه و ارتفاع آنتن، به دانش تخصصی در حوزه میدان ها و امواج و نیز تصویر نیاز است. فرض کنیم که با مراجعه به متنون تخصصی این حوزه به رابطه مفروض زیر می رسیم.

IQ = 100 - x1^2 - (x2-5)^2


با بیان این رابطه ریاضی، فرایند تعریف مسئله بهینه سازی به پایان می رسد. حال باید به دنبال یک الگوریتم برای حل مسئله فوق باشیم. در مواردی که مسئله همانند مورد بالا فقط دارای یک نقطه می نیمم (یا ماکزیمم) بوده و تابع هزینه نسبت به متغیرها مشتق پذیر باشد، روش های مبتنی برای گرادیان (مشتق) بهترین انتخاب هستند و به سادگی و با سرعت بالا، بهترین جواب مسئله را به ما می دهند. مثلاً جواب مسئله فوق به صورت زیر خواهد بود.
x1 = 0;
x2 = 5;

که با مقادیر فوق به کیفیت تصویر 100 می رسیم.

5) حال اگر رابطه فوق کمی پیچیده تر باشد، چه باید کرد؟ مثال زیر را در نظر می گیریم.

IQ = -20 - x1^2 + x2^2 + 10 * (cos(2*pi*x1) + cos(2*pi*x2));


این رابطه دارای تعداد زیادی نقاط اکسترمم محلی و یک نقطه اکسترمم مطلق در نقطه (0,0) می باشد. برای حل چنین مسائل بهینه سازی، از روش های دیگر بهینه سازی همچون بهینه سازی تکاملی و در میان آنها از می توان از الگوریتم رقابت استعماری استفاده کرد.

6) پس از تعریف ارتباط ریاضی تابع هزینه و متغیرهای بهینه سازی چه باید کرد؟

در این مرحله پیاده سازی عملی کار شروع می شود. در مراجع مختلف و به ویژه در اینترنت، کدهای رایگان بسیاری از الگوریتم های بهینه سازی تکاملی وجود دارند. کدهای رایگان الگوریتم رقابت استعماری نیز به سادگی با جستجوی عبارت "کدهای رایگان الگوریتم رقابت استعماری" و یا "Imperialist Competitive Algorithm Code" به زبانهای مختلف قابل تهیه هستند. نکته مشترک میان همه این کدها این هست که این کدها، تابع هزینه مسئله شما را گرفته و پس از جستجو با استراتژی های مختلف، جواب مسئله را به شما می دهند. برای استفاده از همه کدهای موجود بر روی وب باید تابع هزینه خود را به صورت یک تابع جداگانه بنویسید. البته میان نحوه تعریف تابع هزینه در کدهای مختلف شاید ، اندکی تفاوت موجود باشد. منتها روند کلی به صورت زیر است.

Cost = function(X)


Cost = f(X);


end

در مورد نحوه تعریف تابع هزینه، فیلم آموزشی کوتاهی بر روی سایت الگوریتم رقابت استعماری قرار گرفته است و موارد تکمیلی به زودی ارائه خواهند شد.

7) آیا تابع هزینه مسئله همیشه به صورت یک برنامه ساده و یک رابطه ریاضی مشخص است؟

خیر! در بسیاری از موارد عملی تابع هزینه یک رابطه ریاضی مشخص نیست. بلکه مثلاً برای یافتن مقدار تابع هزینه، باید یک پروسه فیزیکی، شیمیایی و یا کنترلی را اجرا کنیم. مثلاً ممکن است برای طراحی یک آنتن بهینه هر بار مقادیر بهینه سازی را به تابع هزینه ارسال کنیم و تابع هزینه نیز به نوبه خود، این مقادیر را به یک نرم افزار تخصصی در حوزه میدانها و امواج ارسال کند و نتیجه حاصل را گرفته و دوباره محاسباتی روی آنها انجام داده و آنها را به عنوان هزینه ورودی معین برگرداند. در بسیاری از موارد دانشجویان رشته کنترل نیاز پیدا می کنند که در داخل تابع هزینه خود، یک پروسه کنترلی را از طریق سیمولینک متلب اجرا کرده و نتیجه حاصل را آنالیز کرده و برگردانند.

به طور خلاصه می توان گفت که شروع نوشتن کد تابع هزینه بهینه سازی، شروع به حل آن و پایان کد نویسی آن نیز، آخرین مرحله به حساب می آید. ایجاد ارتباط میان یک کد تابع هزینه مرتب با یک الگوریتم بهینه سازی، کار چندان سختی به شمار نمی آید.

8) مسئله بهینه سازی من پارامتهای دیگری دارد که متغیر بهینه سازی نیستند ولی در بهینه سازی تاثیر دارند، چه کنم؟

معمولاً تابع هزینه ما پارمترهای دیگری دارد. سعی کنید، تمام پارامتهای اضافی (پارامتهای به غیر از متغیرهای بهینه سازی) را داخل کد تابع هزینه قرار دهید و تابع هزینه شما فقط شامل متغیرهای بهینه سازی باشد (تابع شما فقط متغیرهای بهینه سازی را به عنوان ورودی دریافت کند). مثلاً جنس آنتن می تواند پارامتری باشد که کاملاً مدل شده است ولی جزو متغیرهای بهینه سازی ما نیست و در عین حال روی تابع هزینه مثال مطرح شده، تاثیر دارد. البته در کدهای تهیه شده برای الگوریتم رقابت استعماری، متغیرهای اضافی برای دریافت پارامتهای اضافی نیز ذخیر شده اند.

برای واضح تر شدن مسئله می خواهیم قدم به قدم به سوال مطرح شده زیر پاسخ دهیم. یکی از دوستان سوال مشکل خود در استفاده از الگوریتم رقابت استعماری را اینگونه مطرح کرده اند.

-----------------------------------------------------------------

قسمتی از پروژه ی پایان نامه ی من به این شکل تعریف شده است: انجام آزمایشات (32 موردآزمایش) با استفاده از دستگاه WEDM: در طول انجام این آزمایشات که بر حسب روش طراحی آزمایش تاگوچی طرح ریزی شده اند، 5 فاکتور ورودی سیستم یعنی W (تغذیه ی سیم)، P (توان)، V (ولتاژ)، S (سر) و زمان تغییر می کند تا از این طریق اثر تغییر این پارامترها روی خروجی و یا کارایی سیستم بررسی شود. خروجی های سیستم هم حجم برداشته شده از سطح قطعه کار (MRR) و صافی سطح (SR) است. برای بهینه سازی خروجی فرایند، تصمیم گرفتم که از الگوریتم استعماری استفاده کنم. ولی مشکلی که دارم این است که نمی دانم به چه شکل می توانم تابع هزینه متناسب با این فرایند را تعریف کنم؟ یکی از توابع هزینه که درفرایند های ماشینکاری مطرح میشود به شکل زیر است
L(w,p,s,v,t) = MRR + 1/SR

به این مفهوم که با تغییر ورودی ها به ماکزیمم مقدار برداشت مواد از سطح و کمترین پستی و بلندی که با SR نمایش داده می شود برسیم.
-----------------------------------------------------------------

سوالاتی زیر برای من مطرح است:

سوال 1: برای استفاده از الگوریتم رقابت استعماری، چه تعداد تابع هزینه بایستی تعریف شود؟

پاسخ: الگوریتم رقابت استعماری در حال حاضر برای حل مسائل بهینه سازی تک هدفه مفید می باشد. علاقه مندان زیادی بر روی نسخه های چند هدفه الگوریتم کار می کنند و مطمئناً به زودی کدهای چند هدفه الگوریتم را نیز بر روی وب خواهیم داشت. البته لازم به ذکر هست که مسائل بهینه سازی چند هدفه غالباً با جمع خطی تک تک اهداف به مسائل تک هدفه تبدیل می شوند. مسئله مذکور نیز همین گونه است. دو هدف MRR و SR با جمع شدن با وزن واحد تبدیل به یک هدف L شده اند. البته همانگونه که به نظر می رسد، ظاهراً MRR باید کمینه شود و SR باید بیشینه شود، زیرا معکوس آن با MRR جمع شده است. البته تبدیل یک مسئله دو یا چند بعدی به یک مسئله یک بعدی روش هایی دیگری دارد که در مورد آنها در مطالب بعدی بر روی سایت بحث خواهد شد. فعلاً خلاصه می کنیم که تابع شما یک تابع یک هدفه است و یک تابع هزینه باید برای آن نوشته شود. البته این به این معنی نیست که کد برنامه فقط یک تابع خواهد داشت. در بسیاری موارد ما یک تابع تک هدفه حتی ساده را نیز به تعدادی تابع کوچکتر شکانده و وظایف بخش های مختلف برنامه را به این زیر تابع ها می سپاریم. اما در نهایت آنها در قالب یک تابع هزینه اصلی کنار هم سازمان دهی می کنیم. مثلاً
Function Y = f(x)

Y = f1(x) + f2(x)

end

Function Y = f1(x)

Y = sin(x)

end

Function Y = f1(x)

Y = cos(x)

end

فراخوانی تابع f برای هر مقدار x به عبارت sin(x)+coss(x) خواهد رسید. بنابراین تعداد اهداف مسئله بهینه سازی (که در اکثر کاربردها یک می باشد)، لزوماً تعداد توابع مورد استفاده برای کد نویسی آن را نشان نمی دهد.


سوال 2: تابع هزینه به صورت FUNCTION باید باشد؟

پاسخ: بله! شما پس از جدا کردن و تعریف کردن متغیرهای بهینه سازی خود، یک تابع هزینه می نویسید که با دریافت این متغیرها ، خروجی هزینه را بدهد. در این مورد فیلم آموزشی کوتاهی بر روی سایت الگوریتم استعماری (icasite.info) وجود دارد. موارد آموزشی تکمیلی به زودی بر روی سایت قرار خواهد گرفت.

سوال 3: تابع هزینه باید رابطه ای بین ورودی ها باشد ویا خروجی ها؟

پاسخ: ظاهراً تابع هزینه شما باید بهترین مقادیر (w,p,s,v,t) را بدهد. بنابراین شما باید تابعی بنویسید که این مقادیر را گرفته و MRR و SR از روی آنها تعیین شوند و در نهایت L به دست آید. در حقیقت داریم.
MRR = MRR(w,p,s,v,t)
SR = SR(w,p,s,v,t)
L = L(w,p,s,v,t) = MRR + 1/SR = MRR(w,p,s,v,t) + 1/SR(w,p,s,v,t)

اگر بخواهیم تا حدی یک شبه کد برای این مسئله بنویسیم خواهیم داشت.
Function L = L_Fcn(w,p,s,v,t)
L = MRR_Fcn(w,p,s,v,t) + 1/ SR_Fcn(w,p,s,v,t)
end


Function MRR = MRR_Fcn(w,p,s,v,t)
{Required Calculations}
end

Function SR = SR_Fcn(w,p,s,v,t)
{Required Calculations}
end

الگوریتم رقابت استعماری فقط با تابع L_Fcn کار خواهد کرد و با بقیه تابعه ها کاری نخواهد داشت.

پایان متن

--------------------------------------------------------------------------

کل بخش 1 این نوشتار با عنوان بهینه سازی چیست؟، به همراه تصویر موجود در این بخش برداشتی از کار ارزشمند جناب آقای مهندسی سید مصطفی کلامی هریس با کسب اجازه از ایشان بوده است.

منبع این پست: لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.]]> لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.، مطلب جالبی با عنوان "استراتژی حل مسائل بهینه سازی با استفاده از الگوریتم رقابت استعماری" منتشر کرده است. با توجه به اهمیت و جذابیت این موضوع برای مخاطبین متلبسایت بر آن دیدیم تا این پست را بر روی سایت نیز قرار دهیم. با کلیک بر روی ادامه مطلب می توانید، این پست لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید. را مطالعه نمایید.


لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید. در بسیاری از موارد دوستان زیادی این سوال را مطرح کردند که چگونه باید الگوریتم رقابت استعماری را به مسئله بهینه سازی خود اعمال کنند. در حقیقت، برای حل یک مسئله بهینه سازی، باید تعریف دقیقی از خود مسئله و متغیرها و اهداف بهینه سازی به عمل آید. در این بخش می خواهیم استراتژی حل یک مسئله بهینه سازی را گام به گام بیان کنیم. توضیحات ارائه شده کاملاً عمومی خواهند بود و نه تنها برای استفاده از الگوریتم رقابت استعماری، بلکه برای حل مسائل بهینه سازی با استفاده از هر الگوریتمی مفید خواهند بود.



استراتژی حل مسائل بهینه سازی را گام به گام با بیان تعاریف زیر و پاسخ به سوالات رایج در این مورد ارائه می کنیم.

1) بهینه سازی چیست؟

بهينه‌سازي، تغيير دادن ورودي‌ها و خصوصيات يک دستگاه، فرايند رياضي و يا آزمايش تجربي است، به نحوي که بهترين خروجي يا نتيجه به دست بيايد (شکل زیر). ورودي‌ها، متغيرهاي فرايند يا تابع مورد بررسي هستند که با نام‌هاي تابع هدف (Objective Function)، تابع هزينه (Cost Function) و يا تابع برازندگي (Fitness Function) ناميده مي‌شود. خروجي‌ نيز به صورت هزينه، سود و يا برازندگي تعريف مي‌شود. غالب مسائل بهينه‌سازي به صورت کمينه‌سازي مقدار يک تابع هزينه در نظر گرفته شده‌اند. به راحتي مي‌توان نشان داد که هر نوع مسأله‌ي بهينه‌سازي را مي‌توان در قالب يک مسأله‌ي کمينه‌سازي تعريف نمود.

[تصوير: image_strategy.jpg]

شكل: فرايند يا تابعي که بهينه‌سازي مي‌شود. در بهينه‌سازي ورودي‌ها يا متغيرها به نحوي تغيير داده مي‌شوند که خروجي مطلوب به دست بيايد.

مراحل حل یک مسئله بهینه سازی

مهمترین قدم در حل یک مسئله بهینه سازی تعریف متغیرهای بهینه سازی و در کنار آن اهداف بهینه سازی می باشد. فرض کنید که می خواهیم آنتن تلویزیون را به گونه ای تنظیم کنیم که بیشترین کیفیت تصویر دریافتی را داشته باشد. عبارت "تنظیم آنتن تلویزیون برای داشتن بیشترین کیفیت تصویر دریافتی" یک بیان کیفی از یک مسئله بهینه سازی است. در بعضی موارد روشهای سعی و خطا برای یافتن جواب بهینه استفاده می شود. بدین ترتیب که در این مثال نوعی، یک نفر به پشت بام رفته و شروع به جابجا کردن آنتن تلویزیون می کند و یک نفر دیگر نیز پشت تلویزیون نشسته و با عبارتهایی نظیر:

* آهان همین زاویه رو نگه دار
* یکم برگرد عقب تر
* نه الان خیلی بد شد
* و ....

با صدای بلند میزان کیفیت هر یک از موقعیت های آنتن را به گوش تنظیم کننده آنتن می رساند. معمولاً کسی که بالا رفته و آنتن را جابجا می کند، حرفه ای تر از فردی هست که پایین پشت تلویزیون نشسته و داد می زند. فرد بالای پشت بام (فرد حرفه ای تر) نقش الگوریتم بهینه سازی و فردی که کیفیت تصویر را داد میزند، نقش تابع هزینه را بازی می کند.

در موارد زیادی حل مسئله بهینه سازی با سعی و خطا امکن پذیر نیست! یک دلیل برای این کار این است که فضای جستجوی مسئله بسیار بزرگ است. دلیل دیگر این است که نمی توان هر بار سیستم را اجرا کرده و نتیجه آن را مشاهده کرد. فرض کنیم که برای قرار گرفتن یک ماهواره در مدار زمین باید، بهینه ترین سرعت و زاویه پرتاب و بهینه ترین مسیر حرکت باید تعیین شوند. نمی توان برای تعیین جواب مسئله هر بار ماهواره ارسال کرد و با همان عبارتهای مشابه " آهان همین رو نگه دار"، "یکم برگرد عقب تر" و "نه الان خیلی بد شد" (مشابه روش تعیین مسیر بهینه شلیک گلوله توپ به هدف) بهترین روش پرتاب ماهواره را تعیین نمود.

چاره چیست؟ برای فرار از استفاده از سعی و خطا برای حل مسائل بهینه سازی باید سعی کرد تا مسئله بهینه سازی را به صورت ریاضی مدل کرد. این مهمترین قدم در حل مسائل بهینه سازی در حوزه مهندسی و علوم است. همان مثال تنظیم آنتن تلویزیون را در نظر می گیریم و به ترتیب به سوالات زیر پاسخ می دهیم.

2) هدف چیست (بیان کیفی هدف)؟

در مثال مطرح شده هدف رسیدن به بیشترین کیفیت تصویر دریافتی از تلویزیون است.

3) متغیرهای بهینه سازی چه هستند؟

با بیان هدف به صورت کیفی، به سراغ پارامترهایی می رویم که دست ما هستند و می توانند برای رسیدن به هدف ما را کمک کنند. در این مورد متغییر قابل تغییر، زاویه آنتن تلویزیون می باشد. اگر پارامترهای دیگری نیز در مسئله تاثیر دارند، لیستشان می کنیم و در غیر این صورت به گام بعدی می رویم. به عنوان مثال در کنار زاویه آنتن، ممکن است که ارتفاع آن نیز در کیفیت تصویر دریافتی تاثیر داشته باشد. مواردی مانند کیفیت آنتن و یا مثلاً طول سیم آنتن و موارد مشابه دیگر می توانند بسته به تعریف ما، وارد متغیرهای بهینه سازی بشوند یا نشوند. ما فعلاً همان دو مورد اول را در نظر می گیریم و بنابراین داریم.

Image Quality = function(Antenna Angle , Antenna Height)


و به طور خلاصه داریم:

IQ = f(x1 , x2)


که در آن x1، میزان زاویه آنتن و x2 میزان ارتفاع آنتن است.

4) ارتباط میان هدف بهینه سازی و متغیرهای بهینه سازی به صورت ریاضی چیست؟

تا الان کاری که کردیم ارائه یک بیان کیفی از مسئله بهینه سازی است و عملاً تا الان کار زیادی انجام نداده ایم. کار اصلی بیان ریاضی یک مسئله بهینه سازی، در این مرحله انجام می شود. در این مرحله باید ارتباط میان متغیرها و هدف بهینه سازی را بیان کنیم. معمولاً بسته به حوزه تخصصی مربوط به مسئله بهینه سازی، این مرحله به دانش نسبتاً زیادی از مسئله بهینه سازی نیاز دارد و اینگونه نیست که فردی خارج از حوزه مرتبط به مسئله، حتی با داشتن تخصص بالا در بهینه سازی بتواند به بیان تابع هزینه کمک کند. مثلاً برای بیان ارتباط میان کیفیت تصویر دریافتی از تلویزیون و زاویه و ارتفاع آنتن، به دانش تخصصی در حوزه میدان ها و امواج و نیز تصویر نیاز است. فرض کنیم که با مراجعه به متنون تخصصی این حوزه به رابطه مفروض زیر می رسیم.

IQ = 100 - x1^2 - (x2-5)^2


با بیان این رابطه ریاضی، فرایند تعریف مسئله بهینه سازی به پایان می رسد. حال باید به دنبال یک الگوریتم برای حل مسئله فوق باشیم. در مواردی که مسئله همانند مورد بالا فقط دارای یک نقطه می نیمم (یا ماکزیمم) بوده و تابع هزینه نسبت به متغیرها مشتق پذیر باشد، روش های مبتنی برای گرادیان (مشتق) بهترین انتخاب هستند و به سادگی و با سرعت بالا، بهترین جواب مسئله را به ما می دهند. مثلاً جواب مسئله فوق به صورت زیر خواهد بود.
x1 = 0;
x2 = 5;

که با مقادیر فوق به کیفیت تصویر 100 می رسیم.

5) حال اگر رابطه فوق کمی پیچیده تر باشد، چه باید کرد؟ مثال زیر را در نظر می گیریم.

IQ = -20 - x1^2 + x2^2 + 10 * (cos(2*pi*x1) + cos(2*pi*x2));


این رابطه دارای تعداد زیادی نقاط اکسترمم محلی و یک نقطه اکسترمم مطلق در نقطه (0,0) می باشد. برای حل چنین مسائل بهینه سازی، از روش های دیگر بهینه سازی همچون بهینه سازی تکاملی و در میان آنها از می توان از الگوریتم رقابت استعماری استفاده کرد.

6) پس از تعریف ارتباط ریاضی تابع هزینه و متغیرهای بهینه سازی چه باید کرد؟

در این مرحله پیاده سازی عملی کار شروع می شود. در مراجع مختلف و به ویژه در اینترنت، کدهای رایگان بسیاری از الگوریتم های بهینه سازی تکاملی وجود دارند. کدهای رایگان الگوریتم رقابت استعماری نیز به سادگی با جستجوی عبارت "کدهای رایگان الگوریتم رقابت استعماری" و یا "Imperialist Competitive Algorithm Code" به زبانهای مختلف قابل تهیه هستند. نکته مشترک میان همه این کدها این هست که این کدها، تابع هزینه مسئله شما را گرفته و پس از جستجو با استراتژی های مختلف، جواب مسئله را به شما می دهند. برای استفاده از همه کدهای موجود بر روی وب باید تابع هزینه خود را به صورت یک تابع جداگانه بنویسید. البته میان نحوه تعریف تابع هزینه در کدهای مختلف شاید ، اندکی تفاوت موجود باشد. منتها روند کلی به صورت زیر است.

Cost = function(X)


Cost = f(X);


end

در مورد نحوه تعریف تابع هزینه، فیلم آموزشی کوتاهی بر روی سایت الگوریتم رقابت استعماری قرار گرفته است و موارد تکمیلی به زودی ارائه خواهند شد.

7) آیا تابع هزینه مسئله همیشه به صورت یک برنامه ساده و یک رابطه ریاضی مشخص است؟

خیر! در بسیاری از موارد عملی تابع هزینه یک رابطه ریاضی مشخص نیست. بلکه مثلاً برای یافتن مقدار تابع هزینه، باید یک پروسه فیزیکی، شیمیایی و یا کنترلی را اجرا کنیم. مثلاً ممکن است برای طراحی یک آنتن بهینه هر بار مقادیر بهینه سازی را به تابع هزینه ارسال کنیم و تابع هزینه نیز به نوبه خود، این مقادیر را به یک نرم افزار تخصصی در حوزه میدانها و امواج ارسال کند و نتیجه حاصل را گرفته و دوباره محاسباتی روی آنها انجام داده و آنها را به عنوان هزینه ورودی معین برگرداند. در بسیاری از موارد دانشجویان رشته کنترل نیاز پیدا می کنند که در داخل تابع هزینه خود، یک پروسه کنترلی را از طریق سیمولینک متلب اجرا کرده و نتیجه حاصل را آنالیز کرده و برگردانند.

به طور خلاصه می توان گفت که شروع نوشتن کد تابع هزینه بهینه سازی، شروع به حل آن و پایان کد نویسی آن نیز، آخرین مرحله به حساب می آید. ایجاد ارتباط میان یک کد تابع هزینه مرتب با یک الگوریتم بهینه سازی، کار چندان سختی به شمار نمی آید.

8) مسئله بهینه سازی من پارامتهای دیگری دارد که متغیر بهینه سازی نیستند ولی در بهینه سازی تاثیر دارند، چه کنم؟

معمولاً تابع هزینه ما پارمترهای دیگری دارد. سعی کنید، تمام پارامتهای اضافی (پارامتهای به غیر از متغیرهای بهینه سازی) را داخل کد تابع هزینه قرار دهید و تابع هزینه شما فقط شامل متغیرهای بهینه سازی باشد (تابع شما فقط متغیرهای بهینه سازی را به عنوان ورودی دریافت کند). مثلاً جنس آنتن می تواند پارامتری باشد که کاملاً مدل شده است ولی جزو متغیرهای بهینه سازی ما نیست و در عین حال روی تابع هزینه مثال مطرح شده، تاثیر دارد. البته در کدهای تهیه شده برای الگوریتم رقابت استعماری، متغیرهای اضافی برای دریافت پارامتهای اضافی نیز ذخیر شده اند.

برای واضح تر شدن مسئله می خواهیم قدم به قدم به سوال مطرح شده زیر پاسخ دهیم. یکی از دوستان سوال مشکل خود در استفاده از الگوریتم رقابت استعماری را اینگونه مطرح کرده اند.

-----------------------------------------------------------------

قسمتی از پروژه ی پایان نامه ی من به این شکل تعریف شده است: انجام آزمایشات (32 موردآزمایش) با استفاده از دستگاه WEDM: در طول انجام این آزمایشات که بر حسب روش طراحی آزمایش تاگوچی طرح ریزی شده اند، 5 فاکتور ورودی سیستم یعنی W (تغذیه ی سیم)، P (توان)، V (ولتاژ)، S (سر) و زمان تغییر می کند تا از این طریق اثر تغییر این پارامترها روی خروجی و یا کارایی سیستم بررسی شود. خروجی های سیستم هم حجم برداشته شده از سطح قطعه کار (MRR) و صافی سطح (SR) است. برای بهینه سازی خروجی فرایند، تصمیم گرفتم که از الگوریتم استعماری استفاده کنم. ولی مشکلی که دارم این است که نمی دانم به چه شکل می توانم تابع هزینه متناسب با این فرایند را تعریف کنم؟ یکی از توابع هزینه که درفرایند های ماشینکاری مطرح میشود به شکل زیر است
L(w,p,s,v,t) = MRR + 1/SR

به این مفهوم که با تغییر ورودی ها به ماکزیمم مقدار برداشت مواد از سطح و کمترین پستی و بلندی که با SR نمایش داده می شود برسیم.
-----------------------------------------------------------------

سوالاتی زیر برای من مطرح است:

سوال 1: برای استفاده از الگوریتم رقابت استعماری، چه تعداد تابع هزینه بایستی تعریف شود؟

پاسخ: الگوریتم رقابت استعماری در حال حاضر برای حل مسائل بهینه سازی تک هدفه مفید می باشد. علاقه مندان زیادی بر روی نسخه های چند هدفه الگوریتم کار می کنند و مطمئناً به زودی کدهای چند هدفه الگوریتم را نیز بر روی وب خواهیم داشت. البته لازم به ذکر هست که مسائل بهینه سازی چند هدفه غالباً با جمع خطی تک تک اهداف به مسائل تک هدفه تبدیل می شوند. مسئله مذکور نیز همین گونه است. دو هدف MRR و SR با جمع شدن با وزن واحد تبدیل به یک هدف L شده اند. البته همانگونه که به نظر می رسد، ظاهراً MRR باید کمینه شود و SR باید بیشینه شود، زیرا معکوس آن با MRR جمع شده است. البته تبدیل یک مسئله دو یا چند بعدی به یک مسئله یک بعدی روش هایی دیگری دارد که در مورد آنها در مطالب بعدی بر روی سایت بحث خواهد شد. فعلاً خلاصه می کنیم که تابع شما یک تابع یک هدفه است و یک تابع هزینه باید برای آن نوشته شود. البته این به این معنی نیست که کد برنامه فقط یک تابع خواهد داشت. در بسیاری موارد ما یک تابع تک هدفه حتی ساده را نیز به تعدادی تابع کوچکتر شکانده و وظایف بخش های مختلف برنامه را به این زیر تابع ها می سپاریم. اما در نهایت آنها در قالب یک تابع هزینه اصلی کنار هم سازمان دهی می کنیم. مثلاً
Function Y = f(x)

Y = f1(x) + f2(x)

end

Function Y = f1(x)

Y = sin(x)

end

Function Y = f1(x)

Y = cos(x)

end

فراخوانی تابع f برای هر مقدار x به عبارت sin(x)+coss(x) خواهد رسید. بنابراین تعداد اهداف مسئله بهینه سازی (که در اکثر کاربردها یک می باشد)، لزوماً تعداد توابع مورد استفاده برای کد نویسی آن را نشان نمی دهد.


سوال 2: تابع هزینه به صورت FUNCTION باید باشد؟

پاسخ: بله! شما پس از جدا کردن و تعریف کردن متغیرهای بهینه سازی خود، یک تابع هزینه می نویسید که با دریافت این متغیرها ، خروجی هزینه را بدهد. در این مورد فیلم آموزشی کوتاهی بر روی سایت الگوریتم استعماری (icasite.info) وجود دارد. موارد آموزشی تکمیلی به زودی بر روی سایت قرار خواهد گرفت.

سوال 3: تابع هزینه باید رابطه ای بین ورودی ها باشد ویا خروجی ها؟

پاسخ: ظاهراً تابع هزینه شما باید بهترین مقادیر (w,p,s,v,t) را بدهد. بنابراین شما باید تابعی بنویسید که این مقادیر را گرفته و MRR و SR از روی آنها تعیین شوند و در نهایت L به دست آید. در حقیقت داریم.
MRR = MRR(w,p,s,v,t)
SR = SR(w,p,s,v,t)
L = L(w,p,s,v,t) = MRR + 1/SR = MRR(w,p,s,v,t) + 1/SR(w,p,s,v,t)

اگر بخواهیم تا حدی یک شبه کد برای این مسئله بنویسیم خواهیم داشت.
Function L = L_Fcn(w,p,s,v,t)
L = MRR_Fcn(w,p,s,v,t) + 1/ SR_Fcn(w,p,s,v,t)
end


Function MRR = MRR_Fcn(w,p,s,v,t)
{Required Calculations}
end

Function SR = SR_Fcn(w,p,s,v,t)
{Required Calculations}
end

الگوریتم رقابت استعماری فقط با تابع L_Fcn کار خواهد کرد و با بقیه تابعه ها کاری نخواهد داشت.

پایان متن

--------------------------------------------------------------------------

کل بخش 1 این نوشتار با عنوان بهینه سازی چیست؟، به همراه تصویر موجود در این بخش برداشتی از کار ارزشمند جناب آقای مهندسی سید مصطفی کلامی هریس با کسب اجازه از ایشان بوده است.

منبع این پست: لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.]]> <![CDATA[معرفی وبسایت "الگوریتم رقابت استعماری و بهینه سازی تکاملی"]]> http://forum.matlabsite.com/showthread.php?tid=30 Wed, 26 May 2010 01:43:29 +0000 http://forum.matlabsite.com/showthread.php?tid=30 [تصوير: ica_site_ad.JPG]
با توجه به گسترش روز افزون استفاده از الگوریتم رقابت استعماری، لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید. با عنوان لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید. راه اندازی شد. این وبسایت آخرین مطالب، مقالات، کدهای آماده، متون و فیلم های آموزشی مربوط به الگوریتم رقابت استعماری (ICA) را منتشر خواهد کرد. آدرس این وبسایت به صورت زیر می باشد.

http://www.icaSite.info/

در ادامه عناوین آخرین مطالب منتشر شده بر روی این سایت را مشاهده می نمایید.

*
o برخی از مستندات الگوریتم رقابت استعماری - بخش سوم: پایان نامه ها
o برخی از مستندات الگوریتم رقابت استعماری - بخش دوم: مقالات فارسی
o برخی از مستندات الگوریتم رقابت استعماری - بخش اول: مقالات انگلیسی
o ویدئو: سخنرانی: استعمار نو و استعمار فرهنگی -
o استراتژی حل مسائل بهینه سازی با استفاده از الگوریتم رقابت استعماری
o متن آموزشی: 6 - مراجع
o متن آموزشی: 5- خلاصه، نتيجه‌گيري و پيشنهادات
o متن آموزشی: 4-2 4-6 کنترل فازي اتومبيل با استفاده از الگوریتم رقابت استعماری
o متن آموزشی: 4-5 استفاده از الگوريتم رقابت استعماري...
o 4-3 الگوريتم رقابت استعماري؛ ابزاري براي يافتن نقطه تعادل نش
o متن آموزشی: 4-2 استفاده از الگوريتم رقابت امپرياليستی
o متن آموزشی: 4- پياده‌سازي هاي انجام شده
o متن آموزشی: 3-4 مثال کاربردي
o متن آموزشی: 3-3 الگوريتم رقابت استعماری
o متن آموزشی: 3 - استراتژي بهينه‌سازي مبتني بر تکامل اجتماعی - سیاسی
o متن آموزشی: 1- مقدمه
o متن آموزشی: چکیده
o دانلود رایگان کد الگوریتم رقابت استعماری در سی شارپ
o فایل راهنمای فارسی الگوریتم رقابت استعماری Imperia
o نحوه مواجهه با قید ها در بهینه سازی
o بعضی از مقالات و مستندات مربوط به الگوریتم رقابت استعماری
o کدهای الگوریتم رقابت استعماری و فیلم آموزش استفاده از آنها
o انتخاب ورودی و ویژگی توسط الگوریتم رقابت استعماری

وبسایت لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید. زیر نظرلینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید. راه اندازی شده است. استفاده از مطالب مفید این سایت را به همه علاقه مندان هوش مصنوعی، بهینه سازی تکاملی و الگوریتم رقابت استعماری توصیه می کنیم.]]> [تصوير: ica_site_ad.JPG]
با توجه به گسترش روز افزون استفاده از الگوریتم رقابت استعماری، لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید. با عنوان لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید. راه اندازی شد. این وبسایت آخرین مطالب، مقالات، کدهای آماده، متون و فیلم های آموزشی مربوط به الگوریتم رقابت استعماری (ICA) را منتشر خواهد کرد. آدرس این وبسایت به صورت زیر می باشد.

http://www.icaSite.info/

در ادامه عناوین آخرین مطالب منتشر شده بر روی این سایت را مشاهده می نمایید.

*
o برخی از مستندات الگوریتم رقابت استعماری - بخش سوم: پایان نامه ها
o برخی از مستندات الگوریتم رقابت استعماری - بخش دوم: مقالات فارسی
o برخی از مستندات الگوریتم رقابت استعماری - بخش اول: مقالات انگلیسی
o ویدئو: سخنرانی: استعمار نو و استعمار فرهنگی -
o استراتژی حل مسائل بهینه سازی با استفاده از الگوریتم رقابت استعماری
o متن آموزشی: 6 - مراجع
o متن آموزشی: 5- خلاصه، نتيجه‌گيري و پيشنهادات
o متن آموزشی: 4-2 4-6 کنترل فازي اتومبيل با استفاده از الگوریتم رقابت استعماری
o متن آموزشی: 4-5 استفاده از الگوريتم رقابت استعماري...
o 4-3 الگوريتم رقابت استعماري؛ ابزاري براي يافتن نقطه تعادل نش
o متن آموزشی: 4-2 استفاده از الگوريتم رقابت امپرياليستی
o متن آموزشی: 4- پياده‌سازي هاي انجام شده
o متن آموزشی: 3-4 مثال کاربردي
o متن آموزشی: 3-3 الگوريتم رقابت استعماری
o متن آموزشی: 3 - استراتژي بهينه‌سازي مبتني بر تکامل اجتماعی - سیاسی
o متن آموزشی: 1- مقدمه
o متن آموزشی: چکیده
o دانلود رایگان کد الگوریتم رقابت استعماری در سی شارپ
o فایل راهنمای فارسی الگوریتم رقابت استعماری Imperia
o نحوه مواجهه با قید ها در بهینه سازی
o بعضی از مقالات و مستندات مربوط به الگوریتم رقابت استعماری
o کدهای الگوریتم رقابت استعماری و فیلم آموزش استفاده از آنها
o انتخاب ورودی و ویژگی توسط الگوریتم رقابت استعماری

وبسایت لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید. زیر نظرلینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید. راه اندازی شده است. استفاده از مطالب مفید این سایت را به همه علاقه مندان هوش مصنوعی، بهینه سازی تکاملی و الگوریتم رقابت استعماری توصیه می کنیم.]]> <![CDATA[فایل راهنمای فارسی الگوریتم رقابت استعماری بر روی وب]]> http://forum.matlabsite.com/showthread.php?tid=29 Wed, 26 May 2010 01:28:09 +0000 http://forum.matlabsite.com/showthread.php?tid=29
[تصوير: ica_site_ad.JPG]

وبسایت رسمی الگوریتم رقابت استعماری، با آدرس لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید. (لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.) مطالب جدیدی در این حوزه منتشر کرده است. در یکی از پست های این سایت فایل راهنمای فارسی جامعی در مورد الگوریتم رقابت استعماری قرار گرفته است. در ادامه این پست دقیقاً از روی همین سایت جهت استفاده اعضای انجمن متلب سایت قرار می گیرد. جهت دریافت اطلاعات بیشتر می توانید به وبسایت مذکور مراجعه نمایید.

بر روی سایت "الگوریتم رقابت استعماری و بهینه سازی تکاملی" متن آموزشی جامعی قرار گرفته است که توضیحات مفصلی را در مورد این الگوریتم در اختیار می کذارد. این فایل در حقیقت بخشهایی نسبتاً کامل از یک پایان نامه در مورد الگوریتم رقابت استعماری می باشد. در ادامه فهرست مطالب این متن آموزشی آمده است. برای مشاده هر بخش می توانید روی عنوان آن بخش کلیک کنید. لازم به ذکر است که فایل PDF جامعتر این متن آموزشی نیز بر روی سایت در این لینک (کلیک کنید) قرار گرفته است. توصیه می شود پس از مطالعه بخش مربوطه در وبسایت، در صورت تمایل متن فایل PDF را نیز مطالعه نمایید.

نکته دیگر قابل ذکر این است که الگوریتم رقابت استعماری در حال حاضر در نسخه های مختلف و با تغییراتی نسبت به نسخه اولیه آن توسط دانشجویان و محققین حوزه بهینه سازی مورد استفاده قرار می گیرد. متن آموزشی ارائه شده بر روی سایت ورژن اولیه و نسخه ابتدایی الگوریتم رقابت استعماری می باشد. برای آشنایی با نسخه های جدیدتر الگوریتم می توانید به برخی از مقالات ارائه شده بر روی سایت مراجعه نمایید.

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.

فهرست مطالب متن آموزشی الگوریتم رقابت استعماری

(جهت مطالعه هر بخش روی آن کلیک کنید.)
چکیده

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
1-1 هدف و اهميت مسئله
1-2 الگوريتم توسعه داده شده
1-3 مزاياي الگوريتم توسعه داده شده
1-4 ساختار پايان‌نامه


فصل 2 بهينه‌سازي و روشهاي موجود
2-1 انواع مسائل بهينه‌سازي
2-2 روش‌هاي بهينه‌سازي کمينه‌جو
2-2-1 بهينه‌سازي تحليلي
2-2-2 جستجوي خط
2-2-3 روش‌هاي نيوتوني
2-2-4 روش کاهشي نِلدِر ـ ‌ميد با اشکال غير مرکب
2-3 الگوريتم‌ ژنتيک
2-4 الگوريتم بازپخت شبيه‌سازي شده
2-5 بهينه‌سازي گروه ذرات
2-6 کلوني مورچه‌ها
2-7 برنامه‌ريزي ژنتيک


لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
3-1 مقدمه
3-2 مروري تاريخي بر پديده استعمار
3-2-1 هند
3-2-2 مالزي
3-2-3 هندوچين فرانسه
3-2-4 هند شرقي (اندونزي)
3-3 الگوريتم پيشنهادي
3-3-1 شکل دهي امپراطوري‌هاي اوليه
3-3-2 مدل‌سازي سياست جذب: حرکت مستعمره‌ها به سمت امپرياليست
3-3-3 جابجايي موقعيت مستعمره و امپرياليست
3-3-4 قدرت کل يک امپراطوري
3-3-5 رقابت استعماري
3-3-6 سقوط امپراطوري‌هاي ضعيف
3-3-7 همگرايي
3-4 مثال کاربردي
3-5 نتيجه‌گيری
3-6 توابع هزينه مورد استفاده


لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
4-1 استفاده از الگوريتم معرفي شده براي طراحي يک کنترل‌کننده PID بهينه
4-1-1 کنترل‌کننده PID
4-1-2 طراحي کنترل‌کننده PID بهينه توسط الگوريتم رقابت استعماري
4-1-3 نتيجه‌گيري
4-2 استفاده از الگوريتم رقابت امپرياليستي براي طراحي کنترل‌کننده PID چند متغيره براي سيستم صنعتي ستون تقطير
4-2-1 مقدمه
4-2-2 کنترل‌کننده PID براي فرايند چند متغيره
4-2-3 نتايج شبيه‌سازي
4-2-4 نتيجه‌گيري
4-3 الگوريتم رقابت استعماري؛ ابزاري براي يافتن نقطه تعادل نش
4-3-1 يک بازي غير خطي استاتيک ساده
4-3-2 يک بازي با پيچيدگي بيشتر
4-4 طراحي بهينه آنتهاي آرايه‌اي
4-5 استفاده از الگوريتم رقابت استعماري براي شناسايي ويژگي مواد از آزمون فرورفتگي
4-5-1 مقدمه
4-5-2 توصيف مسئله معکوس
4-5-3 حل مسئله معکوس توسط الگوريتم رقابت استعماري
4-5-4 نتيجه‌گيری
4-6 کنترل فازي اتومبيل
4-6-1 مدل اتومبيل
4-6-2 نتايج

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.

جهت مطالعه موارد فوق به وبسایت الگوریتم مراجعه نمایید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.]]>
[تصوير: ica_site_ad.JPG]

وبسایت رسمی الگوریتم رقابت استعماری، با آدرس لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید. (لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.) مطالب جدیدی در این حوزه منتشر کرده است. در یکی از پست های این سایت فایل راهنمای فارسی جامعی در مورد الگوریتم رقابت استعماری قرار گرفته است. در ادامه این پست دقیقاً از روی همین سایت جهت استفاده اعضای انجمن متلب سایت قرار می گیرد. جهت دریافت اطلاعات بیشتر می توانید به وبسایت مذکور مراجعه نمایید.

بر روی سایت "الگوریتم رقابت استعماری و بهینه سازی تکاملی" متن آموزشی جامعی قرار گرفته است که توضیحات مفصلی را در مورد این الگوریتم در اختیار می کذارد. این فایل در حقیقت بخشهایی نسبتاً کامل از یک پایان نامه در مورد الگوریتم رقابت استعماری می باشد. در ادامه فهرست مطالب این متن آموزشی آمده است. برای مشاده هر بخش می توانید روی عنوان آن بخش کلیک کنید. لازم به ذکر است که فایل PDF جامعتر این متن آموزشی نیز بر روی سایت در این لینک (کلیک کنید) قرار گرفته است. توصیه می شود پس از مطالعه بخش مربوطه در وبسایت، در صورت تمایل متن فایل PDF را نیز مطالعه نمایید.

نکته دیگر قابل ذکر این است که الگوریتم رقابت استعماری در حال حاضر در نسخه های مختلف و با تغییراتی نسبت به نسخه اولیه آن توسط دانشجویان و محققین حوزه بهینه سازی مورد استفاده قرار می گیرد. متن آموزشی ارائه شده بر روی سایت ورژن اولیه و نسخه ابتدایی الگوریتم رقابت استعماری می باشد. برای آشنایی با نسخه های جدیدتر الگوریتم می توانید به برخی از مقالات ارائه شده بر روی سایت مراجعه نمایید.

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.

فهرست مطالب متن آموزشی الگوریتم رقابت استعماری

(جهت مطالعه هر بخش روی آن کلیک کنید.)
چکیده

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
1-1 هدف و اهميت مسئله
1-2 الگوريتم توسعه داده شده
1-3 مزاياي الگوريتم توسعه داده شده
1-4 ساختار پايان‌نامه


فصل 2 بهينه‌سازي و روشهاي موجود
2-1 انواع مسائل بهينه‌سازي
2-2 روش‌هاي بهينه‌سازي کمينه‌جو
2-2-1 بهينه‌سازي تحليلي
2-2-2 جستجوي خط
2-2-3 روش‌هاي نيوتوني
2-2-4 روش کاهشي نِلدِر ـ ‌ميد با اشکال غير مرکب
2-3 الگوريتم‌ ژنتيک
2-4 الگوريتم بازپخت شبيه‌سازي شده
2-5 بهينه‌سازي گروه ذرات
2-6 کلوني مورچه‌ها
2-7 برنامه‌ريزي ژنتيک


لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
3-1 مقدمه
3-2 مروري تاريخي بر پديده استعمار
3-2-1 هند
3-2-2 مالزي
3-2-3 هندوچين فرانسه
3-2-4 هند شرقي (اندونزي)
3-3 الگوريتم پيشنهادي
3-3-1 شکل دهي امپراطوري‌هاي اوليه
3-3-2 مدل‌سازي سياست جذب: حرکت مستعمره‌ها به سمت امپرياليست
3-3-3 جابجايي موقعيت مستعمره و امپرياليست
3-3-4 قدرت کل يک امپراطوري
3-3-5 رقابت استعماري
3-3-6 سقوط امپراطوري‌هاي ضعيف
3-3-7 همگرايي
3-4 مثال کاربردي
3-5 نتيجه‌گيری
3-6 توابع هزينه مورد استفاده


لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
4-1 استفاده از الگوريتم معرفي شده براي طراحي يک کنترل‌کننده PID بهينه
4-1-1 کنترل‌کننده PID
4-1-2 طراحي کنترل‌کننده PID بهينه توسط الگوريتم رقابت استعماري
4-1-3 نتيجه‌گيري
4-2 استفاده از الگوريتم رقابت امپرياليستي براي طراحي کنترل‌کننده PID چند متغيره براي سيستم صنعتي ستون تقطير
4-2-1 مقدمه
4-2-2 کنترل‌کننده PID براي فرايند چند متغيره
4-2-3 نتايج شبيه‌سازي
4-2-4 نتيجه‌گيري
4-3 الگوريتم رقابت استعماري؛ ابزاري براي يافتن نقطه تعادل نش
4-3-1 يک بازي غير خطي استاتيک ساده
4-3-2 يک بازي با پيچيدگي بيشتر
4-4 طراحي بهينه آنتهاي آرايه‌اي
4-5 استفاده از الگوريتم رقابت استعماري براي شناسايي ويژگي مواد از آزمون فرورفتگي
4-5-1 مقدمه
4-5-2 توصيف مسئله معکوس
4-5-3 حل مسئله معکوس توسط الگوريتم رقابت استعماري
4-5-4 نتيجه‌گيری
4-6 کنترل فازي اتومبيل
4-6-1 مدل اتومبيل
4-6-2 نتايج

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.

جهت مطالعه موارد فوق به وبسایت الگوریتم مراجعه نمایید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.]]> <![CDATA[كمك در مورد خاص از genetic algorithm]]> http://forum.matlabsite.com/showthread.php?tid=28 Sun, 23 May 2010 15:24:18 +0000 http://forum.matlabsite.com/showthread.php?tid=28 من روي يك مورد خاص از الگوريتم ژنتيك كار مي كنم . تابع هدف من يه نرم افزار مهندسي مي باشد كه بايستي با استفاده از كروموزم هاي متفاوت كه بوسيله الگوريتم توليد مي شود بهينه سازي شود .
در اين مورد ژن ها فقط بايد اعداد صحيح باشند .هنگاه ديكد شدن هر يك از ژن ها بعنوان يك متغيير به نرم افزار داده مي شود. يعني من بايد كروموزم را در قسمت تابع هدف ديكد كنم و بعد از اون به نرم افزار بدم.
دوستان اگه ممكنه به من كمك بكنند]]> من روي يك مورد خاص از الگوريتم ژنتيك كار مي كنم . تابع هدف من يه نرم افزار مهندسي مي باشد كه بايستي با استفاده از كروموزم هاي متفاوت كه بوسيله الگوريتم توليد مي شود بهينه سازي شود .
در اين مورد ژن ها فقط بايد اعداد صحيح باشند .هنگاه ديكد شدن هر يك از ژن ها بعنوان يك متغيير به نرم افزار داده مي شود. يعني من بايد كروموزم را در قسمت تابع هدف ديكد كنم و بعد از اون به نرم افزار بدم.
دوستان اگه ممكنه به من كمك بكنند]]> <![CDATA[کمک]]> http://forum.matlabsite.com/showthread.php?tid=27 Thu, 25 Feb 2010 19:09:08 +0000 http://forum.matlabsite.com/showthread.php?tid=27 <![CDATA[مشکل در GUI]]> http://forum.matlabsite.com/showthread.php?tid=26 Tue, 29 Dec 2009 07:09:34 +0000 http://forum.matlabsite.com/showthread.php?tid=26 چند وقتی هست درگیر و کلافه نوشتن یه پروژه واسه محاسبات عدی هستم . پروژش هم انتگرال گیری عددی به روش رامبرگ هست . مشکل اینجاست که برای زیبایی و راحتیه کار به سراغ برنامه های .net رفتم ، و در برنامه می خواستم که از کاربر در یکی از تکسباکس ها یک فرمولی تایپ کنه که برای مقدار دهی ازش استفاده کنم . اما انقد پیچیده بود که بیخیالش شددم رفتم سراغ GUI متلب . حالا انجا به همون مشکل تقریبا رسیدم که چجوری می تونم یه رشته رو که ازتککباکس گرفتم درون برنامه به صورت یک تابع در نظر بگیره و با مقدارهای مختلف برای متغیرش مثلا X مقدار تابع ر حساب کنم ؟ Angel]]> چند وقتی هست درگیر و کلافه نوشتن یه پروژه واسه محاسبات عدی هستم . پروژش هم انتگرال گیری عددی به روش رامبرگ هست . مشکل اینجاست که برای زیبایی و راحتیه کار به سراغ برنامه های .net رفتم ، و در برنامه می خواستم که از کاربر در یکی از تکسباکس ها یک فرمولی تایپ کنه که برای مقدار دهی ازش استفاده کنم . اما انقد پیچیده بود که بیخیالش شددم رفتم سراغ GUI متلب . حالا انجا به همون مشکل تقریبا رسیدم که چجوری می تونم یه رشته رو که ازتککباکس گرفتم درون برنامه به صورت یک تابع در نظر بگیره و با مقدارهای مختلف برای متغیرش مثلا X مقدار تابع ر حساب کنم ؟ Angel]]> <![CDATA[مشکل با رشته ها در متلب]]> http://forum.matlabsite.com/showthread.php?tid=25 Fri, 18 Dec 2009 12:08:06 +0000 http://forum.matlabsite.com/showthread.php?tid=25
برای تعریف یه آرایه رشته ای توی متلب از این کد استفاده میکنم:
کد:

a=str2mat('aa','bb');

حالا میخوام یه آرایه رشته ای رو توی حلقه for مقداردهی کنم. و نمیدونم چه جوری این کار رو انجام بدم.

خوشحال میشم من رو راهنمایی کنید.

با تشکر]]>
برای تعریف یه آرایه رشته ای توی متلب از این کد استفاده میکنم:
کد:

a=str2mat('aa','bb');

حالا میخوام یه آرایه رشته ای رو توی حلقه for مقداردهی کنم. و نمیدونم چه جوری این کار رو انجام بدم.

خوشحال میشم من رو راهنمایی کنید.

با تشکر]]> <![CDATA[مکترین فاصله منحنی از خط ؟]]> http://forum.matlabsite.com/showthread.php?tid=24 Tue, 08 Dec 2009 17:39:35 +0000 http://forum.matlabsite.com/showthread.php?tid=24 ممنون میشم که پاسخ بدید . Heart[/size][/align][/font][size=medium]]]> ممنون میشم که پاسخ بدید . Heart[/size][/align][/font][size=medium]]]> <![CDATA[پیاده سازی الگوریتم تشخیص حروف در متلب]]> http://forum.matlabsite.com/showthread.php?tid=23 Mon, 30 Nov 2009 09:09:51 +0000 http://forum.matlabsite.com/showthread.php?tid=23 در مورد نحوه ی پیاده سازی تشخیص حروف با استفاده از شبکه های عصبی بدون ناظر در متلب
مطالبی می خواستم.
اگه کسی داره لطفا دریغ نکنه.
با تشکر.]]> در مورد نحوه ی پیاده سازی تشخیص حروف با استفاده از شبکه های عصبی بدون ناظر در متلب
مطالبی می خواستم.
اگه کسی داره لطفا دریغ نکنه.
با تشکر.]]> <![CDATA[طراحی کنترل کننده PID با استفاده از الگوریتم PSO یا الگوریتم پرندگان]]> http://forum.matlabsite.com/showthread.php?tid=22 Sun, 18 Oct 2009 21:00:21 +0000 http://forum.matlabsite.com/showthread.php?tid=22

طراحی کنترل کننده پی آی دی PID با استفاده از الگوریتم PSO

یا الگوریتم بهینه سازی ازدحام ذرات

PID Tunning using Particle Swarm Optimization


لینک دانلود این برنامه در ادامه قرار دارد:

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.

پسورد فایل: matlabsite.com]]>

طراحی کنترل کننده پی آی دی PID با استفاده از الگوریتم PSO

یا الگوریتم بهینه سازی ازدحام ذرات

PID Tunning using Particle Swarm Optimization


لینک دانلود این برنامه در ادامه قرار دارد:

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.

پسورد فایل: matlabsite.com]]> <![CDATA[دانلود رایگان کد متلب الگوریتم پرندگان یا الگوریتم PSO]]> http://forum.matlabsite.com/showthread.php?tid=21 Sun, 18 Oct 2009 20:55:59 +0000 http://forum.matlabsite.com/showthread.php?tid=21
الگوریتم پرندگان، الگوریتم بهینه سازی ازدحام ذرات یا الگوریتم PSO

Particle Swarm Optimization with Matlab


لینک دانلود این برنامه در ادامه قابل مشاهده است:

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.

پسورد فایل: matlabsite.com]]>
الگوریتم پرندگان، الگوریتم بهینه سازی ازدحام ذرات یا الگوریتم PSO

Particle Swarm Optimization with Matlab


لینک دانلود این برنامه در ادامه قابل مشاهده است:

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.

پسورد فایل: matlabsite.com]]> <![CDATA[حل نسخه های مختلف مسأله فروشنده دوره گرد با استفاده از الگوریتم ژنتیک]]> http://forum.matlabsite.com/showthread.php?tid=20 Sun, 18 Oct 2009 20:41:31 +0000 http://forum.matlabsite.com/showthread.php?tid=20

حل نسخه های مختلف مسأله فروشنده دوره گرد با استفاده از الگوریتم ژنتیک

Traveling Salesman Problem (TSP) with Genetic Algorithm

در این پست، برنامه های متلب مربوط به حل نسخه های مختلف مسأله معروف فروشنده دوره گرد یا TSP با استفاده از الگوریتم ژنتیک، برای دانلود در اختیار مراجعین محترم قرار گرفته است. لینک دانلود هر کدام از برنامه در ادامه آمده است:


لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.



پسورد تمام فایلها، عبارت matlabsite.com می باشد.]]>

حل نسخه های مختلف مسأله فروشنده دوره گرد با استفاده از الگوریتم ژنتیک

Traveling Salesman Problem (TSP) with Genetic Algorithm

در این پست، برنامه های متلب مربوط به حل نسخه های مختلف مسأله معروف فروشنده دوره گرد یا TSP با استفاده از الگوریتم ژنتیک، برای دانلود در اختیار مراجعین محترم قرار گرفته است. لینک دانلود هر کدام از برنامه در ادامه آمده است:


لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.



پسورد تمام فایلها، عبارت matlabsite.com می باشد.]]> <![CDATA[دانلود رایگان نرم افزار متلب - نسخه 7.9 یا MATLAB R2009b]]> http://forum.matlabsite.com/showthread.php?tid=19 Thu, 15 Oct 2009 10:33:42 +0000 http://forum.matlabsite.com/showthread.php?tid=19
[تصوير: matlab_r2009b.png]

آخرین نگارش نرم افزار متلب، نسخه 7.9 یا نگارش R2009b است که در 4 سپتامبر 2009 (مصادف با 13 شهریور 1388) ارائه گردیده است. متلب سایت امکان دانلود رایگان این نسخه از نرم افزار متلب را برای شما فراهم نموده است. نگارش R2009b نرم افزار متلب، دارای قابیلت های جدیدی است که به بخشهای متلب و سیمیولینک افزوده شده اند. همچنین نسخه های جدید تولباکسهای مختلف، مشتمل بر 83 محصول، به همراه رفع نواقص و خطا ها (باگ ها)، در این نگارش جدید ارائه شده اند. در نگارش R2009b پشتیبانی از مکینتاش 64 بیتی نیز افزوده شده است. ضمنا به طور کامل، متلب و تکنولوژی دات نت مایکروسافت، قابل لینک هستند که ارتباط میان متلب و زبان های برنامه نویسی مبتنی بر دات نت (مثلا سی شارپ) را میسر می کند.


برخی قابلیتهای افزوده شده در نگارش R2009b:
  • طراحی مرورگر راهنمای متلب و دسترسی مستقیم به بخش تبادل فایل متلب یا Matlab File Exchange
  • امکان فراخوانی توابع متلب در محیطهای برنامه نویسی دات نت (مثلا سی شارپ) و بر عکس
  • امکان استفاده از پردازش مساوی در توابع پایه ای متلب، تولباکس پردازش تصویر و تولباکس آمار
  • رابطهای جدید بر روی توباکس محاسبات موازی برای دسترسی و مدیریت آرایه های توزیع شده بر روی یک کلاستر
  • امکان پردازش فایلهای تصویری بسیار بزرگ با استفاده از تولباکس پردازش تصویر
  • امکان دسترسی به اینترنت برای جستجو و بازیابی اطلاعات جغرافیایی در تولباکس نقشه برداری
  • تنظیمات سراسری برای ساده سازی محاسبات ریاضی نقطه ثابت در تولباکس نقطه ثابت
  • امکان استفاده از سیگنالهای با طول متغیر در سیمیولینک و بخش پردازش سیگنال آن
  • مدل های جایگزین برای طراحی مدلهای تحت سیمیولینک
  • امکان تنظیم خودکار کنترل کننده های PID با استفاده از بخش طراحی کنترل سیمیولینک
  • کاهش تعداد کپی های داده در بخش محاسبات به هنگام نرم افزار سیمیولینک
  • توصیه کننده های طراحی مدل پیشرفته در سیمیولینک

امکان خرید پستی این نسخه کامل به صورت DVD نیز فراهم شده است. قیمت DVD مربوط به این نرم افزار، 8900 تومان می باشد. برای خرید این محصول به لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید. مراجعه نمایید.

لینکهای دانلود رایگان نرم افزار متلب - نسخه 7.9 یا MATLAB R2009b
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
]]>
[تصوير: matlab_r2009b.png]

آخرین نگارش نرم افزار متلب، نسخه 7.9 یا نگارش R2009b است که در 4 سپتامبر 2009 (مصادف با 13 شهریور 1388) ارائه گردیده است. متلب سایت امکان دانلود رایگان این نسخه از نرم افزار متلب را برای شما فراهم نموده است. نگارش R2009b نرم افزار متلب، دارای قابیلت های جدیدی است که به بخشهای متلب و سیمیولینک افزوده شده اند. همچنین نسخه های جدید تولباکسهای مختلف، مشتمل بر 83 محصول، به همراه رفع نواقص و خطا ها (باگ ها)، در این نگارش جدید ارائه شده اند. در نگارش R2009b پشتیبانی از مکینتاش 64 بیتی نیز افزوده شده است. ضمنا به طور کامل، متلب و تکنولوژی دات نت مایکروسافت، قابل لینک هستند که ارتباط میان متلب و زبان های برنامه نویسی مبتنی بر دات نت (مثلا سی شارپ) را میسر می کند.


برخی قابلیتهای افزوده شده در نگارش R2009b:
  • طراحی مرورگر راهنمای متلب و دسترسی مستقیم به بخش تبادل فایل متلب یا Matlab File Exchange
  • امکان فراخوانی توابع متلب در محیطهای برنامه نویسی دات نت (مثلا سی شارپ) و بر عکس
  • امکان استفاده از پردازش مساوی در توابع پایه ای متلب، تولباکس پردازش تصویر و تولباکس آمار
  • رابطهای جدید بر روی توباکس محاسبات موازی برای دسترسی و مدیریت آرایه های توزیع شده بر روی یک کلاستر
  • امکان پردازش فایلهای تصویری بسیار بزرگ با استفاده از تولباکس پردازش تصویر
  • امکان دسترسی به اینترنت برای جستجو و بازیابی اطلاعات جغرافیایی در تولباکس نقشه برداری
  • تنظیمات سراسری برای ساده سازی محاسبات ریاضی نقطه ثابت در تولباکس نقطه ثابت
  • امکان استفاده از سیگنالهای با طول متغیر در سیمیولینک و بخش پردازش سیگنال آن
  • مدل های جایگزین برای طراحی مدلهای تحت سیمیولینک
  • امکان تنظیم خودکار کنترل کننده های PID با استفاده از بخش طراحی کنترل سیمیولینک
  • کاهش تعداد کپی های داده در بخش محاسبات به هنگام نرم افزار سیمیولینک
  • توصیه کننده های طراحی مدل پیشرفته در سیمیولینک

امکان خرید پستی این نسخه کامل به صورت DVD نیز فراهم شده است. قیمت DVD مربوط به این نرم افزار، 8900 تومان می باشد. برای خرید این محصول به لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید. مراجعه نمایید.

لینکهای دانلود رایگان نرم افزار متلب - نسخه 7.9 یا MATLAB R2009b
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
]]> <![CDATA[پیاده سازی محاسبات فازی در متلب به صورت گرافیکی]]> http://forum.matlabsite.com/showthread.php?tid=18 Thu, 15 Oct 2009 09:05:40 +0000 http://forum.matlabsite.com/showthread.php?tid=18

پیاده سازی محاسبات فازی در متلب به صورت گرافیکی

Fuzzy Arithmetic GUI in MATLAB



در این برنامه، عملگرها و روش های تعریف شده در محاسبات فازی در قالب یک برنامه گرافیکی تعریف شده است. برای اجرای برنامه، فایل FA1 را اجرا نمایید.

لینک دانلود این برنامه در ادامه قرار دارد:

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.

پسورد فایل: matlabsite.com]]>

پیاده سازی محاسبات فازی در متلب به صورت گرافیکی

Fuzzy Arithmetic GUI in MATLAB



در این برنامه، عملگرها و روش های تعریف شده در محاسبات فازی در قالب یک برنامه گرافیکی تعریف شده است. برای اجرای برنامه، فایل FA1 را اجرا نمایید.

لینک دانلود این برنامه در ادامه قرار دارد:

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.

پسورد فایل: matlabsite.com]]> <![CDATA[تقریب توابع و مدل سازی با استفاده از شبکه های عصبی مصنوعی بدون استفاده از تولباکس]]> http://forum.matlabsite.com/showthread.php?tid=17 Thu, 15 Oct 2009 08:53:19 +0000 http://forum.matlabsite.com/showthread.php?tid=17
تقریب توابع و مدل سازی با استفاده از شبکه های عصبی مصنوعی بدون استفاده از جعبه ابزار (تولباکس) شبکه عصبی

Function Approximation Using Neural Network Without using Toolbox


در این برنامه یک شبکه عصبی پرسپترون چند لایه (MLP) بدون استفاده از امکانات تولباکس شبکه عصبی پیاده سازی شده است و برای تقریف یک تابع دو متغیره مورد استفاده قرار گرفته است. در این برنامه یک الگوریتم یادگیری پس انتشار (Backpropagation) برای کاهش خطای تقریب، پیاده سازی شده است.

لینک دانلود این برنامه در ادامه آمده است:

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.

پسورد فایل: matlabsite.com]]>
تقریب توابع و مدل سازی با استفاده از شبکه های عصبی مصنوعی بدون استفاده از جعبه ابزار (تولباکس) شبکه عصبی

Function Approximation Using Neural Network Without using Toolbox


در این برنامه یک شبکه عصبی پرسپترون چند لایه (MLP) بدون استفاده از امکانات تولباکس شبکه عصبی پیاده سازی شده است و برای تقریف یک تابع دو متغیره مورد استفاده قرار گرفته است. در این برنامه یک الگوریتم یادگیری پس انتشار (Backpropagation) برای کاهش خطای تقریب، پیاده سازی شده است.

لینک دانلود این برنامه در ادامه آمده است:

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.

پسورد فایل: matlabsite.com]]> <![CDATA[دانلود رایگان کد مربوط به پیاده سازی سه طبقه بندی کننده شبکه عصبی در متلب]]> http://forum.matlabsite.com/showthread.php?tid=16 Thu, 15 Oct 2009 08:25:33 +0000 http://forum.matlabsite.com/showthread.php?tid=16
پیاده سازی سه طبقه بندی کننده معروف شبکه عصبی در متلب

Neural Network Classifiers

این برنامه شامل پیاده سازی سه نوع طبقه بندی کننده عصبی نظارت شده از نوع LVQ است. اسامی این سه روش عبارتند از: GRLVQ ، SRNG و H2MGLVQ

لینک دانلود این برنامه در ادامه آمده است:

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.

پسورد فایل: matlabsite.com]]>
پیاده سازی سه طبقه بندی کننده معروف شبکه عصبی در متلب

Neural Network Classifiers

این برنامه شامل پیاده سازی سه نوع طبقه بندی کننده عصبی نظارت شده از نوع LVQ است. اسامی این سه روش عبارتند از: GRLVQ ، SRNG و H2MGLVQ

لینک دانلود این برنامه در ادامه آمده است:

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.

پسورد فایل: matlabsite.com]]> <![CDATA[دانلود رایگان برنامه تشخیص چهره با استفاده از شبکه های عصبی و ویژگی گابور Gabor]]> http://forum.matlabsite.com/showthread.php?tid=15 Thu, 15 Oct 2009 08:10:36 +0000 http://forum.matlabsite.com/showthread.php?tid=15
تشخیص چهره با استفاده از شبکه های عصبی و به کارگیری ویژگی گابور Gabor

Face Detection using Gabor feature extraction and neural networks

لینک دانلود این برنامه در ادامه آمده است:

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.

پسورد فایل: matlabsite.com]]>
تشخیص چهره با استفاده از شبکه های عصبی و به کارگیری ویژگی گابور Gabor

Face Detection using Gabor feature extraction and neural networks

لینک دانلود این برنامه در ادامه آمده است:

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.

پسورد فایل: matlabsite.com]]> <![CDATA[درخواست-نحوه ی پیاده سازی تشخیص لبه ی تصاویر با استفاده از اتوماتای سلولی در متلب]]> http://forum.matlabsite.com/showthread.php?tid=14 Sun, 10 May 2009 10:21:16 +0000 http://forum.matlabsite.com/showthread.php?tid=14 اگر فایل الگوریتم پیاده سازیشو دارید لطفاً در اینجا قرار بدید.مرسی]]> اگر فایل الگوریتم پیاده سازیشو دارید لطفاً در اینجا قرار بدید.مرسی]]> <![CDATA[فایل آموزش تولباکس الگوریتم ژنتیک در متلب]]> http://forum.matlabsite.com/showthread.php?tid=12 Sat, 09 May 2009 08:04:11 +0000 http://forum.matlabsite.com/showthread.php?tid=12 الگوریتم ژنتیک (Genetic Algorithm - GA) تکنیک جستجویی در علم رایانه برای یافتن راه‌حل تقریبی برای بهینه‌سازی و مسائل جستجو است. الگوریتم ژنتیک نوع خاصی از الگوریتمهای تکامل است که از تکنیکهای زیست‌شناسی فرگشتی مانند وراثت و جهش استفاده می‌کند.

در واقع الگوریتم‌های ژنتیک از اصول انتخاب طبیعی داروین برای یافتن فرمول بهینه جهت پیش‌بینی یا تطبیق الگو استفاده می‌کنند.الگوریتم‌های ژنتیک اغلب گزینه خوبی برای تکنیک‌های پیش‌بینی بر مبنای رگرسیون هستند. مختصراً گفته می شود که الگوریتم ژنتیک (یا GA) یک تکنیک برنامه‌نویسی است که از تکامل ژنتیکی به عنوان یک الگوی حل مسئله استفاده می‌کند.مسئله‌ای که باید حل شود ورودی است و راه‌حلها طبق یک الگو کد گذاری می شوند که تابع fitness نام دارد هر راه حل کاندید را ارزیابی می‌کند که اکثر آنها به صورت تصادفی انتخاب می‌شوند.

به دلیل گسترش استفاده از الگوریتم ژنتیک، متلب نیز یک جعبه ابزار برای استفاده تدارک دیده است. با توجه به اهمیت موضوع و بنا به درخواست های متعدد مراجعین، متلب سایت راهنمای آموزش الگوریتم ژنتیک در متلب را که توسط خود شرکت Mathworks تهیه شده است در اختیار مراجعین محترم قرار داده است. این فایل آموزشی مفید را می توانید از لینک زیر دانلود کنید.

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
]]> الگوریتم ژنتیک (Genetic Algorithm - GA) تکنیک جستجویی در علم رایانه برای یافتن راه‌حل تقریبی برای بهینه‌سازی و مسائل جستجو است. الگوریتم ژنتیک نوع خاصی از الگوریتمهای تکامل است که از تکنیکهای زیست‌شناسی فرگشتی مانند وراثت و جهش استفاده می‌کند.

در واقع الگوریتم‌های ژنتیک از اصول انتخاب طبیعی داروین برای یافتن فرمول بهینه جهت پیش‌بینی یا تطبیق الگو استفاده می‌کنند.الگوریتم‌های ژنتیک اغلب گزینه خوبی برای تکنیک‌های پیش‌بینی بر مبنای رگرسیون هستند. مختصراً گفته می شود که الگوریتم ژنتیک (یا GA) یک تکنیک برنامه‌نویسی است که از تکامل ژنتیکی به عنوان یک الگوی حل مسئله استفاده می‌کند.مسئله‌ای که باید حل شود ورودی است و راه‌حلها طبق یک الگو کد گذاری می شوند که تابع fitness نام دارد هر راه حل کاندید را ارزیابی می‌کند که اکثر آنها به صورت تصادفی انتخاب می‌شوند.

به دلیل گسترش استفاده از الگوریتم ژنتیک، متلب نیز یک جعبه ابزار برای استفاده تدارک دیده است. با توجه به اهمیت موضوع و بنا به درخواست های متعدد مراجعین، متلب سایت راهنمای آموزش الگوریتم ژنتیک در متلب را که توسط خود شرکت Mathworks تهیه شده است در اختیار مراجعین محترم قرار داده است. این فایل آموزشی مفید را می توانید از لینک زیر دانلود کنید.

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
]]>