آموزش الگوریتم مورچگان Ant Colony در MATLAB فرادرس
محتوای این دوره، شامل ویدئوها، فایلهای پیوست، پروژهها و یادداشتها، با هدف یادگیری سریعتر و مؤثرتر طراحی شدهاند. تمامی دوره های رایگان کده بهصورت رایگان و همچنین از طریق خرید اشتراکی در دسترس بوده و سعی شده همواره تمامی دوره ها بدون قفل و دارای آخرین آپدیت باشند. دوره ها فقط از سمت ربات تلگرامی رایگان کده قابل دانلود هستند.
آموزش الگوریتم مورچگان Ant Colony در MATLAB فرادرس
محتوای این دوره، شامل ویدئوها، فایلهای پیوست، پروژهها و یادداشتها، با هدف یادگیری سریعتر و مؤثرتر طراحی شدهاند. تمامی دوره های رایگان کده بهصورت رایگان و همچنین از طریق خرید اشتراکی در دسترس بوده و سعی شده همواره تمامی دوره ها بدون قفل و دارای آخرین آپدیت باشند.
این دوره تا آخرین پارت منتشر شده از سوی سازنده قرار گرفته است!
این دوره بدون هیچ لایسنس و قفل نرمافزاری با فرمت MP4 قرار گرفته است!
آموزش الگوریتم مورچگان Ant Colony در MATLAB فرادرس
آموزش الگوریتم مورچگان Ant Colony در MATLAB فرادرس دورهای جامع است که به بررسی مبانی و پیادهسازی این الگوریتم در محیط متلب میپردازد. این دوره توسط دکتر سید مصطفی کلامی هریس تدریس میشود و شامل تقریباً ۷ ساعت محتوای آموزشی به زبان فارسی است.
در این آموزش، ابتدا مفاهیم پایهای هوش جمعی و الگوریتم کلونی مورچگان معرفی میشود. سپس، نسخههای مختلف این الگوریتم مورد بررسی قرار میگیرد و پیادهسازی آنها در متلب آموزش داده میشود. همچنین، حل مسائلی مانند «مسئله فروشنده دورهگرد» با استفاده از این الگوریتم بهصورت عملی ارائه میگردد.
این دوره برای دانشجویان و پژوهشگران رشتههای مهندسی و علوم کامپیوتر که به دنبال یادگیری روشهای بهینهسازی هوشمند هستند، مناسب است.
- مروری بر مبانی الگوریتم مورچگان پیوسته و تعریف فرومون (Pheromone) در فضای پیوسته
- بیان ارتباط میان مدل سازی احتمال و توزیع گاوسی (Gaussian Distribution) با تعریف فرومون پیوسته
- معرفی مفهوم بایگانی جواب (Solution Archive) و جایگاه آن در الگوریتم مورچگان
- مفاهیم اساسی مربوط به نمونه برداری از طریق یک ترکیب گاوسی (Gaussian Mixture)
- بیان مراحل الگوریتم ACOR به صورت گام به گام و بررسی دقیق عملکرد هر مرحله
- پیاده سازی الگوریتم ACOR در محیط متلب به صورت مرحله به مرحله
- مباحث تکمیلی در خصوص نحوه در نظر گرفتن همبستگی متغیرها توسط PCA و الگوریتم گرام – اشمیت (Gram – Schmidt algorithm) در ACOR
- این دوره مناسب چه کسانی است؟
- دانشجویان و پژوهشگران علاقهمند به بهینهسازی هوشمند
- افرادی که در حال یادگیری الگوریتمهای فراابتکاری هستند
- کسانی که به حل مسائل پیچیده با استفاده از الگوریتمهای متلب علاقه دارند
- این دوره مناسب چه کسانی نیست؟
- کسانی که تجربه کافی در متلب ندارند
- افرادی که به مفاهیم هوش مصنوعی علاقهای ندارند
- کسانی که به دنبال یادگیری الگوریتمهای کلاسیک هستند
خیر این دوره با آموزش مباحث پایه شروع میشود
بله، نسخههای مختلف این الگوریتم به صورت عملی در متلب پیادهسازی میشود.
