تخفیف نوروزی پی استور
الگوریتم بهینه سازی جهش قورباغه یا Shuffled Frog Leaping Algorithm (به اختصار SFLA)، یکی از الگوریتم‌های بهینه سازی فرا ابتکاری است که از رفتار اجتماعی قورباغه‌ها در طبیعت الهام گرفته شده است و از نظر دسته بندی، در میان الگوریتم‌های رفتاری یا الگوریتم های ممتیک (Memetic Algorithms) قرار می‌گیرد. در
در این قسمت به آموزش و توضیح الگوریتم گرگ خاکستری Grey Wolf Optimizer یا به اختصار GWO پرداخته شده است. این الگوریتم توسط سید علی میرجلیلی (Seyedali Mirjalili) در سال ۲۰۱۴ در مقاله Grey Wolf Optimizer در ژورنال Advances in Engineering Software پایگاه علمی Elsevier ارائه شده است. در ادامه
الگوریتم شعله پروانه یا الگوریتم Moth-flame Optimization Algorithm که به اختصار الگوریتم MFO یا الگوریتم شمع و پروانه نیز نامیده می شود یکی از الگوریتم های بهینه سازی و فراابتکاری است که از رفتار پروانه ها در کنار شعله یا آتش روشی برای حل مسئله پیدا می کند.
الگوریتم بهینه سازی وال ها یا نهنگ WOA عنوان مطلبی است که در این بخش به آن پرداخته می‌شود. این الگوریتم توسط سید علی میرجلیلی (Seyedali Mirjalili) در سال ۲۰۱۶ در مقاله The Whale Optimization Algorithm در ژورنال Advances in Engineering Software پایگاه علمی Elsevier ارائه شده است.
الگوریتم تکاملی تفاضلی یا الگوریتم DE یک الگوریتم بهینه سازی است که اولین بار در سال ۱۹۹۵ توسط Rainer Storn و Kenneth Price معرفی شد. این محققان در مقاله ای (+) تحت عنوان Differential Evolution a Practical Approach to Global Optimization نشان دادند که این الگوریتم توانایی خوبی در بهینه
توابع تست الگوریتم‌های بهینه سازی عنوان مطلبی است که در این پست در به آن پرداخته می‌شود. هر یک از الگوریتم‌های بهینه سازی جواب‌هایی را حین اجرای برنامه در تکرارهای مختلف تولید می‌کنند. برای تمییز جواب‌های بدست آمده از این گونه الگوریتم‌ها و مقایسه جواب‌ها، که کدام یک بهتر است
الگوریتم بهینه سازی کرم شب‌تاب Firefly Algorithm Optimization، و یا به اختصار الگوریتم کرم شب‌تاب Firefly Algorithm، از رفتار کرم های شب‌تاب طبیعی که در مجموعه‌های بزرگ در کنار هم زندگی می‌کنند الهام گرفته شده است و یکی از الگوریتم‌های بسیار کارآمد در حل مسائل بهینه سازی ترکیبی است.
در این پست می‌خواهیم در مورد الگوریتم رقابت استعماری صحبت کنیم. این الگوریتم در سال ۲۰۰۷ توسط Esmaeil Atashpaz-Gargari و Caro Lucas در کنفرانس Congress on Evolutionary Computation تحت عنوان مقاله Imperialist competitive algorithm: An algorithm for optimization inspired by imperialistic competition منتشر شده است. الگوریتم رقابت استعماری را معمولاً
الگوریتم کلونی زنبور عسل مصنوعی (Artificial bee colony algorithm) یک الگوریتم بهینه سازی بر اساس هوش جمعی و رفتار هوشمندانه جمعیت زنبور عسل است. الگوریتم کلونی زنبور عسل مصنوعی یا به اختصار ABC، یک راهکار بهینه‌سازی است که رفتار یک کلونی زنبور عسل را شبیه‌سازی می‌کند و برای اولین بار
الگوریتم کلونی مورچگان یا الگوریتم بهینه سازی کلونی مورچه Ant Colony Optimization الهام گرفته شده از مطالعات و مشاهدات روی کلونی مورچه هاست. این مطالعات نشان داده که مورچه‌ها حشراتی اجتماعی هستند که در کلونی‌ها زندگی می‌کنند و رفتار آن‌ها بیشتر در جهت بقاء کلونی است تا درجهت بقاء یک
الگوریتم PSO یا (Particle swarm optimization) بهینه سازی ازدحام ذرات (PSO) یک روش بهینه سازی تصادفی مبتنی بر جمعیت است که توسط دکتر کندی Dr. Eberhart و دکتر ابراهارت Dr. Kennedy در سال ۱۹۹۵ طراحی شده است که الهام گرفته از رفتار اجتماعی ازدحام پرندگان و پرورش ماهی است. الگوریتم
در میان مجموعه‌ای از تکنیک‌های جستجو و بهینه سازی، توسعه Evolutionary Algorithms یا الگوریتم های تکاملی (EA) در دهه گذشته بسیار مهم بوده است. الگوریتم های تکاملی مجموعه‌ای از اکتشافات مدرن متشکل از موفقیت در بسیاری از برنامه‌های کاربردی با پیچیدگی‌های زیادی است. این موفقیت در حل مشکلات دشوار موتور
در این پست از مجموعه آموزش‌های پی استور، به معرفی الگوریتم ژنتیک خواهیم پرداخت. الگوریتم ژنتیک یکی از الگوریتم‌های بهینه سازی هوشمند در رده الگوریتم‌های فرا ابتکاری از نوع تکاملی می‌باشد. این الگوریتم محبوبیت فوق‌العاده‌ای در بین علاقه مندان و محققان بهینه سازی دارد و در اکثر مقالات علمی در
