الگوریتم کلونی زنبور عسل Artificial Bee Colony Algorithm

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 در سال 2۰۰۵ توسط Dervis Karaboga، برای بهینه‌سازی ارائه شد.در این مدل، کلونی زنبور عسل مصنوعی دارای سه نوع زنبورهای کارگر، ناظر و دیده بان است. زنبورهای کارگر روی گردآوری غذا و آوردن آن به کندو از یک منبع غذایی...
ادامه مطلب

الگوریتم کلونی مورچگان

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 جزء از آن. یکی از مهمترین و جالبترین رفتار مورچه‌ها، رفتار آنها برای یافتن غذا است و به ویژه چگونگی پیدا کردن کوتاهترین مسیر میان منابع غذایی و آشیانه.الگوریتم بهینه سازی کلونی مورچگان تحت عنوان...
ادامه مطلب

الگوریتم PSO

مقدمه 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 1995 طراحی شده است که الهام گرفته از رفتار اجتماعی ازدحام پرندگان و پرورش ماهی است. الگوریتم PSO شباهت زیادی با تکنیک های محاسباتی تکاملی مانند الگوریتم ژنتیک (GA) دارد. این سیستم با جمع آوری راه حل های تصادفی و جستجو برای بهینه سازی با به روز رسانی نسل ها آغاز می شود. با این حال، بر خلاف GA الگوریتم PSO هیچ اپراتور...
ادامه مطلب

درخت پوشای مینیمم 

درخت پوشای مینیمم یا درخت پوشای کمینه در نظریه گراف، درخت پوشا T، درختی است از یک گراف G کامل و بدون جهت و وزن دار که شامل تمام راس ها و حداقل یال‌ها می‌باشد. به بیان دیگر می‌توان گفت، درخت پوشای G درختی است که مجموعه‌ای از یال‌ها را شامل می‌شود  که تمام رئوس را پوشش می‌دهد. در واقع تمام رئوس G در درخت پوشا وجود دارند به شرطی که هیچ حلقه یا دوری ایجاد نشود و درخت همبند نیز باشد. درخت پوشای کمینه (Minimum Spanning Tree) یک درخت پوشا است که داری کمترین هزینه (مجموع هزینه یال ها) باشد....
ادامه مطلب

الگوریتم یادگیری ماشین K-Means

خوشه بندی یکی از روش های یادگیری بدون نظارت است و هدف آن تقسیم بندی داده ها به خوشه های مختلف است به طوری که داده های درون یک خوشه بیشترین شباهت به یکدیگر را داشته باشند و از طرف دیگر داده های قرار گرفته در خوشه های مختلف بیشترین تفاوت را داشته باشند. خوشه بندی روشی است که هم در داده کاوی و هم در بینایی ماشین کاربرد دارد. از روش های رایج خوشه بندی می توان به خوشه بندی با الگوریتم K-means اشاره کرد.الگوریتم خوشه بندی K-means الگوریتم K-means یکی از روش های خوشه بندی ساده و سریع است. این...
ادامه مطلب

الگوریتم یادگیری ماشین K نزدیک‌ترین همسایه

روش K نزدیک‌ترین همسایه نزدیک K Nearest Neighbors یا (KNN) یک روش یادگیری موردی ‌است و از جمله ساده‌ترین الگوریتم‌های یادگیری ماشین می‌باشد که به روش K همسایه نزدیک نیز معروف است. در این الگوریتم یک نمونه با رای اکثریت از همسایه‌هایش دسته‌بندی می‌شود و این نمونه در عمومی‌ترین کلاس مابین k همسایه نزدیک تعیین می‌شود. K یک مقدار مثبت صحیح و عموماً کوچک است. اگر k=1 باشد نمونه به سادگی در کلاس همسایگان نزدیکش تعیین می‌گردد. فرد بودن مقدار k مفید می‌باشد چون با این کار جلوی آراء برابر...
ادامه مطلب