ایمیل خود را وارد و بر روی بچرخون کلیک کنید. (کد تخفیف دریافتی را هنگام ثبت سفارش وارد کنید)
قوانین بازی:
در این پست کد الگوریتم بهینه سازی قورباغه در متلب ( کد الگوریتم SFLA در متلب ) قرار داده شده است. 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 الگوریتمهای ممتیک (Memetic Algorithms) قرار میگیرد.
تهیهکننده:
هزینه سفارش:
۲۶۹,۰۰۰ تومان قیمت اصلی: ۲۶۹,۰۰۰ تومان بود.۱۰۷,۶۰۰ تومانقیمت فعلی: ۱۰۷,۶۰۰ تومان.
تخصصی و منحصر به فرد بودن این اثر، تضمین کننده بهای محصول نسبت به آثار مشابه است.
در این پست کد الگوریتم بهینه سازی قورباغه در متلب (کد الگوریتم SFLA در متلب) قرار داده شده است. 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 الگوریتمهای ممتیک (Memetic Algorithms) قرار میگیرد.
از نامهای دیگر الگوریتم بهینه سازی جهش قورباغه، میتوان به الگوریتم قورباغه و الگوریتم جهش قورباغه و الگوریتم SFLA اشاره نمود. این الگوریتم در ابتدا توسط Eusuff و Lansey در سال ۲۰۰۳ مطرح شد هر چند مقالات زیادی پس از برای بهبود این الگوریتم ارائه شده است.
الگوریتم SFLA یک الگوریتم مبتنی بر ممتیک متاهیوریستیک است. الگوریتم ممتیک، یک الگوریتم مبتنی بر جمعیت است که برای مسائل بهینه سازی پیچیده و بزرگ مورداستفاده قرار میگیرد. ایده اصلی این الگوریتم، به کارگیری یک روش جستجوی محلی در درون ساختار الگوریتم ژنتیک برای بهبود کار آبی فرآیند تشدید هنگام جستجو است.
الگوریتم ممتیک در ابتدا مجموع جوابهای اولیه را رمزگذاری میکند، آنگاه ابن الگوریتم میزان مطلوبیت هریک از جوابها را بر اساس یک تابع برازندگی را محاسبه کرده و جوابهای جدیدی را تولید میکند.
الگوریتم SFLA از نحوه جستجوی غذای گروه قورباغهها الهام میگیرد. این الگوریتم برای جستجوی محلی میان زیر گروه قورباغهها از روش نموممتیک استفاده میکند. الگوریتم جهش ترکیبی قورباغه از استراتژی ترکیب استفاده میکند و امکان مبادله پیام در جستجوی محلی را فراهم میسازد. این الگوریتم مزایای الگوریتم نموممتیک و بهینه سازی گروه ذرات را ترکیب میکند. در الگوریتم جهش ترکیبی قورباغه نه تنها در جستجوی محلی بلکه در جستجوی سراسری نیز پیامها مبادله میشوند.
بدین ترتیب جستجوی محلی و سراسری به خوبی در این الگوریتم ترکیب میشوند. الگوریتم جهش ترکیبی قورباغه قابلیت بالایی برای جستجوی سراسری دارد و پیاده سازی آن آسان است. الگوریتم جهش ترکیبی قورباغه میتواند بسیاری از مسائل غیر خطی، غیرقابل تشخیص و چند حالته را حل کند.
سورس کد الگوریتم قورباغه در متلب شامل توابعی است که اسکریپت main در واقع کد اصلی برنامه میباشد و بقیه فراخوانیها از آنجا انجام میشود. همچنین این برنامه داری ۷ تابع تست میباشد که در زیر مشاهده میکنید.
توابع تست برای ارزیابی الگوریتمهای بهینه سازی بکار میروند که در این سایت برای توضیحات بیشتر در مورد توابع تست الگوریتمهای بهینه سازی مقاله ای آماده کردیم. توابع زیادی برای تست عملکرد الگوریتمهای بهینه سازی وجود دارد که در اینجا ما به این ۷ تابع اکتفا کردهایم و همچنین لازم به ذکر است که برای اجرای الگوریتم بهینه سازی روی مسئله مورد نظر تابع هزینه یا Cost Function آن تغییر خواهد کرد و بقیه الگوریتم دست نخورده باقی میماند بنابراین برای اجرای الگوریتم SFLA در متلب برای بهینه سازی مسئله خودتان تابع هزینه خود را بر اساس پارامترهای مسئله خود تعریف کنید.
%% SFLA Main Loop for it = 1:MaxIt fla_params.BestSol = BestSol; % Initialize Memeplexes Array Memeplex = cell(nMemeplex, 1); % Form Memeplexes and Run FLA for j = 1:nMemeplex % Memeplex Formation Memeplex{j} = pop(I(j,:)); % Run FLA Memeplex{j} = RunFLA(Memeplex{j}, fla_params); % Insert Updated Memeplex into Population pop(I(j,:)) = Memeplex{j}; end % Sort Population pop = SortPopulation(pop); % Update Best Solution Ever Found BestSol = pop(1); % Store Best Cost Ever Found BestCosts(it) = BestSol.Cost; % Show Iteration Information disp(['Iteration ' num2str(it) ': Best Cost = ' num2str(BestCosts(it))]); end
برای دانلود سورس کامل محصول را خریداری فرمایید.
سورس کد الگوریتم بهینه سازی قورباغه در متلب در محیط Matlab 2017b نوشته و اجرا شده است این سورس کد توسط تیم پشتیبانی پی استور تست و اجرا شده است. کیفیت اثر توسط پی استور تضمین میشود و دارای نشان تضمین کیفیت پی استور میباشد. برای دانلود اثر مذکور آن را خریداری فرمایید به محض خرید لینک دانلود در دسترس خواهد بود.
نام اثر: | الگوریتم بهینه سازی قورباغه در متلب |
نوع اثر: | سورس کد |
برنامهنویس: | تیم برنامهنویسی پیاستور |
زبان برنامه نویسی: | Matlab |
ویژگی: | قابل دانلود و ویرایش |
تیم برنامه نویسی پی استور یکی از اولین گروههای تشکیل شده در مجموعه آموزشی پی استور میباشد. این تیم از اساتید مجرب و فارغ التحصیلان رشتههای فنی و مهندسی تشکیل شده که در زمینههای مختلف برنامهنویسی و تهیه سورس کد فعال هستند.
هزینه سفارش:
۲۶۹,۰۰۰ تومان قیمت اصلی: ۲۶۹,۰۰۰ تومان بود.۱۰۷,۶۰۰ تومانقیمت فعلی: ۱۰۷,۶۰۰ تومان.
نظرات
بهاری
سلام خسته نباشید
شما یک محصول در سایت قرار دادید به نام الگوریتم جهش قورباغه و با ۷ تابع تست کردید
میخواستم یک سوال بپرسم که این الگوریتم هر کدام از این تابع به طور مثال اسفیر را در کد متلبش چند بار فراخوانی (آنالیز)میکند؟(یک بار به تعداد اعضای جمعیت ؟)چون ممپلکس داره و در یکجا ران میکنه fla
🙏
مدیریت و پشتیبانی
سلام و وقت بخیر
در هر iteration بسته به شرط هایی که در تابع RunFLA برای فراخوانی CostFun وجود داره فراخوانی ها انجام میشه و در هر بار اجرای کامل، چون تصادف دخیل هست ممکن هست تعداد فراخوانی ها متفاوت باشه. به عنوان نمونه در اجرای اول با در نظر گرفتن MaxIt = 100 , nPopMemeplex = 10 , nMemeplex = 5 تعداد فراخونی های تابع تست فقط در داخل تکرار اصلی برابر ۸۹۱۳ است در حالی که در اجرای دوم این عدد برابر ۹۰۱۵ هست و در اجرای سوم ۸۸۶۵ می باشد.
مدیریت و پشتیبانی
نظرات و پیشنهادات خود را با ما در میان بگذارید.