الگوریتم PSO گرافیکی – سورس کد الگوریتم ازدحام ذرات PSO گرافیکی در متلب

سورس کد الگوریتم PSO گرافیکی در متلب عنوان موضوعی است که در این پست به آن پرداخته شده است. این الگوریتم با نام Particle Swarm Optimization Algorithm یا الگوریتم PSO نیز نامیده می‌شود. در این مجموعه سعی می‌کنیم تا جزئیات بهتری از شبیه ساز الگوریتم ازدحام ذرات PSO در GUI متلب ارائه دهیم.

الگوریتم بهینه سازی PSO رفتارهای ازدحام پرندگان را شبیه سازی می‌کند. تصور کنید گروهی از پرندگان به طور تصادفی در یک منطقه در معرض غذا قرار می‌گیرند. در منطقه مورد جستجو تنها یک قطعه غذا وجود دارد. همه پرندگان نمی‌دانند کجا غذا است. اما آنها می‌دانند که چقدر مواد غذایی در هر تکرار است. بنابراین بهترین استراتژی برای یافتن غذا چیست؟ راه حل این است که دنبال پرنده‌ای که نزدیکتر به غذا است را دنبال کنید.

الگوریتم ازدحام ذرات PSO

الگوریتم PSO با گروهی از ذرات تصادفی (راه حل) آغاز می‌شود و سپس با به روز رسانی نسل‌ها جستجو می‌کند. در هر تکرار، هر ذره با دو ارزش “بهترین” به روزرسانی می‌شود. اولین مورد بهترین راه حل ( تابع تناسب ) است که تاکنون به دست آورده است. (ارزش تناسب نیز ذخیره می‌شود.) این ارزش pbest نامیده می‌شود. یکی دیگر از “بهترین‌ها” ارزشی است که تا کنون توسط هر ذره در جمعیت به دست آمده است. این بهترین ارزش جهانی بهترین است و به نام gbest است. هنگامی که یک ذره بخشی از جمعیت را به عنوان همسایگان توپولوژیکی خود می‌گیرد، بهترین ارزش بهترین محلی است و به نام lbest نامیده می‌شود.

پس از پیدا کردن بهترین مقادیر pbest و gbest  ذره سرعت و موقعیت خود را با معادله زیر (۱) و (۲) به روز می‌کند.

v[] = v[] + c1 * rand() * (pbest[] – present[]) + c2 * rand() * (gbest[] – present[]) (1)
present[] = persent[] + v[] (2)

که در آن v سرعت ذرات است، present ذره فعلی (راه حل) است. pbest و gbest قبلا تعریف شده‌اند. rand یک عدد تصادفی بین (۰،۱) است. C1، C2 عامل یادگیری هستند. معمولا c1 = c2 = 2 هستند.

توضیح کامل این الگوریتم را می‌توانید در همین سایت از مقاله‌ای کامل تحت عنوانالگوریتم PSO مطالعه فرمایید.

آموزش مفاهیم تئوری و نحوه پیاده سازی الگوریتم PSO در متلب

فیلم آموزش الگوریتم PSO در متلب از دو بخش تئوری و عملی تشکیل شده است. در بخش تئوری به بررسی رفتار گروه‌های حیوانات و چگونگی تبادل اطلاعات در گروه‌های حیوانات و در بخش عملی نیز الگوریتم ازدحام ذرات در متلب پیاده سازی شده و نمودار همگرایی آن نشان داده شده است. اگر نیاز به یادگیری مراحل و نحوه پیاده سازی الگوریتم دارید می‌توانید از لینک زیر آموزش نحوه پیاده سازی الگوریتم را تهیه کنید.

همین الان کلیک کنید

سورس کد الگوریتم ازدحام ذرات PSO گرافیکی در GUI متلب

سورس کد شبیه ساز الگوریتم ازدحام ذرات PSO گرافیکی در GUI Matlab شامل ۴ فانکشن است که تابع Main در واقع کد اصلی برنامه می‌باشد و بقیه فراخوانی‌ها از آنجا انجام می‌شود. همچنین این برنامه با ۱۲ تابع تست ارائه شده است. 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 تست این پروژه عبارتند از :

• Parabolloid
• Griewank
• Rastrigin
• Rosenbrock
• Bukin
• Log-Sumcan
• Ackley
• Booth
• Holder-Table
• Levy
• Michalewicz
• Styblinski-Tang
• Custom

که حالت آخر یعنی Custom بر اساس تعریف کاربر انجام می‌شود. توابع زیادی برای تست عملکرد الگوریتم‌های بهینه سازی وجود دارد که در اینجا ما به این ۶ تابع اکتفا کرده‌ایم. 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 در متلب برای بهینه سازی مسئله خودتان تابع هزینه خود را بر اساس پارامترهای مسئله خود تعریف کنید.

تصویر خروجی pso در متلب

درباره سورس کد الگوریتم PSO گرافیکی

سورس کد سورس کد الگوریتم ازدحام ذرات PSO گرافیکی GUI در متلب در محیط Matlab 2014b 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.