ایمیل خود را وارد و بر روی بچرخون کلیک کنید. (کد تخفیف دریافتی را هنگام ثبت سفارش وارد کنید)
قوانین بازی:
در این پست سورس کد الگوریتم بهینه سازی مبتنی بر جغرافیای زیستی یا Biogeography Based Optimization به اختصار BBO در متلب قرار داده شده است. الگوریتم BBO یک الگوریتم مبتنی بر جمعیت است و جزو الگوریتم های بهینه سازی و فرا ابتکاری که از چگونگی انتشار گونههای جانداران در زیست گاههای متعدد الهام گرفته شده است.
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 سورس کد الگوریتم بهینه سازی مبتنی بر جغرافیای زیستی یا Biogeography Based Optimization به اختصار BBO در متلب قرار داده شده است. الگوریتم BBO یک الگوریتم مبتنی بر جمعیت است و جزو الگوریتم های بهینه سازی و فرا ابتکاری که از چگونگی انتشار گونههای جانداران در زیست گاههای متعدد الهام گرفته شده است.
با ارائه مدلی احتمالی برای چگونگی مهاجرت گونههای مختلف در زیستگاهها، مدل ریاضی استخراج شده است که نهایتا منجر به ایجاد مدل بهینه سازی جدیدی میشود که در الگوریتم بهینه سازی مبتنی بر جغرافیای زیستی استفاده شده است. در ادامه توضیحاتی درباره الگوریتم داده میشود.
الگوریتم بهینه سازی مبتنی بر جغرافیای زیستی یا همان الگوریتم BBO در سال ۲۰۰۸ توسط Dan Simon در ژورنال IEEE TRANSACTIONS ON EVOLUTIONARY COMPUTATION, VOL. 12, NO. 6, DECEMBER 2008 مطرح شد. در این الگوریتم، از چگونگی انتشار گونههای جانداران در زیستگاههای متعدد الهام گرفته شده است.
با ارائه مدلی احتمالی برای چگونگی مهاجرت گونه در زیستگاهها، مدل ریاضی استخراج شده است که نهایتاً منجر به ایجاد مدل بهینه سازی جدیدی شده است که در BBO استفاده شده است.
الگوریتم جغرافیای زیستی یک روش تکاملی مبتنی بر جمعیت یا population based میباشد که از پدیده مهاجرت حیوانات و پرندگان بین مکانهای مختلف الهام گرفته شده است. در حقیقت، جغرافیای زیستی مطالعه نحوه توزیع جغرافیایی گونههای مختلف جانوری میباشد. در این روش جزایری که مکان مناسبی برای زیست باشند دارای شایستگی بالا برای اسکان هستند که از ویژگیهای بارندگی، تنوع گیاهی، خاک منطقه، دما و … تبعیت میکنند.
در این روش هر زیستگاه دارای نرخ مهاجرت به داخل و نرخ مهاجرت به خارج متفاوت میباشند که فرایند جستجو برای جواب بهینه را کنترل میکنند.
سورس کد الگوریتم BBO 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 الگوریتم های بهینه سازی بکار میروند که در این سایت برای توضیحات بیشتر در مورد توابع تست الگوریتم های بهینه سازی مقالهای آماده کردیم. توابع زیادی برای تست عملکرد الگوریتم های 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 BBO در متلب برای بهینه سازی مسئله خودتان تابع هزینه خود را بر اساس پارامترهای مسئله خود تعریف کنید.
clc; clear; close all; %% Problem Definition CostFunction = @(x) Sphere(x); %CostFunction = @(x) Ackley(x); %CostFunction = @(x) Sum_Of_Different(x); %CostFunction = @(x) Sum_Squares(x); %CostFunction = @(x) Zakharov(x); %CostFunction = @(x) Rosenbrock(x); nVar=5; % Number of Decision Variables VarSize=[1 nVar]; % Decision Variables Matrix Size VarMin=-10; % Decision Variables Lower Bound VarMax= 10; % Decision Variables Upper Bound %% BBO Parameters MaxIt=1000; % Maximum Number of Iterations nPop=50; % Number of Habitats (Population Size) KeepRate=0.2; % Keep Rate nKeep=round(KeepRate*nPop); % Number of Kept Habitats nNew=nPop-nKeep; % Number of New Habitats % Migration Rates mu=linspace(1,0,nPop); % Emmigration Rates lambda=1-mu; % Immigration Rates alpha=0.9; pMutation=0.1; sigma=0.02*(VarMax-VarMin); %% Initialization % Empty Habitat habitat.Position=[]; habitat.Cost=[]; % Create Habitats Array pop=repmat(habitat,nPop,1); % Initialize Habitats for i=1:nPop pop(i).Position=unifrnd(VarMin,VarMax,VarSize); pop(i).Cost=CostFunction(pop(i).Position); end % Sort Population [~, SortOrder]=sort([pop.Cost]); pop=pop(SortOrder); % Best Solution Ever Found BestSol=pop(1); % Array to Hold Best Costs BestCost=zeros(MaxIt,1);
برای دانلود سورس کامل اثر را خریداری فرمایید.
سورس کد الگوریتم بهینه سازی Biogeography Based Optimization به اختصار BBO در محیط Matlab 2017b نوشته و اجرا شده است این سورس کد توسط تیم پشتیبانی پی استور تست و اجرا شده است. کیفیت محصول توسط پی استور تضمین می شود و محصول دارای نشان تضمین کیفیت پی استور می باشد. برای دانلود محصول آن را خریداری فرمایید به محض خرید لینک دانلود در دسترس خواهد بود.
نام اثر: | الگوریتم بهینه سازی مبتنی بر جغرافیای زیستی 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
رضا
سلام،خسته نباشید،میخواستم ببینم شبیه سازی کاملا در این پک انجام شده است یا نه؟
چون گزینه ای هستش توی فایل بالا که دانلود فایل pdf ،اما عمل نمیکنه که pdf اش رو بردارم و نگاه کنم ببینم اگه به دردم میخوره فایل رو بخرمش.اگه ممکنه فایل pdf اش رو برام ارسال بکنین.ممنون.
مدیریت و پشتیبانی
نظرات و پیشنهادات خود را با ما در میان بگذارید.