شبیه سازی الگوریتم TLBO در متلب

در این بخش سورس کد شبیه سازی الگوریتم TLBO در متلب قرار داده شده است. الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری Teaching learning based optimization یا الگوریتم TLBO یک روش بهینه سازی می‌باشد که مشابه سایر روش‌های بهینه سازی موجود یک الگوریتم برگرفته از طبیعت و مبتنی بر جمعیت است و بر اساس تاثیر یک معلم بر روی یادگیری در کلاس درس کار می‌کند. این الگوریتم از یک جمعیتی از جواب‌ها برای دستیابی به جواب کلی استفاده می‌نماید.

الگوریتم TLBO

قبل از پرداختن به سورس کد شبیه سازی الگوریتم TLBO در متلب توضیحات مختصری از الگوریتم ارائه می‌دهیم. الگوریتم بهینه سازی TLBO یا بهینه سازی مبتنی بر یادگیری و آموزش یک روش بهینه سازی می‌باشد. که برای اولین بار توسط آقای Rao و همکاران در ژورنال معروف Computer-Aided Design از انتشارات ELSEVIER در مقاله‌ای با عنوان Teaching–learning-based optimization: A novel method for constrained mechanical design optimization problems معرفی شد.

الگوریتم بهینه سازی TLBO براساس تاثیر یک معلم بر روی خروجی دانش آموزان در یک کلاس است و به طور کلی در یک کلاس معلم فردی تعیین می‌شود که دارای مقدار بهتری از لحاظ تابع تناسب است و سطحی بالاتری نسبت به دانش آموزان دارد و می‌تواند دانش آموزان را با دانش خود سهیم نماید. یک معلم خوب، یک میانگین بهتر برای دانش آموزان تولید می‌کند. در هر مرحله و تکرار معلم کسی است، که بهترین فرد کلاس باشند و بهترین تابع هدف را دارد. البته در هر مرحله ممکن است معلم تغییر نماید.

مراحل الگوریتم بهینه سازی مبتنی بر یادگیری و آموزش TLBO

الگوریتم بهینه سازی TLBO دارای دو مرحله یا دو فاز اصلی است که عبارتند از:

• مرحله معلم یا فاز آموزش
• مرحله دانش آموز یا فاز یادگیری

سورس کد شبیه سازی الگوریتم TLBO در متلب

سورس کد شبیه سازی الگوریتم TLBO در متلب شامل سه نوع پیاده سازی است که برای شما عزیزان آماده شده است. این پیاده سازی‌ها عبارتند از:

1. کد الگوریتم TLBO استاندارد در متلب
2. کد الگوریتم TLBO همراه با ۲۳ تابع محک در متلب
3. کد شبیه سازی الگوریتم TLBO برای یافتن یک نقطه دلخواه

کد الگوریتم TLBO استاندارد در متلب

این سورس کد شامل توابعی است که اسکریپت TLBO 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.

• تابع  SPHERE
• تابع ACKLEY
• تابع SUM SQUARES
•  تابع ROSENBROCK
• تابع SUM OF DIFFERENT POWERS
• تابع ZAKHAROV
• تابع Rastrigin

توابع تست برای ارزیابی الگوریتم‌های بهینه سازی بکار می‌روند که در این سایت برای توضیحات بیشتر در مورد توابع تست الگوریتم‌های بهینه سازی مقاله‌ای 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 TLBO در متلب برای بهینه سازی مسئله خودتان تابع هزینه خود را بر اساس پارامترهای مسئله خود تعریف کنید.

کد الگوریتم TLBO همراه با ۲۳ تابع محک در متلب

این سورس کد شامل توابعی است که اسکریپت main در واقع کد اصلی برنامه می‌باشد و بقیه فراخوانی‌ها از آنجا انجام می‌شود. که بصورت استاندار شما می‌توانید ۲۳ تابع تست را اجرا و نمودارهای دوبعدی و سه بعدی آنها را ببینید. در main این ۲۳ تابع با نام های F1 تا F23 مشخص است.

کد شبیه سازی الگوریتم TLBO برای یافتن یک نقطه دلخواه

بسیاری از کدهایی که در سایت‌های مختلف قرار دارد بر اساس توابع تست الگوریتم TLBO را توضیح و تشریح می‌دهند. برای اینکه مسئله الگوریتم TLBO واضح و بصورت گرافیکی در طول اجرای الگوریتم نحوه رسیدن به یک نقطه دلخواه بدرستی نشان داده شود از یک نقطه فرضی استفاده کردیم و در هر تکرار دانش آموزان به این نقطه نزدیک و نزدیکتر می‌شوند.

قسمتی از سورس کد الگوریتم TLBO در متلب

clc
clear
close all
nPop=30; % Number of Population
Function_name='F1'; % Name of the test function that can be from F1 to F23 (Table 1,2,3 in the paper)
Max_iteration=500; % Maximum numbef of iterations

% Load details of the selected benchmark function
[lb,ub,dim,fobj]=Get_Functions_details(Function_name);
[BestSol,cg_curve]=TLBO(nPop,Max_iteration,lb,ub,dim,fobj);

figure('Position',[269   240   660   290])
%Draw search space
subplot(1,2,1);
func_plot(Function_name);
title('Parameter space')
xlabel('x_1');
ylabel('x_2');
zlabel([Function_name,'( x_1 , x_2 )'])

%Draw objective space
subplot(1,2,2);
semilogy(cg_curve,'Color','r')
title('Objective space')
xlabel('Iteration');
ylabel('Best score obtained so far');

axis tight
grid on
box on
legend('TLBO')

display(['The best solution obtained by TLBO is : ', num2str(BestSol.Position)]);
display(['The best optimal value of the objective funciton found by TLBO is : ', num2str(BestSol.Cost)]);

برای دانلود سورس کامل محصول را خریداری فرمایید.

تصویر خروجی محصول

درباره محصول

سورس کد شبیه سازی الگوریتم TLBO 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.