• مقالات آموزشی
    • آموزش برنامه نویسی
    • آموزش الگوریتم
    • آموزش شبکه های کامپیوتری
    • آموزش های عمومی
  • ترجمه مقاله
    • لیست ترجمه کامل مقالات
    • لیست ترجمه مفهومی مقالات
  • تحقیق و پژوهش
    • لیست داکیومنت پایان‌نامه
    • لیست داکیومنت سمینار
  • پیاده سازی
    • سی پلاس پلاس ++C
    • برنامه نویسی OpenGL
    • سی شارپ #C
    • پایتون Python
    • اندروید Android
    • پی اچ پی PHP
    • متلب Matlab
  • پاورپوینت
    • پاورپوینت الگوریتم های بهینه سازی
    • پاورپوینت شبکه‌های کامپیوتری
    • پاورپوینت مهندسی کامپیوتر
    • پاورپوینت یادگیری ماشین
    • پاورپوینت درس و تحقیق
    • قالب آماده پاورپوینت
  • فیلم آموزشی
    • لیست فیلم های آموزشی
  • قالب آماده
    • لیست قالب آماده HTML
  • دانلود رایگان
  • مجله پی استور
  • ابزارهای آنلاین
    • برنامه نویسی آنلاین
    • تبدیل مبنای آنلاین
  • سفارش تدریس آنلاین
  • آموزش برنامه نویسی
  • آموزش الگوریتم
  • آموزش شبکه
  • آموزش عمومی

ورود

رمز عبور را فراموش کرده اید؟

هنوز عضو نشده اید؟ عضویت در سایت
  • درباره ما
  • تماس با ما
  • سفارش تدریس آنلاین
پی استور
0

ورود و ثبت نام

مقالات آموزشی
  • ترجمه مقاله
    • لیست ترجمه کامل مقالات
    • لیست ترجمه مفهومی مقالات
  • تحقیق و پژوهش
    • لیست داکیومنت پایان‌نامه
    • لیست داکیومنت سمینار
  • پیاده سازی
    • سی پلاس پلاس ++C
    • برنامه نویسی OpenGL
    • سی شارپ #C
    • پایتون Python
    • اندروید Android
    • پی اچ پی PHP
    • متلب Matlab
  • پاورپوینت
    • پاورپوینت الگوریتم های بهینه سازی
    • پاورپوینت شبکه‌های کامپیوتری
    • پاورپونت مهندسی کامپیوتر
    • پاورپوینت یادگیری ماشین
    • پاورپوینت درس و تحقیق
      • عمومی
      • مشاهیر و اشخاص
      • واقعیت مجازی
      • طراحی سایت
      • برنامه نویسی
      • علوم کامپیوتر
      • اینترنت اشیاء
      • سیستم عامل
      • ارز دیجیتال
      • کسب و کار
      • تکنولوژی
      • علوم
    • قالب آماده پاورپوینت
  • فیلم آموزشی
    • لیست فیلم های آموزشی
  • قالب آماده
    • قالب آماده HTML
  • مجله پی استور
  • ابزارهای آنلاین
    • برنامه نویسی آنلاین
    • تبدیل مبنای آنلاین

کد الگوریتم PSO در پایتون Python

خانهفروشگاهبرنامه نویسیپایتونکد الگوریتم PSO در پایتون Python
https://dl.programstore.ir/files/Uploades/Previews/python/PSO-in-python.mp4

در این پست سورس کد الگوریتم PSO در پایتون Python قرار گرفته شده است. این سورس کد به زبان پایتون Python برای الگوریتم ازدحام ذرات یا همان PSO نوشته شده است. این سورس کد بر اساس 12 توابع تست الگوریتم PSO را اجرا می کند. برای اینکه بتوانید مسئله الگوریتم PSO را واضح و کامل درک کنید مقاله ای کامل با عنوان الگوریتم PSO در همین سایت نوشته شده است. در ادامه مختصری از الگوریتم برای درک کد الگوریتم ازدحام ذرات در پایتون بیان می شود.

cropped-fav2.png

تهیه و تنظیم: تیم طراحی و تولید پی استور

متشکل از اساتید و فارغ التحصیلان رشته های فنی - مهندسی

تیم طراحی و تولید پی استور از اولین تیم های تشکیل شده در مجموعه آموزشی پی استور می باشد. این تیم از اساتید مجرب و فارغ التحصیلان رشته های فنی و مهندسی تشکیل شده که در زمینه های مختلف تولید محتوای تخصصی فعال هستند.

الگوریتم PSO

الگوریتم PSO یا (Particle swarm optimization) بهینه سازی ازدحام ذرات (PSO) یک روش بهینه سازی تصادفی مبتنی بر جمعیت است که الهام گرفته از رفتار اجتماعی ازدحام پرندگان و پرورش ماهی است. این الگوریتم با جمع آوری راه حل های تصادفی و جستجو برای بهینه سازی با به روز رسانی نسل ها آغاز می شود. همانطور که قبلا اشاره شد، الگوریتم PSO رفتارهای ازدحام پرنده را شبیه سازی می کند.

تصور کنید سناریوی زیر: گروهی از پرندگان به طور تصادفی در یک منطقه در معرض غذا قرار می گیرند. در منطقه مورد جستجو تنها یک قطعه غذا وجود دارد. همه پرندگان نمی دانند کجا غذا است. اما آنها می دانند که چقدر مواد غذایی در هر تکرار است. بنابراین بهترین استراتژی برای یافتن غذا چیست؟ راه حل این است که دنبال پرنده ای که نزدیکتر به غذا است را دنبال کنید.

طراحان PSO از این سناریو اقتباس کردند و از آن برای حل مشکلات بهینه سازی استفاده کردند. در PSO، هر یک از راه حل یک “پرنده” در فضای جستجو است. ما آن را “ذره” می نامیم. تمام ذرات دارای مقادیر تناسب هستند که توسط تابع تناسب برای بهینه سازی ارزیابی می شوند و دارای سرعت هایی هستند که پرواز ذرات را هدایت می کنند. ذرات از طریق فضای مشکل با ذرات بهینه مطلوب جریان می یابند.

نحوه عملکرد

الگوریتم PSO با گروهی از ذرات تصادفی (راه حل) آغاز می شود و سپس با به روز رسانی نسل ها جستجو می کند. در هر تکرار، هر ذره با دو ارزش “بهترین” به روزرسانی می شود. اولین مورد بهترین راه حل ( تابع تناسب ) است که تاکنون به دست آورده است. (ارزش تناسب نیز ذخیره می شود.) این ارزش pbest نامیده می شود. یکی دیگر از “بهترین ها” 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 می گیرد، بهترین ارزش بهترین محلی است و به نام lbest نامیده می شود.

پس از پیدا کردن بهترین مقادیر pbest و gbest  ذره سرعت و موقعیت خود را با معادله زیر (1) و (2) به روز می کند.

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 شده اند. rand یک عدد تصادفی بین (0،1) است. C1، C2 عامل یادگیری هستند. معمولا c1 = c2 = 2 هستند.

قسمت هایی از سورس کد

import CostFun as fit
import random
import numpy
import matplotlib.pyplot as plt   

# PSO parameters
lb=-10
ub=10
dim=30
PopSize=50
iters=100
Vmax=6
wMax=0.9
wMin=0.2
c1=2
c2=2
if not isinstance(lb, list):
    lb = [lb] * dim
if not isinstance(ub, list):
    ub = [ub] * dim
    
# Initializations
    
vel=numpy.zeros((PopSize,dim))
    
pBestScore=numpy.zeros(PopSize) 
pBestScore.fill(float("inf"))
    
pBest=numpy.zeros((PopSize,dim))
gBest=numpy.zeros(dim)
    
gBestScore=float("inf")

pos = numpy.zeros((PopSize, dim))
for i in range(dim):
   pos[:, i] = numpy.random.uniform(0,1, PopSize) * (ub[i] - lb[i]) + lb[i]
    
convergence_curve=numpy.zeros(iters)

ویدیو معرفی محصول

Your browser does not support the video tag.

***  توجه  ***

قبل از اجرای سورس کد الگوریتم در محیط پایتون حتماً از نصب پکیج های مورد استفاده در این سورس کد در Python خود مطمئن شوید پکیج های استفاده شده در این سورس کد numpy و matplotlib می باشد که اولی پکیج مربوط به استفاده از آرایه ها و ماتریس ها در پایتون و دومی مربوط به عملیات های نموداری و Plot گرفتن می باشد. پیشنهاد ما نصب اسپایدر (Spyder (Python 3.7 می باشد که هم پایتون و پکیج های مختلف و هم IDE های مختلفی را همراه با امکان آپدیتشان نصب می کند.


درباره سورس کد الگوریتم PSO در پایتون

سورس کد الگوریتم PSO در پایتون Python عنوان محصولی است که در این پست به آن پرداخته شده است. محصول در پایتون و با IDE اسپایدر (Spyder (Python 3.7 نوشته شده و بصورت کامل توسط گروه پشتیبانی پی استور تست و اجرا شده است. محصول دارای نشان تضمین کیفیت پی استور می باشد. برای دانلود محصول آن را خریداری کنید.

گارنتی 7 روزه بازگشت هزینه

تضمین کیفیت و گارانتی بازگشت هزینه
توجه: کیفیت این محصول توسط پی استور تضمین شده و در صورت عدم رضایت از محصول، به انتخاب شما:

  • ۱۰۰ درصد مبلغ پرداختی در حساب کاربری شما شارژ می‌شود.
  • و یا 80 درصد مبلغ پرداختی به حساب بانکی شما عودت داده می‌شود.

مباحث مرتبط با الگوریتم PSO

آموزش الگوریتم PSO در پایتون
فیلم آموزش الگوریتم PSO در پایتون
آموزش الگوریتم PSO در متلب — مفاهیم تئوری و نحوه پیاده سازی
فیلم آموزش الگوریتم PSO در متلب
پاورپوینت الگوریتم PSO یا ازدحام ذرات
پاورپوینت الگوریتم PSO یا ازدحام ذرات
الگوریتم PSO گرافیکی – سورس کد الگوریتم ازدحام ذرات PSO گرافیکی در متلب
سورس کد الگوریتم ازدحام ذرات PSO گرافیکی در متلب

سورس کدهای آماده الگوریتم های مشابه در پایتون

کد الگوریتم گرگ خاکستری در پایتون Python
کد الگوریتم گرگ خاکستری در پایتون Python
کد الگوریتم وال در پایتون Python
سورس کد الگوریتم وال در پایتون Python
کد الگوریتم شعله پروانه در پایتون (شمع و پروانه) Python
سورس کد الگوریتم شعله پروانه در پایتون (شمع و پروانه) Python
کد الگوریتم ژنتیک در پایتون Python
سورس کد الگوریتم ژنتیک در پایتون Python
الگوریتم جستجوی فاخته CS در پایتون
سورس کد الگوریتم جستجوی فاخته CS در پایتون
الگوریتم بهینه ساز خفاش BA در پایتون Python
سورس کد الگوریتم خفاش BA در پایتون Python
الگوریتم کرم شب تاب FA در پایتون Python
سورس کد الگوریتم کرم شب تاب FA در پایتون Python
الگوریتم پیروزی JAYA در پایتون Python
سورس کد الگوریتم پیروزی JAYA در پایتون Python

تاکنون 413 نفر این محصول را تهیه کرده اند و 5 نظر برای آن ثبت شده است.

نظرات و دیدگاه ها
  • مهدی عبدی
    25 تیر 1401
    امتیاز 5 از 5
    پاسخ

    ممنون دستتون درد نکنه

  • مهدی عبدی
    24 تیر 1401
    امتیاز 5 از 5
    پاسخ

    سلام
    این اولین خرید من هست، میشه تخفیف بدین بعدا فیلم آموزشی هم میخوام دانلود کنم.

    • فاطمه اسماعیلی
      25 تیر 1401
      پاسخ

      سلام وقت بخیر
      لطفا در بخش چت آنلاین پیغام بدید تا کد تخفیف براتون ارسال بشه.

  • امیر
    27 فروردین 1401
    امتیاز 2 از 5
    پاسخ

    سلام وقت بخیر
    من فایل شما را خریداری کردم
    شما فقط ی کد برنامه رو گذاشتید و هیچ توضیحی در مورد کد یا مقادیر ان ندادید

    • مدیریت و پشتیبانی
      27 فروردین 1401
      پاسخ

      سلام و عرض ادب
      همانطور که در قسمت توضیحات محصول اشاره شده این محصول فقط سورس کد هست. در توضیحات نیز اشاره شده که محصولی با عنوان فیلم آموزش الگوریتم PSO در پایتون نیز وجود دارد که در صورت نیاز می توانید آن را خریداری کنید.

  • مصطفی پورمهدی
    9 اردیبهشت 1400
    امتیاز 5 از 5
    پاسخ

    سلام
    ممنون از شما کدها عالی و روان بودن. من فیلم آموزش الگوریتم pso رو هم میخواستم لطفا لینک فیلم رو هم به ایمیل من ارسال کنید.

  • مدیریت و پشتیبانی
    22 آبان 1398
    امتیاز 5 از 5
    پاسخ

    نظرات و پیشنهادات خود را با ما در میان بگذارید.

قوانین ثبت دیدگاه

  • لطفاً دیدگاه های خود را فارسی تایپ کنید.
  • دیدگاه های نامرتبط به مطلب تایید نخواهد شد.
  • از درج دیدگاه های تکراری پرهیز نمایید.
  • سوالات تخصصی خودتان را از طریق تیکت پشتیبانی مطرح کنید.

لغو پاسخ

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دسته‌بندی موضوعی: الگوریتم‌های فرا ابتکاری برنامه نویسی پایتون

قیمت 39,000 تومان

افزودن به علاقه مندی ها
امتیاز
4.40 از 5 رأی
4.40 5 رای
39,000 تومان

تاریخ انتشار: 22 آبان 1398
تاریخ بروزرسانی: 24 اسفند 1398
حجم فایل: 3.9 کیلوبایت
فرمت فایل py. در قالب پایتون
نسخه: 1.0
شناسه اثر: ندارد
هماهنگی با: (Spyder (Python 3.8
دانلود شده توسط: 413 نفر

5 بازخورد (مشاهده نظرات)

قیمت: 39,000 تومان

تماس با ما
  • دفتر پشتیبانی: 04144225175 (ساعت کاری 8:00 الی 16:00)
  • آی دی تلگرام: programerPstore
درباره پی استور

تیم توسعه پی استور با هدف ارائه مطالب مفید علمی در گرایش های مختلف پروژه های علمی مختلف را جمع آوری می کند و در قالب یک محصول تست شده و قابل اجرا همراه با توضیحات و نحوه اجرا، انتشار می دهد. امید است با عنایت الهی و کوشش اساتید و دانشجویان همراهمان بتوانیم قدم کوچکی در تولید محتوای علمی کشور داشته باشیم.

مجوز های اخذ شده
اینماد نشان ملی   پروانه نشر دیجیتال
  • حساب کاربری من
  • سوالات متداول
  • راهنمای خرید و دانلود
پی استور
  • همکاری با ما
  • قوانین و مقررات
  • حریم خصوصی
تمامی حقوق برای پی استور محفوظ است.
keyboard_arrow_up