امین جلیل زاده رزین
هزینه سفارش:
قیمت اصلی: ۵۳۰,۰۰۰ تومان بود.۳۳۰,۰۰۰ تومانقیمت فعلی: ۳۳۰,۰۰۰ تومان.
الگوریتم بهینهسازی وال یا WOA یکی از الگوریتمهای فراابتکاری و جمعیتمحور است که در سال 2016 توسط سید علی میرجلیلی ارائه شد.
این الگوریتم از رفتار شکار نهنگهای گوژپشت الهام گرفته شده است. نهنگهای گوژپشت برای شکار دستههای ماهی کوچک و کریل، از روش خاصی به نام Bubble-Net Feeding یا تغذیه با تور حبابی استفاده میکنند.
در این روش، نهنگها با ایجاد حبابهایی در مسیرهای دایرهای یا مارپیچی، ماهیها را محاصره کرده و به سمت سطح آب هدایت میکنند. این رفتار طبیعی در الگوریتم WOA بهصورت ریاضی مدلسازی شده و برای جستوجوی جواب بهینه در فضای مسئله مورد استفاده قرار میگیرد.
در الگوریتم وال، هر نهنگ بهعنوان یک راهحل کاندید در نظر گرفته میشود. مجموعه نهنگها، جمعیت اولیه الگوریتم را تشکیل میدهند و هر نهنگ دارای یک موقعیت مشخص در فضای جستوجو است.
بهترین نهنگ موجود در جمعیت که کمترین مقدار تابع هدف یا بهترین مقدار تابع تناسب را دارد، بهعنوان نهنگ رهبر شناخته میشود.
سایر نهنگها با توجه به موقعیت نهنگ رهبر، موقعیت خود را در فضای جستوجو تغییر میدهند.
در الگوریتم WOA، نهنگها تلاش میکنند به جواب بهینه نزدیک شوند. این فرایند با مدلسازی رفتار محاصره طعمه انجام میشود.
یکی از مراحل مهم الگوریتم وال، حرکت مارپیچی نهنگها به سمت طعمه است. این حرکت با استفاده از روابط ریاضی شبیهسازی شده و موجب بهبود فرآیند بهرهبرداری از فضای اطراف جواب مناسب میشود.
برای جلوگیری از گرفتار شدن در جوابهای بهینه محلی، الگوریتم WOA از جستوجوی تصادفی نیز استفاده میکند. در این مرحله، نهنگها میتوانند نسبت به موقعیت نهنگهای دیگر حرکت کنند تا بخشهای بیشتری از فضای جستوجو بررسی شود.
الگوریتم LXWOA نسخه بهبودیافته الگوریتم وال است که با افزودن یک عملگر Crossover لاپلاسین، توانایی جستوجوی الگوریتم اصلی را افزایش میدهد.
در الگوریتم WOA اصلی، بخش زیادی از جستوجو با توجه به بهترین جواب فعلی انجام میشود. این موضوع ممکن است در برخی مسائل باعث کاهش تنوع جمعیت یا گرفتار شدن الگوریتم در بهینههای محلی شود.
در نسخه LXWOA، در هر تکرار علاوه بر مراحل اصلی الگوریتم وال، عملگر Laplace Crossover نیز روی جوابها اعمال میشود. این عملگر باعث تولید جوابهای جدید و افزایش تنوع جمعیت میشود.
فرآیند بهبود الگوریتم وال در LXWOA بهصورت کلی شامل مراحل زیر است:
در روش پیشنهادی، یکی از والدها بهترین جواب فعلی یا همان نهنگ رهبر است و والد دوم بهصورت تصادفی از میان سایر نهنگها انتخاب میشود.
سپس با استفاده از تکنیک Laplace Crossover، دو فرزند جدید تولید میشوند. پس از محاسبه تابع تناسب فرزندان، آنها با دو نهنگ دیگر که عملکرد ضعیفتری دارند، جایگزین میشوند.
به این ترتیب:
| ویژگی | WOA اصلی | LXWOA بهبودیافته |
|---|---|---|
| مدل اصلی شکار نهنگ | دارد | دارد |
| حرکت مارپیچی | دارد | دارد |
| جستوجوی تصادفی | دارد | دارد |
| عملگر Crossover | ندارد | دارد |
| تولید فرزندان جدید | محدود | با استفاده از لاپلاسین |
| تنوع جمعیت | معمولی | بیشتر |
| احتمال گرفتار شدن در بهینه محلی | بیشتر | کمتر |
| جستوجوی سراسری | محدودتر | تقویتشده |
استفاده از Crossover لاپلاسین، مزایای متعددی برای الگوریتم وال ایجاد میکند:
در الگوریتم اصلی، جستوجو تا حد زیادی حول بهترین جواب انجام میشود؛ اما در LXWOA، با تولید فرزندان جدید، نقاط بیشتری از فضای جستوجو بررسی خواهند شد.
الگوریتم LXWOA میتواند برای حل مسائل مختلف بهینهسازی مورد استفاده قرار گیرد، از جمله:
در این فیلم آموزشی، کد الگوریتم وال بهبودیافته در محیط MATLAB بررسی میشود. بخشهای مختلف کد شامل موارد زیر است:
این محصول برای گروههای زیر مناسب است:
برای استفاده بهتر از این فیلم آموزشی، آشنایی مقدماتی با موارد زیر پیشنهاد میشود:
در این محصول آموزشی، موضوعات زیر بررسی میشوند:
فیلم آموزشی کد الگوریتم وال بهبودیافته LXWOA در متلب برای آموزش نحوه عملکرد و پیادهسازی الگوریتم Laplacian Whale Optimization Algorithm تهیه شده است.
در این آموزش، ابتدا الگوریتم اصلی WOA معرفی میشود و سپس روش بهبودیافته آن با استفاده از عملگر Laplace Crossover توضیح داده خواهد شد. همچنین کد الگوریتم در محیط MATLAB بررسی میشود تا مخاطب با ساختار و نحوه اجرای آن آشنا شود.
این محصول توسط گروه فنی و پشتیبانی پیاستور بهطور کامل تست و بازبینی شده و دارای نشان تضمین کیفیت پیاستور است.
LXWOA مخفف Laplacian Whale Optimization Algorithm است و نسخه بهبودیافته الگوریتم بهینهسازی وال محسوب میشود که در آن از Crossover لاپلاسین برای افزایش تنوع جمعیت استفاده میشود.
در الگوریتم LXWOA علاوه بر مراحل اصلی الگوریتم وال، عملگر Crossover لاپلاسین نیز اجرا میشود. این عملگر باعث تولید فرزندان جدید و تقویت جستوجوی سراسری میشود.
بله. در این فیلم آموزشی، کد MATLAB الگوریتم وال بهبودیافته LXWOA بررسی و بخشهای مختلف آن توضیح داده میشود.
بله. الگوریتم LXWOA میتواند در پروژههای دانشگاهی، پایاننامهها و پژوهشهای مرتبط با بهینهسازی و هوش محاسباتی مورد استفاده قرار گیرد.
آشنایی قبلی با WOA مفید است، اما در این آموزش ابتدا الگوریتم اصلی وال معرفی میشود و سپس نسخه بهبودیافته آن مورد بررسی قرار میگیرد.
پایه گذار و موسس وب سایت آموزشی پی استور، مدرس دانشگاه فنی و حرفه ای، برنامه نویس و تحلیل گر سیستم، پژوهشگر در حوزه الگوریتم های ابتکاری، فرا ابتکاری، یادگیری ماشین، شبکه و پایگاه داده. ایشان در زبان های برنامه نویسی متعدد، نظیر ++C، سی شارپ، PHP ،Java، متلب MATLAB و Python تسلط و سابقه تدریس فعال دارند.
جهت تسلط عمیقتر و تکمیل مهارتهای خود، یادگیری این سرفصلها پیشنهاد میشود.
هزینه سفارش:
قیمت اصلی: ۵۳۰,۰۰۰ تومان بود.۳۳۰,۰۰۰ تومانقیمت فعلی: ۳۳۰,۰۰۰ تومان.
دیدگاهها و نظرات
ranakhorasani
عالی بود
amirsajjadrahmani
آقای امین جلیل زاده از باسوادترین اساتیدی هستند که فیلماشونو مشاهده کردم. حداقل برخلاف خیلی از دورههای دیگهای که مشاهده کرده بودم فهمیدم که ایشون به موضوع مطالبی که تدریس میکنن، سوار هستند و خوب مفهومو میرسونن…
من خیلی از تدریسشون راضی بودم.
اسماعیل یزدانی
سلام. آیا روش LX رو میشه بر روی الگوریتم میمون عنکبوتی اجرا کرد؟
مدیریت و پشتیبانی
سلام بله می توانید روش LX رو بر روی الگوریتم های فرا ابتکاری بکار ببرید. فقط بعد از پیاده سازی باید مقایسه کنید که آیا بهبودی بر روی نتایج انجام شده یا نه. چون نمی توان ادعا کرد همیشه روش lx جواب میده
داوود
سلام وقت بخیر امکانش هست کد این پروژه رو در سی شارپ پیاده سازی کنین برام؟
مدیریت و پشتیبانی
سلام می توانید از طریق راه های ارتباطی مندرج در سایت سفارش بدید
مدیریت و پشتیبانی
نظرات و پیشنهادات خود را با ما در میان بگذارید.