فیلم های آموزشی
ژنتیک و محاسبات تکاملی
فیلم های آموزشی
شبکه عصبی مصنوعی
فیلم های آموزشی
الگوریتم های فراابتکاری
آموزش الگوریتم TLBO آموزش شبکه عصبی مصنوعی آموزش الگوریتم کرم شب تاب
آموزش الگوریتم PSO آموزش شبکه عصبی گازی آموزش الگوریتم مورچگان
آموزش ترکیب ژنتیک و PSO آموزش شبکه عصبی رقابتی آموزش الگوریتم علف هرز
آموزش الگوریتم BBO آموزش شبکه عصبی MLP آموزش الگوریتم جهش قورباغه
آموزش الگوریتم فرهنگی آموزش شبکه عصبی RBF آموزش الگوریتم کرم شب تاب
آموزش انتخاب ویژگی آموزش شبکه عصبی LVQ آموزش الگوریتم زنبور ها
آموزش الگوریتم ژنتیک آموزش شبکه عصبی GMDH آموزش کلونی زنبور مصنوعی
الگوریتم رقابت استعماری شبکه عصبی با نروسولوشن آموزش الگوریتم ژنتیک

دانلود رایگان کد الگوریتم شبیه سازی تبرید برای مسأله فروشنده دوره گرد

دانلود کد الگوریتم شبیه سازی تبرید برای مسأله فروشنده دوره گرد
متلبسایت: الگوریتم شبیه سازی تبرید یا Simulated Annealing و یا به اختصار SA، یکی از قوی ترین الگوریتم های در زمینه بهینه سازی ترکیباتی یا Combinatorial Optimization است. این الگوریتم در سال ۱۹۸۳ توسط کیرکپاتریک و همکارانش ارائه گردید و در همان مقاله اصلی، بر روی مسأله فروشنده دوره گرد یا TSP اعمال شد. متلب سایت در این پست، کد آماده متلب را که در آن مسأله TSP بااستفاده از الگوریتم SA حل شده است، در اختیار خوانندگان و مراجعین محترم متلب سایت قرار داده است.
لینک دانلود در ادامه آمده است:

فراخوان همایش منطقه ای پژوهشهای نوین در ریاضی


 

تاريخ برگزاري: 9 خرداد 1390
برگزار کننده: دانشگاه آزاد اسلامي واحد گرگان
محل برگزاري: گرگانمهلت ارسال اصل مقاله: 1390/2/22 (ممکن است که این تاریخ تمدید شده باشد، وبسایت اصلی کنفرانس را در ادامه پست ببینید.)

محورهاي همايش: در ادامه محورهای علمی مرتبط با این همایش آمده اند.

ادامه مطلب >>

فراخوان اولین همایش رویكرد های نوین در مهندسی كامپیوتر و فناوری اطلاعات

 
تاريخ برگزاري: 5 خرداد 1390
محل برگزاري: رودسرتاریخ‌های مهم:
مهلت ارسال اصل مقاله: 1390/2/5  (ممکن است که این تاریخ تمدید شده باشد، وبسایت اصلی کنفرانس را در ادامه پست ببینید.)
اعلام نتایج داوری اصل مقاله: 1390/2/15
مهلت ثبت نام: 1390/2/25

زمينه هاي علمي كنفرانس:  در ادامه محورهای علمی مرتبط با این همایش آمده اند.

ادامه مطلب >>

همه چیز در باره الگوریتم تخمین توزیع – متن آموزشی کامل، دانلود رایگان

“الگوریتم تخمین توزیع مفهوم جدیدی در زمینه محاسبات تکاملی  است و با این ایده به وجود آمده است تا با ساخت یک مدل احتمالی از جمعیت مورد بررسی به حفظ بلوک‌های ساختاری  با ارزش در نسل‌های متوالی بپردازد. تحقیقات روزافزونی در این زمینه در حال پیگیری است و گونه‌های متفاوتی از این الگوریتم توسط محققان دانشگاه‌های مختلف ارائه شده‌است. برخی از محققین از نام‌هایی همچون ساختار مدل احتمالی الگوریتم‌های ژنتیک (PMBGAs) یا الگوریتم‌های تخمین چگالی تکرار (IDEAs)  برای توصیف این الگوریتم استفاده می‌کنند، اما همه این اسامی به مفهوم واحدی اشاره دارند. این الگوریتم‌ها بر اصول ژنتیکی زیادی متکی نیستند و بجای آن در هر نسل، مدل احتمالی صریحی از توزیع افراد خوب برگزیده شده در فضای جستجو می‌سازند. گام مدل-نمونه در EDA را می‌توان چیزی شبیه عمل crossover با چندین والد تصور کرد. نقطه قوت یا ضعف یک EDA ویژه به طور عمده توسط همین مدل احتمالی تعیین می‌گردد.”
آنچه خواندید، مقدمه فصل اول یکی از جامعترین متون فارسی در زمینه محاسبات تکاملی است که به بررسی الگوریتم های تخمین توزیع می پردازد. این متن ارزشمند را جناب آقای محمد خجسته فرد در ‫‫ﮔﺮوه ﻫﻮش ﻣﺼﻨﻮﻋﯽ‬ داﻧﺸﮑﺪه ﻣﻬﻨﺪﺳﯽ ﺑﺮق و ﮐﺎﻣﭙﯿﻮﺗﺮ‬ دانشگاه صنعتی اصفهان تهیه کرده اند و جهت استفاده سایر علاقه مندان، آن را جهت انتشار در اختیار وبسایت محاسبات تکاملی قرار داده اند. اگر به این حوزه مهم از هوش محاسباتی و محاسبات تکاملی علاقه مند هستید، این پست را از دست ندهید. در انتهای پست، فایل pdf متن کامل این نوشتار ارزشمند و جامع جهت دانلود در اختیار قرار داده شده است. در ادامه خلاصه ای از فصول مختلف این کار باارزش را می بینیم.

اولین کارگاه آموزشی ملی محاسبات نرم و سیستم های هوشمند – یادبود پروفسور کارو لوکس

http://isssi.ir/Files/1001/User/Pix/WSCISposter.jpg 
متلبسایت: اولین کارگاه آموزشی ملی محاسبات نرم و سیستم های هوشمند در تاریخ ۵ و ۶ خرداد ماه ۱۳۹۰ توسط نجمن سیستمهای هوشمند ایران با همکاری گروه های برق و کامپیوتر دانشکده مهندسی دانشگاه فردوسی مشهد برگزار می شود.
بدین وسیله به اطلاع می رساند که به خواست خدا و با گرامیداشت یاد پروفسور کارولوکس، اولین کارگاه آموزشی ملی محاسبات نرم و سیستم های هوشمند در تاریخ ۵ و ۶ خرداد ماه سال ۱۳۹۰ توسط انجمن سیستم های هوشمند ایران و مرکز پژوهشی تحقیقات کاربردی در محاسبات نرم و سیستم های هوشمند با همکاری گروه های برق و کامپیوتر دانشکده مهندسی دانشگاه فردوسی مشهد برگزار خواهد شد.
همان گونه که مطلع هستید، با توجه به ابعاد گسترده صنعتی و علمی سیستم های هوشمند، امروزه صنایع بزرگ جهان، سرمایه گذاری و تمرکز ویژه ای به تحقیقات کاربردی در این زمینه نموده اند. از این رو، یکی از اهداف اساسی این کارگاه ملی، معرفی علم محاسبات نرم و سیستم های هوشمند به متخصصان صنعت و ترویج آن در صنایع مختلف ایران به منظور افزایش دانش و خودکفایی ملی است. در این کارگاه آموزشی، از برجسته ترین اساتید داخل و خارج از کشور در زمینه محاسبات نرم و سیستم های هوشمند دعوت شده است که تعدادی از این اساتید در ادامه معرفی می شوند:

نتیجه قرعه کشی ماه اردیبهشت – برندگان جایزه ماه تعیین شدند

هر ماه از میان اعضای خبرنامه ایمیلی سایت به ازای هر 50 نفر عضو، یک نفر به قید قرعه انتخاب شده و یکی از محصولات فایل های آموزش مکاتبه ای و چند رسانه ای حوزه های مختلف هوش مصنوعی به رایگان به برنده ماه تعلق میگیرد. قرعه کشی هر ماه، چند روز قبل از آغاز ماه انجام می شود.برندگان این ماه: اعضای محترم با آدرسهای ایمیل زیر می باشند.

ادامه مطلب >>

برخی از کاربردهای عمده الگوریتم های ژنتیک و روشهای محاسبات تکاملی

الگوریتم های ژنتیک که بر پایه تکامل زیستی می باشند، روش های جست‌ و‌ جویی هستند که در علوم کامپیوتر به کار می روند. در این پست، به بررسی کاربردهای الگوریتم ژنتیک و استفاده از آن در زمینه‌های مختلف می پردازیم. این مقاله نسخه ویرایش شده ترجمه مقاله کوتاهی است که توسط خانم شهربانو مهدینژاد، دانشجوی مدیریت دانشگاه تگزاس اِی اَند اِم، تهیه شده و جهت استفاده دوستان دانشجو، در اختیار وبسایت محاسبات تکاملی قرار داده شده است. همانگونه که در پست زیر توضیح داده شده است، کاربردهای مطرح شده، با اینکه در مورد الگوریتم ژنتیک هستند. اما همین کاربردها را عیناً می توان در مورد الگوریتم های مشابه دیگر همچون الگوریتم انبوه ذرات، الگوریتم کلونی مورچگان و الگوریتم رقابت استعماری بیان کرد. جهت کسب اطلاعات بیشتر، این پست (نحوه تعریف یک مسئله مناسب بهینه سازی برای حل با الگوریتم رقابت استعماری) را ببینید.

ادامه مطلب >>

حل یک مسئله ماکزیمم (بیشنه) سازی توسط کدهای برنامه یک روش مینیمم سازی

http://www.icasite.info/icasite/post_i/ques_ans.png
معمولاً کدهای رایگانی که به صورت عمومی در مورد یک روش بهینه سازی منتشر می شوند، برای حل مسائل کمینه سازی نوشته شده اند. به عنوان مثال کدهای رایگان الگوریتم رقابت استعماری و یا الگوریتم ژنتیک موجود در وبسیات محاسبات تکاملی، مختص مسائل بهینه سازی هستند. اما این به این معنی نیست که از آنها، نمی توان برای حل مسائل بیشینه سازی استفاده کرد. دلیل اصلی این نوع نوشتن کدها، این هست که مسائل بهینه سازی کمینه سازی و بیشینه سازی، هیچ تفاوتی با هم نداشته و به سادگی قابل تبدیل به هم هستند و چون غالب مسائل بهینه سازی بصورت مینیمم سازی هستند، این کدها نیز، به این صورت منتشر می شوند.
یکی از دوستان سوالی را در مورد نحوه حل مسئله ماکزیمم سازی توسط کدهای الگوریتم رقابت استعماری پرسیده بودند، که این پست، در پاسخ به سوال ایشان تهیه شده است. اگر شما نیز به سوال مشابهی برخورد کرده اید، در ادامه مطلب با ما همراه باشید.