پانزده کاربرد الگوریتم های ژنتیک – بخش اول

هدف از این پست آشنا کردن مخاطبین محترم وبسایت محاسبات تکاملی با کاربرد های مختلف الگوریتم های ژنتیک می باشد. بدین منظور 15 کاربرد عمده از این الگوریتم ها را در سه پست مجزا خدمتتان تقدیم خواهیم کرد. در این پست، بخش اول از این کاربردها را می بینیم. البته توجه شود که این کاربردها منحصر به الگوریتم ژنتیک (GA) نمی باشند و به سادگی قابل تعمیم به هر الگوریتم بهینه سازی تکاملی می باشند (این لینک (+) را ببینید). به همین منظور و برای درک بهتر موضوع، در ادامه هر کاربرد، موردی از استفاده مشابه از الگوریتم رقابت استعماری به همراه عنوان مقاله علمی منتشر شده، به عنوان یک مثال عملی خواهیم آورد.  لازم به ذکر است که این نوشتار به کوشش سرکار خانم زینب سجادی- دانشجوی کارشناسی ارشد ریاضیات مالی دانشکده ریاضی و علوم کامپیوتر دانشگاه شیخ بهایی اصفهان تهیه شده و جهت استفاده علاقه مندان در اختیار وبسایت محاسبات تکاملی قرار گرفته است. شما را به مطالعه لیست این کاربردها در ادامه مطلب دعوت می کنیم.

ادامه مطلب

پرسش و پاسخ – تنظیم میزان مناسب زاویه جذب در الگوریتم رقابت استعماری

http://www.icasite.info/icasite/post_i/ques_ans.png
 
پرسشی در مورد نحوه تنظیم میزان مناسب زاویه جذب در الگوریتم رقابت استعماری، مطرح شده است. شما را به مشاهده صورت این پرسش مهم و عمومی و نیز در صورت علاقه، به خواندن ادامه مطلب جهت یافتن پاسخ این پرسش دعوت می کنیم.
 
پرسش:
 

با سلام

سوالی در رابطه با زاویه جذب دارم، ممنون میشوم راهنمایی کنید.

زاویه جذب اگر مقدار کمی داشته باشه چه تاثیری می تواند روی روند کار بگذارد (برعکسش چطور؟ اگر زیاد باشد چی؟) منظور من از لحاظ الگوریتم جستجو هست و اینکه تاثیرش رو به شکل جستجو چطور میشود بیان کرد؟

اگه بخواهیم زاویه جذب رو در ابتدا زیاد بعد کم یا بر عکس تعریف کنیم، نتیجه چطور می شود؟ یا بخواهیم به صورت یک تابع خطی یا غیر خطی افزایش یا کاهش بدیم، چطور؟

ممنون میشوم به سوالات بالا از دیدگاه الگوریتم جستجو پاسخ بدهید.

 
 
 پاسخ: در ادامه پاسخ مشروح مطرح شده را می بینیم.

پایان نامه – پیش بینی کوتاه مدت بار با استفاده از شبکه های عصبی مصنوعی و الگوریتم هیبرید رقابت استعماری

“در این پایان‌نامه روشی جدید جهت پیش‌بینی کوتاه مدت بار و بصورت بار ساعتی، در شبکه توزیع انرژی الکتریکی ارائه شده است. در روش ارائه شده از گسسته‌سازی الگوریتم رقابت استعماری که بصورت ترکیبی از الگوریتم رقابت استعماری و الگوریتم ژنتیک است و آن را HICA (Hybrid Imperialist Competitive Algorithm) می‌نامیم به منظور ابزاری جهت انتخاب ویژگی (ورودی) در شبکه‌های عصبی استفاده شده است. هدف استفاده از HICA یافتن آن دسته از ورودی‌ها است که بیشترین تأثیر را در پیش‌بینی سری زمانی بار الکتریکی دارند، تا بتوان خطای شبکه عصبی را تا حد امکان کاهش داد. … (ادامه دارد)” آنچه خواندید، بخشهایی از یک پایان نامه ارزشمند در حوزه محاسبات تکاملی بود که از الگوریتم رقابت استعماری برای آموزش شبکه عصبی با هدف پیش بینی کوتاه مدت بار استفاده کرده است. جناب آقای احسان هادیان که این پایان نامه را به عنوان پروژه پایان دوره کارشناسی خود کار کرده اند، بخش هایی از آن را در اختیار وبسایت محاسبات تکاملی قرار داده اند. به زودی متن کامل تری از این پایان نامه در همین وبسایت منتشر خواهد شد. در ادامه مطلب، شما را به مطالعه جزئیات بیشتر این پایان نامه فرا می خوانیم. در انتهای متن، متن کامل این پست در قالب فایل پی دی اف، قابل دانلود می باشد.

ادامه مطلب