روشی جدید در خوشه بندی اطلاعات با استفاده ازترکیب الگوریتم کشورهای استعماری و k-means – پایان نامه

خانم الهه طاهریان فرد، در پایان نامه کارشانسی ارشد خود در دانشگاه شیراز زیر نظر دکتر نیکنام و دکتر روستا، با ترکیب الگوریتم رقابت استعماری و روش k-means، روش جدید و کارآمدی برای خوشه یابی (کلاسترینگ – Clustering)، معرفی کرده است. نتایج حاصل از این کار پژوهشی در قالب چندین مقاله در معتبرترین ژورنالهای مرتبط با این حوزه منتشر شده اند. در ادامه این پست، بخشهای خلاصه شده ای از متن پایان نامه ایشان را برای علاقه مندان وبسایت محاسبات تکاملی منتشر می کنیم.

ادامه مطلب >>

هشت گام ساده برای یادگیری کامل الگوریتم رقابت استعماری (از شروع تا انتشار مقاله علمی)

http://www.matlabsite.net/images/tutorials/ica_conf.jpg
متلب سایت – مرجع هوش مصنوعی: استفاده از الگوریتم رقابت استعماری (Imperialist Competitive Algorithm – ICA) در عین نوپا بودن و تازه بودن آن، همچنان در حال گسترش می باشد. این روزها این، الگوریتم به پایه ثابت پروژه ها و پایان نامه های دوره های مختلف تحصیلی تبدیل شده است. تنوع رشته های مرتبط با این الگوریتم نیز آنچنان بالاست که مقالات متعدد منتشر شده در مورد این الگوریتم، نه تنها نشان از کاربرد آن در رشته های مهندسی (برق، مهندسی صنایع، عمران، مکانیک و …) دارد، بلکه این الگوریتم به بخش اصلی مقالات مهم منتشر شده در اقتصاد، مدیریت و بازرگانی نیز تبدیل شده است. در این میان، در متلب سایت به عنوان مرجع هوش مصنوعی و برنامه نویسی متلب در ایران، درخواست های متعددی از طرف دانشجویان و پژوهشگران دریافت کردیم در مورد انتشار موارد آموزشی بیشتر در مورد این الگوریتم. امروز تصمیم گرفتیم پاسخ به این درخواست را بیش از این به تاخیر نیاندازیم و هشت گام ساده در جهت آموزش این الگوریتم را به شما معرفی نماییم. این گامها به راحتی شما را راهنمایی خواهند کرد تا حتی در صورت مبتدی بودن در این زمینه، به راحتی این الگوریتم را فراگرفته و کار پژوهشی خود را تا مرحله انتشار مقاله به پیش ببرید. مراحل آنقدر ساده و کامل هستند که در آن ها حتی ما ارائه مقاله شما در یک نشست علمی را نیز پیش بینی کرده و موارد آموزشی لازم را ارائه کرده ایم. با ما در ادامه مطلب همراه باشد.

چگونه پای رقابت های استعماری به دنیای ریاضی باز شد؟ – مصاحبه با پدید آورنده این الگوریتم

متن مصاحبه روزنامه هفت 7 صبح در مورد الگوریتم رقابت استعماری، اسماعیل آتش پز گرگری
متلب سایت – مرجع هوش مصنوعی ایران: الگوریتم رقابت استعماری، به عنوان یک روش جدید و با قدرت عمل بالا، به خوبی، جای خود را در میان روشهای بهینه سازی تکاملی باز کرده است و روند رشد و توسعه آن هنوز هم ادامه دارد. اخیراً روزنامه هفت صبح در بخش سرویس علمی خود، مصاحبه ای را با پدید آورنده این الگوریتم منتشر کرده است که باز نشر آن برای مخاطبین وبسایت محاسبات تکاملی نیز خالی از لطف به نظر نیامد. در این مصاحبه، می توانید با چگونگی ایجاد، رشد و توسعه الگوریتم رقابت استعماری آشنا شوید و از زبان مبتکر آن، نقاط قوت و ضعف کار و موانع راه توسعه یک کار علمی را بشنوید. در ادامه مطلب می توانید باز نشر بخشهای برداشت شده ای از این مصاحبه مفصل را بخوانید.

دانلود رایگان کدهای آماده آموزش شبکه عصبی توسط الگوریتم رقابت استعماری

قبلاً در پستی در همین وبسایت، نحوه آموزش شبکه عصبی (Neural Network Training) توسط الگوریتم رقابت استعماری (ICA) خدمت علاقه مندان الگوریتم رقابت استعماری و شبکه های عصبی مصنوعی، آموزش دادیم. بالاخره بعد از مدتها، فرصتی پیش آمد تا در پاسخ به درخواستهای بیشمار مراجعین محترم وبسایت محاسبات تکاملی، کدهای آماده آموزش شبکه عصبی توسط الگوریتم رقابت استعماری را نیز در اختیار مراجعین محترم قرار دهیم. در ادامه لینک دانلود این کدها به همراه توضیحاتی در مورد بخش های مختلف آن آمده است.
دانلود کدها

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 >>

پرسش و پاسخ – تعیین بازه های متغیرها در کدهای مختلف بهینه سازی

http://www.icasite.info/icasite/post_i/ques_ans.png
در بخش پرسش و پاسخ وبسایت محاسبات تکاملی، معمولاً متنی پستی را منتتشر می کنیم که به پاسخ یک پرسش عمومی می پردازد. یکی از نسخه های برنامه الگوریتم رقابت استعماری در متلب و سی شارپ را جناب آقای مهندس کلامی تهیه کرده اند (در این لینک). در این پست، ایشان در پاسخ به پرسش زیر، نحوه تعیین و تغییر بازه های متغیرها در یک برنامه نوشته شده با روشهای مختلف بهینه سازی تکاملی را نشان می دهند.
پرسش:

با عرض سلام و خسته نباشید
می خواستم بدانم، اگر در الگوریتم رقابت استعماری (یا الگوریتم های دیگر) بخواهم حدود متغیرها با یکدیگر فرق داشته باشد چگونه باید کد الگوریتم را تغییر دهم؟ مثلا می خواهم متغیر اول بین 0 تا 1 و متغیر دوم بین 1 تا 30 و متغیر سوم بین 10 تا 20 باشد.

ادامه مطلب >>

دانلود رایگان کدهای طراحی کنترل کننده پی آی دی توسط الگوریتم ژنتیک و الگوریتم رقابت استعماری

در یکی از پستهای قبلی در وبسایت محاسبات تکاملی (این پست)، توضیحات کاملی در مورد نحوه استفاده از الگوریتم رقابت استعماری برای طراحی کنترل کننده پی آی دی (PID Controller Design)، ارائه کردیم. دوستان زیادی در طی مکاتبات خود با سایت، تقاضای دسترسی به کدهای نوشته شده این برنامه را داشتند. در پاسخ به درخواست این دوستان، وبسایت محاسبات تکاملی، لینک دانلود این کدها را در این وبسایت منتشر می کند. امید هست که استفاده از این کدها، در جهت آشنایی با نحوه استفاده از روشهای بهینه سازی تکامی در طراحی کنترل کننده ها، مفید واقع شود.
در ادامه لینک های دانلود آمده اند. در هر یک از لینک های زیر، در صورتی که نیاز به پسورد بود، عبارت www.icasite.info را وارد کنید.

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.