نسخه باینری الگوریتم رقابت استعماری

سوال: چگونه می توان نسخه باینری الگوریتم رقایت استعماری (Binary Imperialist Competitive Algorithm) را ایجاد کرد؟
پاسخ: تهیه نسخه باینری این الگوریتم بسیار ساده و با افزودن دو خط به کدهای پیوسته امکان پذیر است. کافی است، مقدار کمینه و بیشیه متغیرها را بین صفر و یک قرار دهید و بگذارید الگوریتم کارش را انجام دهد. فقط قبل از ارسال مقادیر به تابع هزینه، با تابع round مقادیر را روند کنید تا به بردار صفر و یک تبدیل شوند. توجه کنید که ماهیت متغیرها همچنان پیوسته بوده و پیوسته باقی خواهند ماند و فقط قبل از ورود به تابغ هزینه با تابع round باینری می شوند. به عبارت دیگر، الگوریتم به خیال خود مشغول حل یک مسئله پیوسته است و تابع هزینه هم به خیال خود گسسته است. این میان یک دستور روند کردن، زبان ارتباطی تابع هزینه گسسته (باینری) و الگوریتم پیوسته را برقرار می کند.
پایان متن

انتخاب ژورنال و کنفرانس مناسب، توسط اطلاعات بخش متریکس اسکولار گوگل

 http://www.hardanbir.com/hrdn/scientific-paper-presentation-quality.jpg
بخش متریکس گوگل اسکولار (Google Scholar Metrics) اطلاعات بسیار جالبی در مورد ژورنالها دارد. به راحتی می توان بر حسب دو معیار h5-index و h5-median نگاهی مروری به ژورنالهای اندیس شده، به صورت کلی و نیز در زمینه های خاص داشت. به عنوان مثال با مراجعه با این بخش، پنج ژورنال پنج سال اخیر، به ترتیب در زیر آمده اند. (ادامه را می توانید در متن اصلی در بلاگ هردن بیر بخوانید – این لینک +)

الگوریتم رقابت استعماری به زبان ساده و خلاصه

http://www.icasite.info/icasite/post_i/ica_conf.jpg
در وبسایت محاسبات تکاملی موارد آموزشی بسیار زیادی در مورد الگوریتم رقابت استعماری ارائه شده است. در کنار موارد آموزشی منتشر شده، در این پست کوتاه، یکی از پست های وبسایت “نواندیشان پرس” در مورد این الگوریتم را به همراه لینک به منبع اصلی، خدمتتان ارائه می شود. این نوشته از جهت سادگی متن و نیز خلاصه بودن آن، برای آشنایی مقدماتی با این الگوریتم، می تواند برای دسته زیادی از مخاطبین مفید واقع شود.
پایان متن

چند نوشته در مورد شیوه ارائه مقالات و نحوه شکل دهی ارتباطات اکادمیک

http://www.icasite.info/icasite/post_i/scientific-paper-presentation-quality.jpg
در این پست کوتاه، چند مطلب علمی و آکادمیک جمع آوری شده، از بلاگ هردن بیر منتشر می شود. در ادامه متن، این پست ها که غالباً در مورد شیوه ارائه مقالات و نحوه شکل دهی ارتباطات اکادمیک هستند، با توضیح مختصری لیست شده اند.

نمودار هزینه امپریالیست ها در الگوریتم رقابت استعماری – پرسش و پاسخ

http://www.icasite.info/icasite/post_i/ques_ans.png

یک سوال علمی در مورد نمودار بهترین و میانگین هزینه امپریالیست ها در الگوریتم رقابت استعماری مطرح شده بود که به نظر رسید که پاسخگویی عمومی (هر چند کوتاه و مختصر) به آن خالی از لطف نباشد.

سوال:

اگر در نمودار نشان داده شده برای رقابت استعماری دو منحنی Best ,Mean به هم نرسد و با هم موازی شود آیا اشتباه است؟ من هرچه تعداد دهه ها را زیاد می کنم این دو به هم نمی رسند.

پاسخ:
نمودار Best میزان هزینه بهترین امپراطوری را در هر لحظه (تکرار یا دهه از الگوریتم) نشان می دهد که در مسائل مینیمم سازی این یک نمودار غیر بالارونده است. در مقابل، نمودار Mean که اهمیت کمتری دارد، تنها برای نمایش میانگین هزینه امپریالیست های امپراطوری ها در نظر گرفته شده است و بیشتر ارزش مانیتورینگ روند حرکت برنامه را دارد.

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.

پانزده کاربرد الگوریتم های ژنتیک – بخش سوم

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 آماده شده اند. در دو پست قبلی 10 کاربرد اول را منتشر کردیم. در این پست نیز، بخش سوم 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.

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

پانزده کاربرد الگوریتم های ژنتیک – بخش دوم

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 آماده شده اند. در پست قبلی 5 کاربرد اول را منتشر کردیم. در این پست نیز، بخش دوم 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 >>

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 >>