توضیحات
در این محصول میتوانید کد متلب الگوریتم شعله-پروانه (Gravitational Search Algorithm) یا الگوریتم MFO را به همراه فایل توضیحات خط به خط کد دریافت کنید
(کد متلب + فایل توضیحات کد).
کد بصورت اختصاصی توسط takmoli.ir (وب سایت مرجع الگوریتم های تکاملی و فراابتکاری) آماده شده است و با ساختاری ساده و قابل فهم تر از سایر کدهای موجود در اینترنت می باشد.در تمامی کدهای موجود در سایت سعی شده است که ساختار کدنویسی یکسان و مشابه ای به کار گرفته شود تا فهم کدهای سایر الگوریتم های تکاملی برای مخاطب ساده تر شود. هزینه ای که دریافت میشود تنها برای توضیحات خط به خطی است که برای این کد آماده سازی شده است.
چنانچه قصد شبیه سازی مدل یا مسئله خاصی با الگوریتم شعله-پروانه یا MFO را دارید و میخواهید بهینه سازی با الگوریتم شعله-پروانه یا MFO در یک فیلد خاص را انجام دهید با ما تماس بگیرد و از مشاوره و خدمات ما در خصوص شبیه سازی با الگوریتم شعله-پروانه یا MFO بهره مند شوید.
برای دانلود کد متلب الگوریتم MFO یا الگوریتم شعله-پروانه یا MFO به همراه توضیحات خط به خط کد بر روی دکمه افزودن به سبد خرید کلیک کرده و سپس به سبد خرید مراجعه کنید و ثبت سفارش کنید. بعد از ثبت سفارش در لیست سفارشات شما لینک دانلود به شما نمایش داده خواهد شد.


کد متلب الگوریتم شعله-پروانه یا MFO
الگوریتم شعله-پروانه یا MFO یا Moth-flame optimization algorithm، یک الگوریتم فراابتکاری مبتنی بر جمعیت است که توسط میرجلیلی در سال 2015معرفی شد. الگوريتم شعله پروانه با الهام از مکانیزم هدایت پروانه ها در طبيعت و حرکت پروانه به دور شمع یا شعله نوشته شده است. ما کد متلب الگوریتم شعله-پروانه یا MFO MFO را بصورت کاملا روان و قابل فهم در متلب پیاده سازی کرده ایم و به همراه فایل توضیحات کامل کد در اختیار شما عزیزان قرار داده ایم.
مراحل اجرای الگوریتم شعله-پروانه یا MFO به صورت زیر می باشد:
مراحل اصلی الگوریتم MFO
- 1) مقدار دهی به پارامترهای الگوریتم2) ساخت جمعیت اولیه شاپرک ها به صورت تصادفی3) ارزیابی موقعیت هر شاپرک و محاسبه شایستگی آن4) تا زمانی که شرط توقف برقرار نشده است مراحل 5 تا 11 را تکرار کن5) تعداد شعله ها را بروزرسانی کن: الگوریتم در ابتدا تعداد شعله ها را برابر با تعداد شاپرک ها در نظر میگیرد اما در حین اجرا تعداد شعله ها را کاهش میدهد تا همگرایی اتفاق افتد6) شعله ها را مقداردهی کن :
برای مشخص کردن شعله ها بهترین تجربه هر شاپرک تا کنون را بعنوان شعله در نظر میگیریم.
7) پارامتر a را بروزرسانی کن
8) موقعیت هر شاپرک را بروزرسانی کن
9) شایستگی شاپرک بروزشده را محاسبه کن
10) اگر میزان شایستگی شاپرک جدید بهتر از بهترین جواب می باشد، شاپرک جدید را بعنوان بهترین جواب در نظر بگیر
11) اگر شرط توقف برقرار نشده است به مرحله 5 برو وگرنه پایان
حجت میرزائی، کارشناس ارشد هوش مصنوعی.
فارغ التحصیل کارشناسی ارشد در سال ۹۱ می باشم.از سال ۸۹ در زمینه کد نویسی متلب و تخصصی تر در زمینه هوش مصنوعی و پیاده سازی انواع الگوریتم های مرتبط با هوش مصنوعی فعالیت دارم. علاقه زیادی به رشته هوش مصنوعی دارم و شاخه هایی همانند الگوریتم های تکاملی، پردازش تصویر، شبکه های عصبی، یادگیری ماشین و .. از علابق کاری بنده هستند.
برای دریافت کد متلب الگوریتم بهینه سازی MFO به همراه فایل توضیحات خط به خط کد متلب الگوریتم MFO به بر روی دکمه افزودن به سبد خرید کلیک کرده و سپس به سبد خرید مراجعه کنید و ثبت سفارش کنید.
مشخصات فایل آموزشی:
نوع فایل: pdf
حجم فایل : 1 مگابایت
تعداد صفحات: 13 صفحه
فهرست مطالب:
- مقدمه: الگوریتم شعله-پروانه یا MFO چیست؟
- شبه کد الگوریتم MFO
- مراحل اجرای الگوریتم MFO
- کد و توضیحات کد الگوریتم MFO
الگوریتم شعله پروانه یا الگوریتم شاپرک با نام Moth-flame optimization algorithm که به اختصار MFO نامیده میشود، یک الگوریتم فرا ابتکاری الهام گرفته از طبیعت است که رفتار پیمایش مسیر نوعی از پروانه ها بنام شاپرک یا MOTH را تقلید میکند.در این الگوریتم،شاپرک ها مسیر حرکت خود را باتوجه به شعله ها یا Flame ها تنظیم میکنند.ایده اصلی این الگوریتم از آنجا ناشی میشود که شاپرک ها در شب مسیر حرکت خود را با توجه به نور ماه تنظیم میکنند و در امتداد یک خط راست حرکت میکنند.
در کد متلب الگوریتم شعله-پروانه یا MFO ما تابع Sphere را بعنوان تابع هدف در نظر گرفته ایم و با الگوریتم MFO نقطه بهینه این تابع را پیدا کرده ایم. تابع Sphere یکی از توابع محک معروف در زمینه بهینه سازی می باشد و شکل آن بصورت زیر می باشد
همچنین بیان و فرمول ریاضی تابع Sphere نیز بصورت زیر می باشد:
در کد الگوریتم MFO تابع Shere را بعنوان تابع هدف در نظر گرفته ایم و آن را بهینه کرده ایم. نتیجه بهینه سازی تابع Sphere با الگوریتم شعله-پروانه یا MFO نیز در نهایت بصورت زیر نمایش داده میشود.


کد متلب الگوریتم بهینه سازی شعله-پروانه یا MFO
این محصول که در حال مشاهده آن می باشید (کد متلب الگوریتم شعله-پروانه یا MFO (MFO Algorithm)) بخشی از بسته آموزشی جامع الگوریتم شعله-پروانه یا MFO، الگوریتم MFO می باشد.
در بسته آموزشی جامع الگوریتم شعله-پروانه یا MFO ، ما آموزش مفاهیم و تعاریف الگوریتم MFO و همچنین نحوه کد نویسی الگوریتم شعله-پروانه یا MFO در نرم افزار متلب را به صورت کامل آموزش داده ایم برای دریافت این بسته آموزشی با ما در تماس باشید
همچنین کد های زیر نیز می باشد به زودی در سایت منتشر خواهد شد:
- کد متلب الگوریتم شعله-پروانه یا MFO برای مینیمم سازی (Minimization) .
- کد متلب الگوریتم شعله-پروانه یا MFO برای ماکزیمم سازی (Maximization)
- کد باینری الگوریتم شعله-پروانه یا MFO (برای هر متغیر یک بیت در نظر گرفته می شود.مناسب برای حل مسائلی مانند کوله پشتی و ….)
- کد باینری الگوریتمشعله-پروانه یا MFO با در نظر گرفتن تعداد بیت برای هر متغیر
- کد متلب الگوریتم شعله-پروانه یا MFO برای بهینه کردن تابع محک Sphere
- کد متلب الگوریتم شعله-پروانه یا MFO برای بهینه کردن تابع محک Ackley
- کد متلب الگوریتم شعله-پروانه یا MFO برای بهینه کردن تابع محک Rastrigin
- کد متلب الگوریتم شعله-پروانه یا MFO برای بهینه کردن تابع محک Rosenbrock
- کد متلب الگوریتم شعله-پروانه یا MFO برای بهینه کردن تابع محک Schwefel2.22
- و حل هر تابع ای که مد نظر شما می باشد با الگوریتم شعله-پروانه یا MFO را ما برای شما انجام خواهیم داد.
برای مشاهده دموی کد متلب الگوریتم شعله-پروانه یا MFO Algorithm بر روی تصویر زیر کلیک کنید
چنانچه قصد شبیه سازی مدل یا مسئله خاصی با الگوریتم شعله-پروانه یا MFO را دارید و میخواهید بهینه سازی با الگوریتم شعله-پروانه یا MFO در یک فیلد خاص را انجام دهید با ما تماس بگیرد و از مشاوره و خدمات ما در خصوص شبیه سازی با الگوریتم شعله-پروانه یا MFO بهره مند شوید.
نقد و بررسیها
هیچ دیدگاهی برای این محصول نوشته نشده است.