بهینه سازی با الگوریتم ACO و PSO در MATLAB

الگوریتم های فراابتکاری متعددی وجود دارند که الهام گرفته از یک حرکت دسته جمعی می باشند. به هر عضو از آن دسته اصطلاحا یک ذره گفته می شود و عملکرد آن گروه و دسته در گرو مشارکت همه اعضا و ذره ها می باشد.

حرکت پرندگان، ماهی ها یا مورچه ها را دقت کنید. عملکرد گروهی آنها باعث ایجاد یک راندمان مطلوب می باشد. الگوریتم بهینه سازی ازدحامی ذرات (PSO) یا الگوریتم کلونی مورچگان (ACO) مبتنی بر همین کار گروهی است که با اینکه سالها بعد از الگوریتم ژنتیک معرفی گردیدند اما به جهت کارایی در سطح ژنتیک و در برخی مسائل حتی بهتر از الگوریتم ژنتیک عمل می نمایند.

در این دوره با این الگوریتم‎های هوشمند بهینه‎سازی به صورت معرفی، نحوه مدلسازی و کدنویسی آن آشنا خواهید شد و یکی از معروف‎ترین مسائل بهینه‎سازی به کمک آنها حل خواهد شد. علاوه بر آن مسائل خرد و کوچکتر از لحاظ مدلسازی نیز در این دوره بررسی خواهند شد.

مخاطبین دوره :

دانشجویان کارشناسی ارشد و دکتری تمامی رشته های مهندسی/علوم پایه/اقتصاد و ...