کد متلب بهینه سازی شبکه عصبی با الگوریتم فاخته COA

5,000 تومان

در این محصول کد متلب شبکه عصبی ه بخش آموزش آن با الگوریتم بهینه سازی فاخته COA انجام شده است به علاقه مندان ارائه می شود .

کد متلب  بهینه سازی شبکه عصبی با الگوریتم فاخته COA

در این محصول کد متلب شبکه عصبی ه بخش آموزش آن با الگوریتم بهینه سازی فاخته COA انجام شده است به علاقه مندان ارائه می شود .

الگوريتم بهينه سازي فاخته يا Cuckoo Optimization Algorithm چيست؟

الگوريتم بهينه سازي فاخته يا Cuckoo Optimization Algorithm يكي از جديد ترين و قويترين روشهاي بهينه سازي تكاملي مي باشد كه تا كنون معرفي شده اند.
بعد از معرفي شدن روش هاي بهينه سازي تكاملي اوليه مثل الگوريتم ژنتيك (GA) ، الگوريتم تبريد تدريجي (Simulated Annealing)، تحقيقات زيادي روي روشهاي تكاملي بهينه سازي كه از الهام از طبيعت گرفته شده بودند انجام گرفت. از ديگر الگوريتمهاي معرفي شده مي توان به الگوريتم ازدحام ذرات (PSO)، كلوني مورچگان (ACO)، الگوريتم زنبور عسل (ABC) و الگوريتم ماهي هاي مصنوعي (Artificial Fish Swarm) اشاره كرد. كاربردهاي بيشماري از اين روشها را براي حل مسايل مختلف بهينه سازي پيچيده در مقالات مي توان پيدا كرد.
يكي ديگر از الگوريتم هاي بهينه سازي تكاملي كه در ايران شكل گرفته و بسيار كاربرد يافته الگوريتم رقابت استعماري است كه بر پايه الهام از يك سيستم رقابتي بين امپراتوريهاي جهان جهت تصاحب مستعمره شكل گرفته است. اين روش بهينه سازي با تغييري كه در الگوريتم آن براي حركت مستعمره ها به سمت امپراتوري در نظر گرفته شده است توانايي خوبي براي يافتن نقاط بهينه كلي (global optima)از خود نشان داده است.
بعد از معرفي الگوريتم رقابت استعماري (ica) بر روي روش جديد ديگري كه توانايي بيشتري در پيدا كردن نقاط بهينه كلي (global optima) داشته باشد در حال كار شده است. اين الگوريتم بر روي الهام از روش زندگي پرنده اي بنام فاخته يا Cuckooبود. روش زندگي و تخم گذاري جالب اين پرنده نويد يك الگوريتم بهنيه سازي خوب و قابل را در طبيعت وحشي مي داد. روشي كه با كمترين تلاش، در جنگ براي بقا با ساير حيوانات، به بقا مي رسيد. اين پرنده تنبل به زيبايي هرچه تمام تر ساير پرندگان را مجبور به شركت در بقاي خود مي كند.
در سال 2009 كه ايده مدل سازي نحوه زندگي اين پرنده به عنوان يك روش بهينه سازي تكميل شد و تمام كار هاي كد نويسي و تست آن تمام شد. اقدام به نوشتن مقاله اي در اين خصوص كردم تا اين الگوريتم را به همگان معرفي شود. پس از ارسال مقاله به يكي از معتبرترين مجلات محاسبات تكاملي (Applied Soft Computing Journal) در Elsevire و سپري شدن زماني طولاني براي داوري اين مقاله، متوجه شدیم كه تقريباًً همزمان با من دو نفر از كشورهاي چين (X. S. Yang) و هند (S. Deb) از دانشگاه كمبريج نيز مشتركاً روي مدلسازي همين پرنده كاركرده اند و با وجود اينكه ديرتر از من مقاله شان را آماده كرده بودند، توانسته بودند نتايج خود را سريع تر از من در كنفرانسي در هند World Congress on Nature & Biologically Inspired Computing (NaBIC 2009)تحت عنوان Cuckoo Search via L´evy Flights چاپ كنند.
اينكه نتيجه كار شما و آن همه زحمت فقط بدليل ارسال مقاله به مجله ISIو تاخير مبحث داوري، بنام افرادي ديگر منتشر گردد بسيار عذاب آور بود. پس از اطلاع از وجود چنين مقاله اي تصميم به withdrawكردن مقاله خود گرفتم كه به پيشنهاد يكي از دوستان كمي صبر كردم تا مقاله كنفرانسي بر روي سايت قرار گرفت و من توانستم مقاله ايندو نفر را مطالعه كنم. بعد از مطالعه مقاله مذكور متوجه شدم كه اين دو نفر چقدر سطحي به زندگي اين پرنده پرداخته اند و فقط قسمت بسيار كوچكي از پروازهاي اين پرنده را براي مدلسازي انتخاب كرده اند (اگر نظر شخصي بنده را بخواهيد فقط تلاش كرده اند كه مقاله اي را براي كنفرانس مذكور آماده كنند). قطعا مدلسازي ناقص و مقطعي نمي توانست بازگوكننده تمام قدرت اين روش بهينه سازي تكاملي باشد. اين مساله در همگرايي بسيار كند كدهاي نوشته شده توسط اين دو محقق بوضوح ديده مي شود.
بالاخره پس از 2 سال داوري مقاله من در مجله Applied Soft Computing Journal اديتور نظريه نهايي و Acceptance را فرستاد.

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “کد متلب بهینه سازی شبکه عصبی با الگوریتم فاخته COA”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *