9,000 تومان
الگوریتم بهینه سازی تفاضل تکاملی (DE) توسعه یافته الگوریتم ژنتیک است که جدیدا مورد توجه محققان در زمینه الگوریتم های فرابتکاری قرار گرفته است. در این محصول مجموعه کاملی از فایل های آموزشی و مقالات مرتبط با این الگوریتم قرار داده شده است. همچنین کد نویسی این الگورتیم در محیط متلب انجام شده و به همراه فایل های آموزشی ارائه می شود.
الگوریتم بهینه سازی تفاضل تکاملی (DE) توسعه یافته الگوریتم ژنتیک است که جدیدا مورد توجه محققان در زمینه الگوریتم های فرابتکاری قرار گرفته است. در این محصول مجموعه کاملی از فایل های آموزشی و مقالات مرتبط با این الگوریتم قرار داده شده است. همچنین کد نویسی این الگورتیم در محیط متلب انجام شده و به همراه فایل های آموزشی ارائه می شود.
در سالهای اخیریک الگوریتم تفاضلی به نام الگوریتم تکاملی تفاضلی (DE) به عنوان روشی قدرتمند و سریع برای مسائل بهینه سازی در فضاهای پیوسته معرفی شده است.الگوریتم جستجوی DE یکی از جدیدترین روشهای جستجو است.
الگوریتم تکاملی تفاضلی (DE) نخستین بار در سال 1995 توسط استورن و پرایس معرفی شد.این دو نشان دادند که این الگوریتم توانایی خوبی در بهینه سازی توابع غیرخطی مشتق ناپذیر دارد.
الگوریتم DE جهت غلبه بر عیب اصلی الگوریتم ژنتیک، یعنی فقدان جستجوی محلی دراین الگوریتم ارائه شده است.تفاوت اصلی بین الگوریتم های ژنتیکی و الگوریتم DE در عملگر انتخاب selection operators می باشد.
در اپراتور انتخاب GA ،شانس انتخاب یک جواب به عنوان یکی از والدین وابسته به مقدار شایستگی آن می باشد.اما در الگوریتم DE ،همه جواب ها دارای شانس مساوی جهت انتخاب شدن می باشند.یعنی شانس انتخاب شدن آنها وابسته به مقدار شایستگی آنها نمی باشد.پس از این که یک جواب جدید با استفاده از یک اپراتور جهش خود-تنظیم و اپراتور crossover تولید شد،جواب جدید با مقدار قبلی مقایسه میشود و در صورت بهتر بودن جایگزین می شود.
یکی از مزایای این الگوریتم داشتن حافظه ای می باشد که اطلاعات جواب های مناسب را در جمعیت فعلی حفظ می کند.دیگر مزیت این الگوریتم مربوط به عملگر انتخاب آن می باشد،در این الگوریتم همه جواب ها دارای شانس مساوی جهت انتخاب شدن بع عنوان یکی از والدین می باشند.
1 دیدگاه برای مجموعه کامل آموزش الگوریتم تفاضل تکاملی (DE)
هنوز بررسیای ثبت نشده است.