الگوریتم بهینه سازی ازدحام ذرات یا Particle Swarm Optimization (به اختصار PSO) یکی از مهم ترین الگوریتم های بهینه سازی هوشمند است که در حوزه هوش ازدحامی (Swarm Intelligence) جای می گیرد. این الگوریتم توسط جیمز کندی و راسل سی ابرهارت در سال ۱۹۹۵ معرفی گردید و با الهام از رفتار اجتماعی حیواناتی چون ماهی ها و پرندگان که در گروه هایی کوچک و بزرگ کنار هم زندگی می کنند، طراحی شده است. در الگوریتم PSO اعضای جمعیت جواب ها به صورت مستقیم با هم ارتباط دارند و از طریق تبادل اطلاعات با یکدیگر و یادآوری خاطرات خوب گذشته به حل مساله می پردازند. الگوریتم PSO برای انواع مسائل پیوسته و گسسته مناسب است و پاسخ های بسیار مناسبی برای مسائل بهینه سازی مختلف داده است. مجموعه فرادرس های الگوریتم PSO، مشتمل بر هفت فرادرس است که در مجموع تقریبا شامل ۱۰ ساعت برنامه آموزشی تخصصی هستند. عناوین بخش های مختلف این بسته آموزشی در ادامه آمده است: درس یکم: بهینه سازی ازدحام ذرات PSO در درس یکم پس از مروری کامل بر تئوری PSO، نحوه برنامه نویسی و پیاده سازی این الگوریتم در محیط متلب به طور کامل آموزش داده می شود. این فیلم آموزشی قطعا یک منبع آموزشی بی نظیر برای آموزش مباحث تئوری و عملی مرتبط با الگوریتم PSO است. حتی افرادی که هیچ گونه آشنایی با الگوریتم PSO و مفاهیم مرتبط با آن ندارند، می توانند با استفاده از این فیلم آموزشی ارزشمند، اطلاعات کامل و دقیقی را به دست بیاورند. فهرست سرفصل ها و رئوس مطالب مطرح شده در درس یکم در ادامه آمده است: مروری بر تئوری الگوریتم بهینه سازی ازدحام ذرات یا PSO پیاده سازی برنامه ساده الگوریتم PSO بهبود عملکرد برنامه با اعمال تغییرات بر روی برنامه تنظیم ضرایب و پارامترهای PSO اپراتورهای محدودسازی سرعت و موقعیت پیاده سازی اثر آینه ای برای بردار سرعت درس دوم: حل مساله دیسپاچینگ اقتصادی توسط الگوریتم PSO یکی از مسائل مهمی که در مهندسی قدرت و مدیریت سیستم های تولید و توزیع نیروی برق مطرح می شود، مساله دیسپاچینگ اقتصادی یا Economic Dispatching است. در درس دوم که به صورت یک مساله بهینه سازی مقید و پیوسته مطرح می شود، سعی می شود که سهم توان تولیدی چند واحد تولید برق به نحوی تعیین شود که عملکرد کلی سیستم از نظر اقتصادی بهینه شود. برای هر کدام از منابع تولید انرژی، یک تابع هزینه بر حسب توان تولیدی تعریف شده است که غالبا به صورت درجه دو است. در این فیلم آموزشی با استفاده از الگوریتم بهینه سازی ازدحام ذرات یا Particle Swarm Optimizatoion (به اختصار PSO) به حل این مساله پرداخته شده است. فهرست سرفصل ها و رئوس مطالب مطرح شده در درس دوم در ادامه آمده است: بیان ریاضی مساله دیسپاچینگ اقتصادی یا Economic Dispatching مروری بر روش های حل مسائل بهینه سازی مقید به خصوص قید تساوی پیاده سازی حل مساله دیسپاچینگ با استفاده از PSO تحلیل و بررسی نتایج به دست آمده از بهینه سازی ارائه پیشنهادهایی برای تعمیم و توسعه مدل مربوط به مساله دیسپاچینگ درس سوم: حل مسائل گسسته با استفاده از الگوریتم PSO در درس سوم روش هایی در خصوص چگونگی استفاده از الگوریتم PSO برای حل مسائل بهینه سازی گسسته (عدد صحیح) ارائه شده اند. این روش ها منحصر به الگوریتم PSO نیستند و می توان آن ها را با هر الگوریتم پیوسته دیگری از جمله: تکامل تفاضلی (DE) و الگوریتم رقابت استعماری (ICA) مورد استفاده قرار داد. فهرست سرفصل ها و رئوس مطالب مطرح شده در درس سوم در ادامه آمده است: حل مسائل گسسته با استفاده از الگوریتم PSO درس چهارم: حل مساله فروشنده دوره گرد یا TSP با استفاده از الگوریتم PSO در درس چهارم شیوه اضافه کرد عمل جهش (Mutation) به الگوریتم PSO توضیح داده شده است. به این الگوریتم اصطلاحا Enhanced PSO یا به اختصار EPSO گفته می شود. سپس سه نوع عملگر جهش برای مساله TSP بیان شده است که عبارتند از: اپراتور تعویض یا Swap، اپراتور معکوس سازی یا Reversion و اپراتور جایگذاری یا Insertion. ترکیبی احتمالی از این اپراتورها به عنوان یک عملگر جهش تعریف شده است و در ساختار الگوریتم EPSO مورد استفاده قرار گرفته است. فهرست سرفصل ها و رئوس مطالب مطرح شده در درس چهارم در ادامه آمده است: بیان ریاضی و مرور نظری مساله فروشنده دوره گرد یا TSP چگونگی ایجاد جایگشت با استفاده از اعداد حقیقی حل مساله فروشنده دوره گرد با استفاده از PSO نمایش راه حل مساله به صورت گرافیکی همگام با حل مساله نحوه اضافه کردن عملگر جهش (Mutation) به الگوریتم PSO بررسی انواع جهش برای مساله فروشنده دوره گرد و سایر مسائل جایگشتی درس پنجم: برازش منحنی و مدل سازی با استفاده از الگوریتم PSO به جرات می توان گفت که یکی از مسائل مهم در تمامی رشته های علمی و مهندسی، مساله مدل سازی و برازش منحنی است و در بسیار از رشته ها این مساله مهم ترین مساله ای است که در آن حوزه تعریف می شود. تبدیل داده های برگرفته از مشاهدات به مدلی ریاضی که بتواند سیستم مورد مطالعه را توصیف نماید، گاهی اوقات بزرگترین هدفی است که یک محقق دارد. روش های مختلفی برای برخورد با این مساله وجود دارند که پیش از این درباره این روش ها در فرادرس مطالبی منتشر شده است. فهرست سرفصل ها و رئوس مطالب مطرح شده در درس پنجم در ادامه آمده است: بیان مساله برازش منحنی و مدل سازی به صورت یک مساله بهینه سازی تعریف تابع هزینه مربوط به برازش منحنی و اتصال آن به PSO ارائه راه حل کلی برای پیدا کردن پارامترهای هر نوع معادله تخمین گر تخمین داده ها به صورت چندجمله ای با درجات مختلف استفاده از عمل جهش در الگوریتم PSO پیوسته معرفی جهش گوسی (نرمال) برای مسائل بهینه سازی پیوسته نمایش نتیجه برازش منحنی همگام با مراحل اجرای الگوریتم PSO درس ششم: حل مساله کوله پشتی با استفاده از PSO یکی از مسائل معروف در ریاضیات کاربردی و تحقیق در عملیات، مساله کوله پشتی یا Knapsack Problem است، که به نام Backpack Problem نیز شناخته می شود. این مساله دارای نسخه های مختلفی است و حالات پیچیده تر آن در حل مسائل روزمره و صنعتی کاربردهای فراوانی دارد. گذشته از اهمیت عملی این مساله، نسخه های استانداردی نیز برای این مساله تعریف شده اند که برای ارزیابی عملکرد الگوریتم های بهینه سازی، مورد استفاده قرار می گیرد. در این فیلم آموزشی با استفاده از الگوریتم بهینه سازی ازدحام ذرات یا Particle Swarm Optimizatoion (به اختصار PSO) به حل مساله کوله پشتی پرداخته شده است. در درس ششم نسخه های مختلف مساله کوله پشتی (گسسته و پیوسته) بیان شده اند و هر دو مورد با استفاده از الگوریتم PSO حل شده اند. در خصوص چگونگی استفاده از PSO برای حل مسائل گسسته (عدد صحیح) در این فیلم نکات جالب و ارزنده ای بیان شده اند که به همراه سایر الگوریتم های پیوسته نظیر: تکامل تفاضلی (DE) و الگوریتم رقابت استعماری (ICA) نیز قابل استفاده هستند. همچنین مطالب متنوعی در خصوص چگونگی برخورد با قیدها، در مسائل بهینه سازی مقید بیان شده است. فهرست سرفصل ها و رئوس مطالب مطرح شده در درس ششم در ادامه آمده است: بیان ریاضی مساله کوله پشتی بررسی انواع مختلف مساله کوله پشتی در فضای گسسته و پیوسته حل مساله کوله پشتی پیوسته با استفاده از PSO چگونگی استفاده از PSO برای حل مسائل بهینه سازی گسسته و روش های کدینگ اعداد صحیح حل مساله کوله پشتی گسسته با استفاده از PSO مقایسه نتایج به دست آمده در حالات گسسته و پیوسته نحوه برخورد با مسائل بهینه سازی مقید و انواع توابع جریمه مکانیزم ها و راهکارهای عملی برای حل عمومی مسائل تحقیق در عملیات درس هفتم: طراحی مسیر یا Path Planning با استفاده از PSO فرض کنید که قرار است درجه حرارت یک محل را تنظیم کنیم، به نحوی که یک معیار (مثلا میزان مصرف انرژی) بهینه شود. اگر فقط تنظیم درجه حرارت در یک زمان به خصوص مد نظر باشد، مساله چندان سخت نیست. اما اگر هدف از حل مساله تنظیم درجه حرارت در تمام ساعات شبانه روز (بهتر است بگوییم در هر لحظه از شبانه روز) باشد، چطور؟ این مساله دارای بعد بی نهایت است. زیرا ما باید درجه حرارت را برای هر لحظه از شبانه روز تعیین کنیم و می دانیم که تعداد این لحظات، بی نهایت است. البته فرض می کنیم که در این اطراف، کسی که به فیزیک کوانتومی معتقد است، حضور ندارد. (این جمله آخر چندان جدی نبود.) مساله طراحی مسیر حرکت یک ربات از یک مبدا مشخص تا یک مقصد مشخص نیز دارای بی نهایت متغیر مجهول است. زیرا در تمام بازه زمانی حرکت، قطعا این ربات در جایی از فضا حضور دارد و دارای مختصات است و هدف ما از حل مساله پیدا کردن مختصاتی برای ربات در تمام لحظات است که اولا ما را از مبدا مورد نظر تا مقصد مشخصی برساند و ثانیا یک معیار (مثلا طول مسیر و یا انرژی مصرفی بریا حرکت) را بهینه کند. بسیاری از مسائلی که در حوزه مهندسی کنترل، رباتیک و مکاترونیک مطرح می شوند، دارای ابعاد بی نهایت هستند و باید به نحوی آن ها را تبدیل به مسائلی با بعد محدود کرد. یکی از رویکردها برای حل چنین مسائلی، پارامتریزه کردن منحنی توصیف کننده مسیر و پیدا کردن مقادیر بهینه پارامترهای آن است. در این فیلم آموزشی، مساله طراحی مسیر با استفاده از این تکنیک و توسط الگوریتم PSO حل شده است. این روش می تواند برای سایر مسائل نیز مورد استفاده قرار بگیرد که نمونه ای از آن ها در فیلم مورد اشاره قرار گرفته اند. فهرست سرفصل ها و رئوس مطالب مطرح شده در درس هفتم در ادامه آمده است: بیان چند نمونه از مسائلی که مجهول مورد سوال در آن ها توابع هستند و بی نهایت متغیر دارند تخمین تابع طراحی مسیر انواع ربات کنترل بهینه حلقه باز سیستم های دینامیکی شیوه های تبدیل مسائل دارای بعد بی نهایت به مسائل با بعد محدود بیان مساله طراحی مسیر یا Path Planning ارائه راه حل برای مساله طراحی مسیر به صورت اسپلاین (spline) شیوه تعریف اسپلاین در محیط متلب حل مساله طراحی مسیر حرکت ربات با استفاده از الگوریتم PSO در محیط متلب اضافه کردن مانع به مدل مساله طراحی مسیر نمایش گرافیکی نتایج حاصل از طراحی مسیر طرح پیشنهادهایی برای توسعه مساله طراحی مسیر

دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.