×
ribbon

تا پایان تخفیف

آموزش الگوریتم ژنتیک (الگوریتم تکاملی)

مدرس:

آرمان صمیمی

محاسبات نرم از محاسبات تقریبی برای حل مسائل استفاده می کند که نتیجه آن راه حل های خوب... بیشتر
گواهی‌نامه
دسترسی: کامل
اطلاعات بیشتر
3.8 (28)
10 دیدگاه
1,271دانشجو
19ساعت
سرفصل‌ها
مقدماتی سطح دوره

اشتراک مکتب‌پلاس

خرید اشتراک

با خرید اشتراک مکتب‌پلاس، علاوه بر این دوره، به بیش از ۴،۰۰۰ دوره دیگر دسترسی خواهید داشت.

دسترسی به تمام دوره‌هابیش از ۴،۰۰۰ دوره
محتوای دوره
سرفصل‌ها
پیش‌نیاز‌ها
توضیحات دوره
دیدگاه کاربران
درباره مدرس

این دوره شامل:

8 ساعت ویدئو

46 تمرین و پروژه

40 سؤال سنجش و یادگیری

1 فایل ضمیمه قابل دانلود

دسترسی به تالار گفتگو

گواهینامه مکتب‌خونه

دسترسی مادام‌العمر به محتوای دوره

4 هفته مهلت ارسال تمرین و پروژه

سرفصل‌های دوره

8 فصل37 جلسه8 ساعت ویدیو
فصل یکم: مقدمه‌ای بر الگوریتم‌های تکاملی
  مقدمه‌‌ای بر جایگاه الگوریتم‌های تکاملی
15:50
  کوییز مقدمه‌‌ای بر جایگاه الگوریتم‌های تکاملی
02:00
  منبع الهام و ضرورت استفاده از الگوریتم‌های تکاملی
21:34
  کوییز منبع الهام و ضرورت استفاده از الگوریتم‌های تکاملی
01:00
فصل دوم: الگوریتم‌های تکاملی
  ایده اصلی و الگوریتم
11:19
  کوییز ایده اصلی و الگوریتم
01:00
  مولفه‌های الگوریتم‌های تکاملی - بخش اول
19:23
  کوییز مولفه‌های الگوریتم‌های تکاملی - بخش اول
01:00
  مولفه‌های الگوریتم‌های تکاملی - بخش دوم
14:47
  کوییز مولفه‌های الگوریتم‌های تکاملی - بخش دوم
01:00
فصل سوم: مولفه‌های الگوریتم تکاملی - بخش اول
  تعریف بازنمایی، جهش و ترکیب
18:39
  کوییز تعریف بازنمایی، جهش و ترکیب
01:00
  انواع بازنمایی و بازنمایی دودویی
18:48
  کوییز انواع بازنمایی و بازنمایی دودویی
01:00
  بازنمایی اعداد صحیح
12:40
  کوییز بازنمایی اعداد صحیح
01:00
  بازنمایی اعداد حقیقی
25:24
  کوییز بازنمایی اعداد حقیقی
01:00
  بازنمایی جایگشتی
22:58
  کوییز بازنمایی جایگشتی
01:00
  پیاده‌سازی انواع بازنمایی
09:18
  کوییز پیاده‌سازی انواع بازنمایی
01:00
  پیاده‌سازی تقاطع یک نقطه و n نقطه
13:52
  کوییز پیاده‌سازی تقاطع یک نقطه و n نقطه
01:00
  پیاده‌سازی تقاطع یکنواخت
06:24
  کوییز پیاده‌سازی تقاطع یکنواخت
01:00
  پیاده‌سازی جهش bit-flipping و جهش random-reseting
09:43
  کوییز پیاده‌سازی جهش bit-flipping و جهش random-reseting
01:00
  پیاده‌سازی غیریکنواخت
05:21
  کوییز پیاده‌سازی غیریکنواخت
01:00
  تمرین پایانی فصل سوم (الزامی)
60:00
بخش چهارم: مولفه‌های الگوریتم تکاملی - بخش دوم
  تابع ارزیابی، جمعیت و مدل‌های مدیریت جمعیت
14:34
  کوییز تابع ارزیابی، جمعیت و مدل های مدیریت جمعیت
01:00
  انتخاب والدین، انتخاب یکنواخت، انتخاب متناسب با برازندگی
12:54
  کوییز انتخاب والدین، انتخاب یکنواخت، انتخاب متناسب با برازندگی
01:00
  انتخاب والدین، روش چرخ رولت
17:39
  کوییز انتخاب والدین، روش چرخ رولت
01:00
  انتخاب والدین، انتخاب رتبه بندی، روش Tournament selection
14:00
  کوییز انتخاب والدین، انتخاب رتبه بندی، روش Tournament selection
01:00
  انتخاب بازماندگان، جایگزینی مبتنی بر سن، جایگزینی مبتنی بر برازندگی
17:00
  کوییز انتخاب بازماندگان، جایگزینی مبتنی بر سن، جایگزینی مبتنی بر برازندگی
01:00
  پیاده‌سازی چرخ رولت
09:53
  کوییز پیاده‌سازی چرخ رولت
01:00
  تمرین پایانی فصل چهارم (الزامی)
60:00
فصل پنجم: انواع محبوب الگوریتم‌های تکاملی
  الگوریتم ژنتیک و استراتژی تکاملی
20:34
  کوییز الگوریتم ژنتیک و استراتژی تکاملی
03:00
  برنامه‌نویسی تکاملی و ژنتیک
12:59
  برنامه‌نویسی تکاملی و برنامه‌نویسی ژنتیک
01:00
  تمرین پایانی فصل پنجم (الزامی)
60:00
فصل ششم: پیاده‌سازی
  پیاده‌سازی بهینه‌سازی تابع ackley (جمعیت اولیه و انتخاب والدین)
11:20
  کوییز پیاده‌سازی بهینه‌سازی تابع ackley (جمعیت اولیه و انتخاب والدین)
01:00
  پیاده‌سازی بهینه‌سازی تابع ackley (تقاطع یک نقطه‌ای)
07:15
  کوییز پیاده‌سازی بهینه‌سازی تابع ackley (تقاطع یک نقطه‌ای)
01:00
  پیاده‌سازی بهینه‌سازی تابع ackley (جهش غیریکنواخت)
09:59
  کوییز پیاده‌سازی بهینه‌سازی تابع ackley (جهش غیریکنواخت)
01:00
  پیاده‌سازی بهینه‌سازی تابع ackley (انتخاب بازماندگان)
08:28
  کوییز پیاده‌سازی بهینه‌سازی تابع ackley (انتخاب بازماندگان)
01:00
  پیاده‌سازی بهینه‌سازی تابع ackley (حلقه‌ی اصلی ژنتیک)
10:38
  کوییز پیاده‌سازی بهینه‌سازی تابع ackley (حلقه‌ی اصلی ژنتیک)
01:00
  پیاده‌سازی مسئله‌ی فروشنده دوره‌گرد (جمعیت اولیه و انتخاب والدین)
10:45
  کوییز پیاده سازی مسئله‌ی فروشنده دوره‌گرد (جمعیت اولیه و انتخاب والدین)
01:00
  پیاده‌سازی مسئله‌ی فروشنده دوره‌گرد (تقاطع order)
11:48
  کوییز پیاده سازی مسئله‌ی فروشنده دوره‌گرد (تقاطع order)
01:00
  پیاده‌سازی مسئله‌ی فروشنده دوره‌گرد (جهش swap)
03:29
  کوییز پیاده‌سازی مسئله‌ی فروشنده دوره‌گرد (جهش swap)
01:00
  پیاده‌سازی مسئله‌ی فروشنده دوره‌گرد (تابع ارزیابی، حلقه اصلی ژنتیک)
11:34
  کوییز پیاده‌سازی مسئله‌ی فروشنده دوره‌گرد (تابع ارزیابی، حلقه اصلی ژنتیک)
01:00
  مروری بر پروژه‌های مختلف و کتابخانه ژنتیک
08:19
  تمرین پایانی فصل ششم (الزامی)
60:00
فصل هفتم: مباحث تکمیلی
  مباحث تحلیلی
22:11
  کوییز مباحث تکمیلی
02:00
  مسئله ترسیم چند ضلعی
11:47
  کوییز مسئله ترسیم چند ضلعی
01:00
  مسئله Task scheduling
13:27
  کوییز مسئله Task scheduling
01:00
  مسئله کمینه سازی تابع چند متغیره، بهینه سازی روشنایی کارخونه
15:11
  کوییز مسئله کمینه‌سازی تابع چند متغیره، بهینه سازی روشنایی کارخونه
01:00
  تمرین پایانی فصل هفتم (الزامی)
120:00
پروژه پایانی
  پروژه نهایی _ مسئله هشت وزیر (الزامی)
240:00

پیش‌نیاز‌ها

بسیاری تصور می‌کنند پیش‌نیاز این دوره مباحث پیشرفته و عمیقی است درحالی‌که کافی است آمار و احتمال مهندسی، ریاضی ۱ و ۲ دانشگاهی و برنامه‌نویسی پایتون را یاد داشته باشید تا با دانستن آن‌ها فهم و پیاده‌سازی این الگوریتم‌ها آسان‌تر باشد، البته عدم وجود آشنایی با این موارد خلل جدی در فهم منطق الگوریتم‌های تکاملی ایجاد نمی‌کند. اما پیشنهاد می‌شود آشنایی نسبی با مفاهیم گفته شده داشته باشید تا بتوانید سرعت یادگیری و عمق درک این دوره آموزشی را به حداکثر برسانید. 

توضیحات دوره

محاسبات نرم از محاسبات تقریبی برای حل مسائل استفاده می‌کند که نتیجه آن راه‌حل‌های خوب برای حل مسائل پیچیده محاسباتی می‌باشد. الگوریتم‌های تکاملی نوعی از محاسبات نرم می‌باشد که با نگرش به چرخه تکامل طبیعت، راه‌حل مسائل مهندسی و بهینه‌سازی را می‌یابند. جهانی که در آن زیست می‌کنیم گویی توسط یک برنامه کامپیوتری بی نظیر هدایت می‌شود. برنامه ای که میلیاردها سال پیش توسط پروردگار مقتدر و بی‌همتای ما طرح ریزی شده است. در این برنامه‌ی دقیق، ژن‌های برتر مخلوقات در طی زمان حفظ می‌شوند و در مقابل ژن‌های ضعیف و ناکارآمد به‌مرور زمان از بین می‌روند. 

امروزه انسان‌ها از این چرخه طبیعی الهام گرفته‌اند تا مسائل مهندسی و بهینه‌سازی را بهتر حل کنند. پس می‌توان گفت الگوریتم ژنتیک در واقع الهامی از چرخه تکامل طبیعت برای حل مسائل مهندسی به کمک علم کامپیوتر است. 

در دوره آموزشی الگوریتم ژنتیک، ضمن بیان جایگاه این الگوریتم‌ها، منطق و جزئیات الگوریتم‌های تکاملی به‌صورت کامل شرح داده می‌شود و با حل مسائل مختلف و کاربردی در این زمینه تلاش می‌شود یادگیری شما عزیزان به بهترین شکل انجام شود.

هدف از یادگیری دوره آموزش الگوریتم ژنتیک چیست؟

هدف از یادگیری این دوره آموزشی فراگیری مفاهیم اساسی و بنیادین الگوریتم‌های تکاملی به ساده‌ترین شکل ممکن می‌باشد و بعد از درک این مهم، مفاهیم به‌صورت عملی پیاده‌سازی می‌شوند تا درک و کاربرد آن برای فراگیر آسان‌تر باشد. یکی از مهم‌ترین الگوریتم‌های تکاملی، الگوریتم ژنتیک می‌باشد که به دلیل جامعیت، اهمیت و کاربرد فراوانی که دارد، در این دوره آموزشی نگاه ویژه‌ای بر آن داشته‌ایم چون درک و استفاده از آن بسیار مهم می‌باشد.

بنابراین هدف اصلی یادگیری دوره آموزشی الگوریتم ژنتیک، پیاده‌سازی عملی آن در مسائلی است که حل آن‌ها با روش های متداول ریاضی میسر نیست.

دوره آموزش الگوریتم ژنتیک مناسب چه کسانی می‌باشد؟

این دوره مناسب آن دسته از علاقه‌مندان به مباحث ریاضی است که می‌خواهند مسائل مهندسی خود را به روشی غیر از روش‌های متداول حل کنند، چون برخی از روش‌های بهینه‌سازی همانند مشتق‌گیری و محاسبات ریاضی گاهی اوقات بسیار سخت و وقت‌گیر می‌باشد. همچنین برای بسیاری از مسائل بهینه‌سازی روش‌های متداول ریاضیاتی به‌خاطر مشتق‌ناپذیر بودن، دشواری محاسبات مشتق‌گیری، گاه ناهمگونی و نویزی بودن داده‌ها و ... مناسب نیستند. برای حل این مسائل مهندسی در این دوره آموزشی از الگوریتم‌های تکاملی استفاده می‌شود که خود، زیرمجموعه‌ای از محاسبات نرم به‌حساب می‌آیند و در صورت برخورد با این مسائل کارایی لازم را دارند.

پس باید بگوییم اگر می‌خواهید مهندسی شده مسائل پیرامون خود را حل کنید، این دوره آموزشی مناسب شماست. 

بعد از فراگیری دوره آموزش الگوریتم ژنتیک چه مهارت‌هایی کسب خواهید کرد؟

این دوره به شما کمک می‌کند منطق الگوریتم‌های تکاملی را به‌صورت کامل یاد بگیرید، با مؤلفه‌های اصلی الگوریتم‌های تکاملی آشنا شوید، به‌صورت عملی یاد می‌گیرد که چگونه یک الگوریتم ژنتیک برای حل مسائل بهینه‌سازی طراحی کنید، همچنین با پیاده‌سازی الگوریتم ژنتیک با زبان برنامه‌نویسی پایتون نیز به‌صورت کاملاً کاربردی آشنا خواهید شد.

به بیان دیگر با پایان این دوره آموزشی و فراگیری مفاهیم پایه و اصولی در الگوریتم ژنتیک، طراحی الگوریتم ژنتیک مناسب با مسئله و پیاده سازی آن به کمک آموزش زبان برنامه نویسی پایتون مهارت اصلی شما خواهد بود.

ویژگی‌های متمایز دوره الگوریتم ژنتیک چیست؟

در این دوره مفاهیم به زبان ساده و به‌صورت کاملاً متفاوت بیان شده است. مباحث کاربردی گفته‌شده و از توضیحات اضافی فاصله گرفته شده است. همچنین برای جذابیت آموزش و یادگیری بهتر از ابزار لایت بورد، مثال‌های عینی طبیعت، سینما و علم بهره گرفته شده است. 

دیدگاه کاربران

3.8

بر اساس امتیاز 28 دانشجو

1
2
3
4
5

مبین رضاپور

1 ماه پیش

5

مفید بود

سیدسجاد عابدی شهری

4 سال پیش

5

دوره بسیار جامعی بود که برای آشنایی و کاربست مقدماتی الگوریتم ژنتیک کاملا مناسب بود. هم حجم مطالب قابل قبول بود و هم تمرین‌های خوبی درنظر گرفته شده بود. به عنوان دانشجوی دوره، از زمانی که صرف کردن رضایت کامل دارم. امیدوارم سایر الگوریتم‌های تکاملی نیز به صورت مبسوط در دوره‌های جداگانه ارائه گردند.

سیاوش آقاجانی خطبه سرا

4 سال پیش

5

پوشش مطالب مناسب و کامل بود. فن بیان مناسب و درس نامه ی فکر شده بود. تمرین های کاربردی و تحلیلی.

مهسا کریمی

4 سال پیش

5

دوره آموزشی جامع و کامل بود، بیان و قدرت انتقال مفاهیم عالی بود، برای اجرای الگوریتم پایان نامم از مطالب این دوره استفاده کردم خیلی مفید بود.

محدثه جوکاری

4 سال پیش

5

بسیار عالی و مفید بود مطالب بسیار واضح و رسا توضیح داده شد

مهدی کهن سفیدی

2 سال پیش

4

با سلام به نظرم دوره کاربردی بود مفهوم الگورتیم ژنتیک را به خوبی توضیح داده ممنون

گواهینامه اختصاصی دو زبانه

پس از گذراندن دوره به صورت آنلاین در سایت مکتب‌خونه، گواهی‌نامه رسمی پایان دوره به زبان فارسی و انگلیسی، توسط مکتب‌خونه به اسم شما صادر شده و در اختیار شما قرار می‌گیرد.

امکان اشتراک گذاری در لینکدین
دو زبانه
1دوره
1,271دانشجو
28نظر و امتیاز

آرمان صمیمی متولد سال 1368 در تهران است. وی دانش‌آموخته کارشناسی ارشد رشته هوش مصنوعی در سال 1395 از دانشگاه صنعتی اصفهان با معدل ممتاز است. او به دلیل سوابق علمی درخشان از سال 1395 عضو بنیاد ملی نخبگان شده است.

مهندس صمیمی از سال 1395 فعالیت ویژه‌ای در حوزه دیجیتال مارکتینگ داشته است. وی همچنین سال‌ها در حوزه استارتاپ‌های بین المللی هوش مصنوعی، به عنوان مدیر تحقیق و توسعه و مشاور فنی مشغول به کار است و با چند تیم آلمانی و کانادایی همکاری دارد. 

او همچنین در حوزه کاری موفق به اخذ مدارک معتبر و مهمی از کمپانی های مشهور بین المللی شده است که از این میان می‌توان به مدارک معتبر از کمپانی های Google  و IBM  اشاره کرد.

دوره‌های مشابه

سوالات پرتکرار

آیا گواهی‌نامه‌های دانشگاهی به‌صورت رسمی و توسط خود دانشگاه صادر می‌شوند؟

بله. گواهی‌نامه‌ها به‌صورت رسمی توسط دانشگاه مربوطه و با امضای رئیس دانشگاه یا فرد دارای اختیار صادر می‌شوند و کاملا معتبر هستند.

حداقل و حداکثر زمانی که می‌توانم یک دوره را بگذرانم چقدر است؟

برای گذراندن دوره، حداقل زمان مشخصی وجود ندارد و شما می‌توانید در هر زمان که مایل هستید، ویدیوهای آموزشی دوره را ببینید و تمارین را انجام دهید؛ اما برای هر دوره یک حداکثر زمان تعیین شده که در صفحه معرفی دوره قابل مشاهده است که تنها در این بازه زمانی امکان تصحیح پروژه‌ها توسط پشتیبان و دریافت گواهی‌نامه را خواهید داشت.

آیا پس از به اتمام رساندن و قبولی در دوره، می‌توانم نسخه فیزیکی گواهی‌نامه را دریافت کنم؟

خیر. به‌دلیل ملاحظات محیط‌زیستی و کاهش مصرف کاغذ، گواهی‌نامه فقط به‌صورت الکترونیکی ارائه می‌شود.

آیا بعد از پایان مدت دوره همچنان به محتوای آن دسترسی دارم؟

بله. پس از پایان مدت دوره نیز به ویدئوها، تمرین‌ها، پروژه‌ها و سایر محتوای آموزشی دوره دسترسی خواهید داشت؛ اما امکان تصحیح تمرین‌ها توسط پشتیبان دوره و دریافت گواهی‌نامه برای شما وجود نخواهد داشت.

آیا در صورت خرید دوره، گواهی‌نامه آن به من تعلق می‌گیرد؟

خیر. با خرید دوره، امکان شرکت در دوره و دسترسی به محتوای آن را خواهید داشت؛ اما تنها در صورتی که در بازه زمانی تعیین‌شده دوره را با موفقیت و نمره قبولی به اتمام برسانید، گواهی‌نامه به نام شما صادر می‌شود.