00:00 / 00:00
1.8x
1.4x
1.0x
0.7x
HD SD
HD
SD
ثبت‌نام رایگان
  • دسترسی به 9 جلسه نمونه از دوره
  • دسترسی به 9 جلسه نمونه از دوره
  • عضویت در تالار گفت‌وگوی دوره
  • اضافه شدن دوره به پروفایل
فقط محتوا
  • دسترسی کامل و نامحدود به محتوای دوره
  • تمام قابلیت‌‌های پلن رایگان
    +
  • دسترسی کامل و نامحدود به محتوا
99,000 تومان
دوره کامل
  • دسترسی به تمام قابلیت‌های دوره
  • تمام قابلیت‌های پلن محتوا
    +
  • گواهی‌نامه مکتب‌خونه
  • پروژه محور
  • تمرین و آزمون
  • تالار گفتگو
  • تسهیل استخدام
199,000 تومان
00:00 / 00:00
1.8x
1.4x
1.0x
0.7x
HD SD
HD
SD
مکتب‌خونه مکتب‌خونه

آموزش الگوریتم ژنتیک (الگوریتم تکاملی)

دوره‌های مکتب‌پلاس
19 ساعت

الگوریتم ژنتیک چیست؟

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 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. 

سرفصل‌های دوره آموزش الگوریتم ژنتیک (الگوریتم تکاملی)

فصل یکم: مقدمه‌ای بر الگوریتم‌های تکاملی
00:40 ساعت
00:37
Combined Shape Created with Sketch. 4 جلسه
بارم:
1%
نمایش جلسات فصل  

در فصل اول دوره آموزش الگوریتم ژنتیک ابتدا مقدمه‌ای بر الگوریتم‌های تکاملی بیان می‌شود که در آن جایگاه این الگوریتم شرح داده می‌شود و سپس منبع الهام و کاربرد آن در دنیای امروز ما بیان می‌شود تا دقیقاً درک کنیم منشأ این الگوریتم در کجای دنیای پیرامون ما قرار دارد.

مقدمه‌‌ای بر جایگاه الگوریتم‌های تکاملی
"15:50
کوییز مقدمه‌‌ای بر جایگاه الگوریتم‌های تکاملی
66.7%
     
"02:00
منبع الهام و ضرورت استفاده از الگوریتم‌های تکاملی
"21:34
کوییز منبع الهام و ضرورت استفاده از الگوریتم‌های تکاملی
33.3%
     
"01:00
فصل دوم: الگوریتم‌های تکاملی
00:48 ساعت
00:45
Combined Shape Created with Sketch. 6 جلسه
بارم:
1%
نمایش جلسات فصل  

در فصل دوم این دوره آموزشی الگوریتم‌های تکاملی به‌صورت کامل بیان می‌شوند و شما با آشنایی الگوریتم‌های تکاملی ایده اصلی و المان‌های یک الگوریتم ژنتیک را یاد خواهید گرفت. با یادگیری این الگوریتم ژنتیک، دید شما نسبت به نحوه حل مسائل با الگوریتم‌های ژنتیک بازتر شده و می‌توانید بخش‌های بعدی را بهتر درک کنید.

ایده اصلی و الگوریتم
"11:19
کوییز ایده اصلی و الگوریتم
33.3%
     
"01:00
مولفه‌های الگوریتم‌های تکاملی - بخش اول
"19:23
کوییز مولفه‌های الگوریتم‌های تکاملی - بخش اول
33.3%
     
"01:00
مولفه‌های الگوریتم‌های تکاملی - بخش دوم
"14:47
کوییز مولفه‌های الگوریتم‌های تکاملی - بخش دوم
33.3%
     
"01:00
فصل سوم: مولفه‌های الگوریتم تکاملی - بخش اول
03:33 ساعت
02:23
Combined Shape Created with Sketch. 21 جلسه
بارم:
18%
نمایش جلسات فصل  

فصل سوم آموزش الگوریتم ژنتیک که به مؤلفه‌های الگوریتمی اشاره دارد، مفاهیم جهش و ترکیب به طور دقیق دنبال می‌شود. در واقع شما باید بدانید اگر در یک مسئله یکی از المان‌ها شباهت زیادی به سایر المان‌ها داشت اما مثل آن‌ها نبود، دقیقاً چه اتفاقی رخ‌داده است و در انتهای فصل نیز به پیاده‌سازی مؤلفه‌های الگوریتمی که تا پایان فصل بیان شده پرداخته‌ ‌می‌شود.

تعریف بازنمایی، جهش و ترکیب
"18:39
کوییز تعریف بازنمایی، جهش و ترکیب
2.8%
     
"01:00
انواع بازنمایی و بازنمایی دودویی
"18:48
کوییز انواع بازنمایی و بازنمایی دودویی
2.8%
     
"01:00
بازنمایی اعداد صحیح
"12:40
کوییز بازنمایی اعداد صحیح
2.8%
     
"01:00
بازنمایی اعداد حقیقی
"25:24
کوییز بازنمایی اعداد حقیقی
2.8%
     
"01:00
بازنمایی جایگشتی
"22:58
کوییز بازنمایی جایگشتی
2.8%
     
"01:00
پیاده‌سازی انواع بازنمایی
"09:18
کوییز پیاده‌سازی انواع بازنمایی
2.8%
     
"01:00
پیاده‌سازی تقاطع یک نقطه و n نقطه
"13:52
کوییز پیاده‌سازی تقاطع یک نقطه و n نقطه
2.8%
     
"01:00
پیاده‌سازی تقاطع یکنواخت
"06:24
کوییز پیاده‌سازی تقاطع یکنواخت
2.8%
     
"01:00
پیاده‌سازی جهش bit-flipping و جهش random-reseting
"09:43
کوییز پیاده‌سازی جهش bit-flipping و جهش random-reseting
2.8%
     
"01:00
پیاده‌سازی غیریکنواخت
"05:21
کوییز پیاده‌سازی غیریکنواخت
2.8%
     
"01:00
تمرین پایانی فصل سوم

 (الزامی)

72.2%
     
"60:00
بخش چهارم: مولفه‌های الگوریتم تکاملی - بخش دوم
02:32 ساعت
01:26
Combined Shape Created with Sketch. 13 جلسه
بارم:
11%
نمایش جلسات فصل  

فصل چهارم در واقع برای تکمیل فصل سوم در خصوص مؤلفه‌های الگوریتمی بوده و موضوعات مدیریت جمعیت و پراکندگی را پوشش می‌دهد. البته نحوه انتخاب نمونه نیز در ادامه‌ی این فصل بیان می‌شود و در پایان این فصل، پیاده‌سازی مؤلفه‌های الگوریتمی فصل چهارم انجام می‌شود.

تابع ارزیابی، جمعیت و مدل‌های مدیریت جمعیت
"14:34
کوییز تابع ارزیابی، جمعیت و مدل های مدیریت جمعیت
4.5%
     
"01:00
انتخاب والدین، انتخاب یکنواخت، انتخاب متناسب با برازندگی
"12:54
کوییز انتخاب والدین، انتخاب یکنواخت، انتخاب متناسب با برازندگی
4.5%
     
"01:00
انتخاب والدین، روش چرخ رولت
"17:39
کوییز انتخاب والدین، روش چرخ رولت
4.5%
     
"01:00
انتخاب والدین، انتخاب رتبه بندی، روش Tournament selection
"14:00
کوییز انتخاب والدین، انتخاب رتبه بندی، روش Tournament selection
4.5%
     
"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
4.5%
     
"01:00
پیاده‌سازی چرخ رولت
"09:53
کوییز پیاده‌سازی چرخ رولت
4.5%
     
"01:00
تمرین پایانی فصل چهارم

 (الزامی)

72.7%
     
"60:00
فصل پنجم: انواع محبوب الگوریتم‌های تکاملی
01:37 ساعت
00:33
Combined Shape Created with Sketch. 5 جلسه
بارم:
6%
نمایش جلسات فصل  

فصل پنجم به آموزش الگوریتم‌های محبوب ژنتیک می‌پردازد. استراتژی تکاملی به همراه برنامه‌نویسی آن و برنامه‌نویسی ژنتیکی از دیگر مفاهیمی است که در این فصل به آن پرداخته می‌شود. در پایان فصل شما به‌صورت کاملاً عملی یاد خواهید گرفت که چطور از الگوریتم‌های یاد گرفته شده در برنامه‌نویسی استفاده کنید.

الگوریتم ژنتیک و استراتژی تکاملی
"20:34
کوییز الگوریتم ژنتیک و استراتژی تکاملی
25.0%
     
"03:00
برنامه‌نویسی تکاملی و ژنتیک
"12:59
برنامه‌نویسی تکاملی و برنامه‌نویسی ژنتیک
8.3%
     
"01:00
تمرین پایانی فصل پنجم

 (الزامی)

66.7%
     
"60:00
فصل ششم: پیاده‌سازی
02:42 ساعت
01:33
Combined Shape Created with Sketch. 20 جلسه
بارم:
16%
نمایش جلسات فصل  

در فصل ششم نوبت پیاده‌سازی مباحثی که فراگرفته‌اید است و مسائل محبوبی مثل فروشنده دوره‌گرد نیز در آن بررسی می‌شود. احتمالاً با این مسئله آشنایی دارید و می‌دانید که فروشنده دوره‌گرد از جمله مسائلی است که زمان محاسبه آن بسیار بالاست.

پیاده‌سازی بهینه‌سازی تابع ackley (جمعیت اولیه و انتخاب والدین)
"11:20
کوییز پیاده‌سازی بهینه‌سازی تابع ackley (جمعیت اولیه و انتخاب والدین)
3.0%
     
"01:00
پیاده‌سازی بهینه‌سازی تابع ackley (تقاطع یک نقطه‌ای)
"07:15
کوییز پیاده‌سازی بهینه‌سازی تابع ackley (تقاطع یک نقطه‌ای)
3.0%
     
"01:00
پیاده‌سازی بهینه‌سازی تابع ackley (جهش غیریکنواخت)
"09:59
کوییز پیاده‌سازی بهینه‌سازی تابع ackley (جهش غیریکنواخت)
3.0%
     
"01:00
پیاده‌سازی بهینه‌سازی تابع ackley (انتخاب بازماندگان)
"08:28
کوییز پیاده‌سازی بهینه‌سازی تابع ackley (انتخاب بازماندگان)
3.0%
     
"01:00
پیاده‌سازی بهینه‌سازی تابع ackley (حلقه‌ی اصلی ژنتیک)
"10:38
کوییز پیاده‌سازی بهینه‌سازی تابع ackley (حلقه‌ی اصلی ژنتیک)
3.0%
     
"01:00
پیاده‌سازی مسئله‌ی فروشنده دوره‌گرد (جمعیت اولیه و انتخاب والدین)
"10:45
کوییز پیاده سازی مسئله‌ی فروشنده دوره‌گرد (جمعیت اولیه و انتخاب والدین)
3.0%
     
"01:00
پیاده‌سازی مسئله‌ی فروشنده دوره‌گرد (تقاطع order)
"11:48
کوییز پیاده سازی مسئله‌ی فروشنده دوره‌گرد (تقاطع order)
3.0%
     
"01:00
پیاده‌سازی مسئله‌ی فروشنده دوره‌گرد (جهش swap)
"03:29
کوییز پیاده‌سازی مسئله‌ی فروشنده دوره‌گرد (جهش swap)
3.0%
     
"01:00
پیاده‌سازی مسئله‌ی فروشنده دوره‌گرد (تابع ارزیابی، حلقه اصلی ژنتیک)
"11:34
کوییز پیاده‌سازی مسئله‌ی فروشنده دوره‌گرد (تابع ارزیابی، حلقه اصلی ژنتیک)
3.0%
     
"01:00
مروری بر پروژه‌های مختلف و کتابخانه ژنتیک
"08:19
تمرین پایانی فصل ششم

 (الزامی)

72.7%
     
"60:00
فصل هفتم: مباحث تکمیلی
03:07 ساعت
01:02
Combined Shape Created with Sketch. 9 جلسه
بارم:
10%
نمایش جلسات فصل  

فصل هفتم در ارتباط با مباحث تکمیلی است و چند نمونه مسئله مختلف به کمک تمام آنچه یاد گرفته‌اید، حل خواهد شد. در واقع این فصل به شما کمک می‌کند که اگر در تفهیم و بهره‌گیری از محتوایی آموزشی تدریس شده اشکالاتی وجود داشته باشد، با استفاده از مفاهیم تکمیلی که در این فصل بیان می‌شود به طور کامل رفع شود.

مباحث تحلیلی
"22:11
کوییز مباحث تکمیلی
9.5%
     
"02:00
مسئله ترسیم چند ضلعی
"11:47
کوییز مسئله ترسیم چند ضلعی
4.8%
     
"01:00
مسئله Task scheduling
"13:27
کوییز مسئله Task scheduling
4.8%
     
"01:00
مسئله کمینه سازی تابع چند متغیره، بهینه سازی روشنایی کارخونه
"15:11
کوییز مسئله کمینه‌سازی تابع چند متغیره، بهینه سازی روشنایی کارخونه
4.8%
     
"01:00
تمرین پایانی فصل هفتم

 (الزامی)

76.2%
     
"120:00
پروژه پایانی
04:00 ساعت
Combined Shape Created with Sketch. 1 جلسه
بارم:
35%
نمایش جلسات فصل  

تالار گفت‌وگو

استاد دوره
آرمان صمیمی آرمان صمیمی

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.

درباره گواهینامه
مکتب‌خونه مکتب‌خونه
حد نصاب قبولی در دوره:
70.0 نمره
فارغ‌التحصیل شدن در این دوره نیاز به ارسال تمرین‌ها و پروژه‌های الزامی دارد.

پیش‌نیاز‌های دوره آموزش الگوریتم ژنتیک (الگوریتم تکاملی)

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. 

آموزش پایتون مقدماتی
اطلاعات بیشتر

ویژگی‌های دوره آموزش الگوریتم ژنتیک (الگوریتم تکاملی)

Combined Shape1 Created with Sketch. گواهی‌نامه مکتب‌خونه

در صورت قبولی در دوره، گواهی نامه رسمی پایان دوره توسط مکتب‌خونه به اسم شما صادر شده و در اختیار شما قرار می گیرد.

 

مشاهده نمونه گواهینامه

خدمات منتورینگ

خدمات منتورینگ به معنای برخورداری دانشجو از راهنما یا پشتیبان علمی در طول گذراندن دوره می‌باشد. این خدمات شامل پاسخگویی به سوالات آموزشی(در قالب تیکتینگ)، تصحیح آزمون یا پروژه های دوره و ارائه باز خورد موثر به دانشجو می‌باشد.

پروژه محور

این دوره طوری طراحی شده است که محتوای آموزشی دوره حول چند پروژه واقعی و کاربردی هستند تا یادگیری دانشجو در طول دوره به کاربردهای عملی تبدیل شود و به این ترتیب بالاترین سطح یادگیری را فراهم نمایند.

تمرین و آزمون

با قرار گرفتن تمرین ها و آزمون های مختلف در طول دوره، محیطی تعاملی فراهم شده است تا بهره گیری از محتوا و یادگیری بهتر و عمیق تر شود.

تالار گفتگو

شما می توانید از طریق تالار گفتگو با دیگر دانشجویان دوره در ارتباط باشید، شبکه روابط حرفه ای خود را تقویت کنید یا سوالات مرتبط با دوره خود را از دیگر دانشجویان بپرسید.

تسهیل استخدام

در صورت قبولی در دوره، شما می‌توانید با وارد کردن اطلاعات آن در بخش دوره‌های آموزشی رزومه‌ساز «جاب ویژن»، تایید مهارت خود را در قالب اضافه شدن «مدال مهارت» به روزمه آنلاین خود دریافت نمایید. این مدال علاوه بر ایجاد تمایز در نمایش رزومه شما، باعث بالاتر قرار گرفتن آن در لیست انبوه رزومه‌های ارسالی به کارفرما شده و بدین ترتیب شانس شما را برای استخدام در سازمانهای موفق و پر متقاضی افزایش می‌دهد. 

 

مشاهده اطلاعات بیشتر

نظرات  (3 نظر)

سیاوش
18:21 - 1400/06/06
فارغ‌التحصیل دوره
پوشش مطالب مناسب و کامل بود. فن بیان مناسب و درس نامه ی فکر شده بود. تمرین های کاربردی و تحلیلی.
مهسا
14:56 - 1400/05/19
دانشجوی دوره
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
14:27 - 1400/05/08
دانشجوی دوره
بسیار عالی و مفید بود مطالب بسیار واضح و رسا توضیح داده شد

سوالات پرتکرار

آیا در صورت خرید دوره، گواهی نامه آن به من تعلق می گیرد؟
خیر؛ شما با خرید دوره می توانید در آن دوره شرکت کنید و به محتوای آن دسترسی خواهید داشت. در صورتی که در زمان تعیین شده دوره را با نمره قبولی بگذرانید، گواهی نامه دوره به نام شما صادر خواهد شد.
آیا گواهی‌نامه‌های دانشگاهی به صورت رسمی و توسط دانشگاه مربوطه صادر می‌شود؟
بله؛ گواهی نامه ها توسط دانشگاه مربوطه و با امضای رئیس دانشگاه یا مسئول مربوطه که حق امضای گواهی نامه ها را دارد صادر می شود و گواهی نامه معتبر دانشگاه است که به اسم هر فرد صادر می شود.
حداقل و حداکثر زمانی که می توانم یک دوره را بگذرانم چقدر است؟
برای گذراندن دوره حداقل زمانی وجود ندارد و شما می توانید در هر زمانی که مایل هستید فعالیت های مربوطه را انجام دهید. برای هر دوره یک حداکثر زمان تعیین شده است که در صفحه معرفی دوره می توانید مشاهده کنید که از زمان خرید دوره توسط شما تنها در آن مدت شما از ویژگی های تصحیح پروژه ها توسط پشتیبان و دریافت گواهی نامه بهره مند خواهید بود.
در صورت قبولی در دوره، آیا امکان دریافت نسخه فیزیکی گواهی نامه دوره را دارم؟
پس از صدور گواهی نامه، نسخه الکترونیکی گواهی نامه در اختیار شما قرار می گیرد. در صورت درخواست شما، نسخه فیزیکی گواهی نامه نیز می تواند برای شما ارسال شود. هزینه ارسال بر عهده کاربر خواهد بود.
پس از سپری شدن زمان دوره، به محتوای دوره دسترسی خواهم داشت؟
بله؛ پس از سپری شدن مدت زمان دوره شما به محتوای دوره دسترسی خواهید داشت و می توانید از ویدئوها، تمارین، پروژه و دیگر محتوای دوره در صورت وجود استفاده کنید ولی امکان تصحیح تمارین توسط پشتیبان و دریافت گواهی نامه برای شما وجود نخواهد داشت.

اطلاعات بیشتر

الگوریتم ژنتیک چیست؟

در چرخه تکامل طبیعت، مجموعه‌ای از ژن‌های گوناگون طی آمیزش‌های ژنتیکی باهم ترکیب می‌شوند و ترکیبات جدید ژنتیکی به وجود می‌آورند که با محیط سازگارتر و کارآمدتر باشد، که درواقع ما در زندگی امروزی، این قضیه را به‌عنوان ارث‌بری ژنتیکی می‌شناسیم. گاهی اوقات ژن‌ها براثر یک‌سری از عوامل و شرایط دچار جهش می‌شوند و ژن‌های جدیدی وارد جهان می‌شوند.

چارلز داروین متخصص علوم طبیعی و زیست‌شناس ماهری بود که تئوری تکامل بیولوژیکی به‌واسطه گزینش یا انتخاب طبیعی را مطرح کرد. وی این فرضیه را به این صورت بیان می‌کند که در طول زمان به دلیل تنوع ژنتیکی گونه های مختلفی از موجودات ایجاد می‌شوند، این گونه ها غالبا به دلیل محدودیت منابع و دشواری های محیطی، می‌بایست برای بقا و تولید مثل با هم رقابت کنند، در چنین رقابتی طبیعتا مخلوقات برتر شانس بیشتری برای زنده ماندن و ایجاد فرزند دارند. به مرور زمان مخلوقاتی که توانمندی و برازندگی بهتری دارند ژن‌های برتر خود را به نسل های بعدی منتقل می‌کنند. نتیجه چنین فرآیندی آن است که با گذشت زمان، بهترین ژن‌ها باقی می‌مانند و بدترین ژن ها منقرض می‌شوند.

×

ثبت نظر

به این دوره از ۱ تا ۵ چه امتیازی می‌دهید؟

فصل یکم: مقدمه‌ای بر الگوریتم‌های تکاملی
00:40 ساعت
00:37
Combined Shape Created with Sketch.