الگوریتم های ابتکاری و فرا ابتکاری

تا حالا عنوان این موضوع رو شنیدی و میدونی چیه؟ اگه نمیدونه، حدس میزنی که در مورد چیه و چه بحثهایی رو شامل میشه؟

(۶-۱-۱۳۹۱ ۰۶:۰۸ عصر)tamishe نوشته شده توسط: [دیدن لینک ها برای شما امکان پذیر نیست. لطفا ثبت نام کنید یا وارد حساب خود شوید تا بتوانید لینک ها را ببینید.]

(۶-۱-۱۳۹۱ ۰۵:۵۵ عصر)غزل نوشته شده توسط: [دیدن لینک ها برای شما امکان پذیر نیست. لطفا ثبت نام کنید یا وارد حساب خود شوید تا بتوانید لینک ها را ببینید.]من تخته نرد بلدم بازی کنم اما تو شطرنج، کُمِیتَم لنگ می زنه اساسی

اون دیگه مشکل شماست

خداییش رفع اشکال کردنتون عالیه

سلام کمیل
در مورد الگوریتمهایی که معرفی کردی کمی توضیح میدم.
حریصانه یا Greedy الگوریتم: این یک الگوریتم ابتکاریه و معمولا دارای دو حلقه هست، یکی بیرونی و یکی درونی که حلقه درونیش از منطق while پیروی میکنه، و به همین خاطر بهش حریص میگن، چون به اولین حواب خوب که برسه، از حلقه درونی خارج میشه. این الگوریتم کاملا به جواب اولیه وابسته هست و تصادفی سازی نداره، ولی زمان قابل قبولی برای حل مسائل داره.
شاخه و حد یا Branch & Bound: این یک الگوریتم دقیق برای حل مسائله که زیر شاخه های زیادی داره، ولی زمان حلش برای خیلی از مسائل واقعی خیلی خیلی زیاده.
برنامه نویسی پویا: این روش هم جزو روشهای دقیقه که هم روبه جلو و هم رو به عقب و هم دو طرفه کار میکنه و معمولا وابسته به مسئله هست.
و اما روشهای فرا ابتکاری
این روش ها چند ویژگی دارن
1) تصادفی سازی
2) پیروی از ییک منطق کلان
3) پیروی از یک قانون طبیعت (در اکثر اوقات)
4) جواب خیلی خوب در زمان کمی

الگوریتم ژنتیک از معروفترین این الگوریتمهاست. کسی درباره این الگوریتم میدونه؟

آها!! ژنتیک فراابتکاریه؟؟ پس حتما شبکه های عصبی هم هست؟؟

الگوریتم ژنتیک یه جورایی از نظریه داروین تبعیت میکنه. یعنی اونهایی که خوب هستن باقی میمنونن و اونهایی که ضعیف هستن حذف یا منقرض میشن.
فرض میکنیم که اول یه سری داده اولیه داشته باشیم. اینها رو میتونیم با هم ترکیب کنیم و یه جواب به دست بیاریم. این جواب لزوما بهترین جواب نیست. یه سری از این جوابها پیدا میکنیم و بهینه ترین ها رو نگه میداریم. بعدش به طور رندوم چند تا از این جواب ها رو با هم ترکیب میکنیم. لازم نیست حتما بهترین جوابها رو ترکیب کنیم. به هر کدوم از این جواب ها یک فرزند میگن و هر کدوم از چند تا کروموزوم تشکیل شدن. به طور رندوم و شانسی در چند تا از این فرزندها یه سری کروموزوم ها رو تغییر میدیم که بهش میگن جهش. بعدش بدترین جوابها رو حذف میکنیم. دوباره یه سری ترکیب داریم و جهش میدیم و این چرخه رو تا زمان مشخصی ادامه میدیم. بهترین جوابی که در طی این دوره بدست اومد جواب نهایی میشه . در مسائل بینه سازی زیاد کاربرد داره. یکی از معروف ترین مسائلی که خیلی زود با این روش حل میشه، فروشنده دوره گرده که اگه بخواین بارتون کامل تشریح میکنم.
این توضیحاتی که دادم خیلی سطح ساده بود و خیلی چیزا رو نگفتم. اما یه سطح بالاترش میشه این:

Genetic Algorithms are search and optimization techniques based on Darwin’s Principle of Natural Selection.

“Select The Best, Discard The Rest”

این مطالب چیه میذارین؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟
آدم با خوندنش سرش درد میگیره
یه کم به فکر ما انسانی ها هم باشین
نظرات آقا کمیلو که میخوندم چشام آلبالو گیلاس میدید

جواب من در سطح کارشناسی رشته کامپیوتر و یا فناوری اطلاعات بود!! چیز سختی نبود.

البته من زیاد توضیح ندادم که خود حسین بهتر و کاملتر جواب بده.

حالا بیایدو بنده نوازی کنینو زیر دیپلم حرف بزنین

(۷-۱-۱۳۹۱ ۰۶:۵۸ عصر)خانم گل نوشته شده توسط: [دیدن لینک ها برای شما امکان پذیر نیست. لطفا ثبت نام کنید یا وارد حساب خود شوید تا بتوانید لینک ها را ببینید.]حالا بیایدو بنده نوازی کنینو زیر دیپلم حرف بزنین

کمیل این مسئله رو با مثالی از فروشنده‌ی دوره گرد برام توضیح داد. تا حدودی متوجه شدم.
یه نرم افزاری هم برای این کار داشت.
من که همچین ۱۰۰ درصد متوجه نشدم موضوع چیه، ولی اگه خودش بیاد توضیح بده، بقیه بیشتر متوجه میشن.

حسین حوصله و علمش بیشتره. بهتر جواب میده!!

قابل ذکره که بعضی ها شبکه های عصبی رو جز فرا ابتکاری ها میدونن و بعضی ها نمیدونن. من خودم زیاد قبولش ندارم، چون کارش بیشتر در مسائل پیش بینی هست.
من اسم چند الگوریتم فرا ابتکاری رو میگم.
شبیه سازی تبرید Simulated Annealing
جست و جوی ممنوعه Tabu Search
هوش تجمعی ذرات Particle Swarm Optimization
علفهای هرز Invasive Weed Optimization
و...
الان واقعا حس توضیج این الگوریتمها نیست. بعدا به وقتش کمی توضیح میدم. با مثال و کد.

حسین زودباش من منتظرم!! اینابرای ما کاربردش زیاده!! البته ما آماده شو استفاده میکنیم و به طراحی و پیاده سازیش کاری نداریم!!