بهره‏مندي از حافظه:

الگوريتم بهينه‏سازي ازدحام ذرات PSO داراي حافظه است به گونه‏اي که دانش راه‏حل‏هاي خوب توسط همه ي ذرات حفظ مي‏شود. به عبارتي در الگوريتم بهينه‏سازي ازدحام ذرات هر ذره از اطلاعات گذشته خود سود مي‏برد، در حاليکه چنين رفتار و خصيصه‏اي در ساير الگوريتم‏هاي تکاملي وجود ندارد، به عنوان مثال در الگوريتم ژنتيک چنين حافظه‏اي وجود ندارد و دانش قبلي مسئله يکباره با تغيير جمعيت از بين مي‏رود.

همکاري و اشتراک گذاري اطلاعات بين ذرات:

در الگوريتم بهينه‏ سازي ازدحام ذرات PSO هر عضو جامعه موقعيت خود را باتوجه به تجربيات شخصي و تجربيات کل جامعه تغيير مي‏دهد.اشتراک اجتماعي اطلاعات بين اعضاي يک جامعه يکسري مزيت‏هاي تکاملي را در پي دارد و اين فرضيه پايه و اساس الگوريتم بهينه‏سازي ازدحام ذرات و توسعه آن محسوب مي‏شود و در نتيجه همکاري سودمند بين ذرات وجود دارد و ذرات در گروه، اطلاعاتشان را با همديگر به اشتراک مي‏گذارند.

سرعت همگرايي بالا :

در الگوريتم بهينه سازي ازدحام ذرات، اعضاي جمعيت با هم ارتباط دارند و از طريق تبادل اطلاعات، به حل مسئله مي‏رسند از سرعت همگرايي بالايي برخوردار مي باشد. حرکت جمعي ذرات يک تکنيک بهينه‏سازي است که هر يک از ذرات سعي مي‏کنند به سمتي حرکت کنند که بهترين تجريه‏هاي شخصي و گروهي در آن نقاط روي داده است.

انعطاف پذيري بهتر در برابر مشکل بهينه محلي:

الگوريتم بهينه‏سازي ازدحام ذرات نسبت به استراتژي‏هاي بهينه‏سازي ديگر با بهره‏گيري از تعداد فراوان ذرات ازدحام کننده در برابر مشکل بهينه محلي انعطاف بيشتري نشان مي دهد.

راحتي پياده‎سازي و اجرا:

الگوريتم بهينه‏سازي ازدحام ذرات از الگوريتم‏هاي ژنتيک و بهينه‏سازي کلوني مورچه ساده‏تر مي‏باشد.همچنين اندازه جمعيت الگوريتم بهينه‏سازي ازدحام ذرات کمتر از الگوريتم ژنتيک مي‏باشد بنابراين مقداردهي اوليه جمعيت در بکارگيري اين الگوريتم، ساده‏تر از ساير الگوريتم‏هاي بهينه‏سازي هوشمند است. الگوريتم بهينه‏سازي ازدحام ذرات به آساني قابل اجراست و در حل بسياري از مسائل بهينه‏سازي گسسته و غير خطي پيوسته مورد استفاده قرار گرفته است. نکته جالب اينکه اين الگوريتم فقط عملگرهاي اصلي رياضي را بکار مي‏برد و نتايج خوبي را درمحيط‏هاي ثابت، نويزي و پيوسته در حال تغيير و ديناميک فراهم مي‏کند. به علت وجود مزايايي همچون مفهوم ساده، پياده‏سازي آسان و همگرايي سريع نسبت به ساير الگوريتم‏هاي بهينه‏سازي، امروزه الگوريتم بهينه‏سازي ازدحام ذرات توجه زيادي را به خود جلب کرده است و کاربردهاي وسيعي در زمينه‏هاي مختلف دارد.

علاوه برمزاياي و ويژگي‏هايي که الگوريتم بهينه ‏سازي ازدحام ذرات دارد، اين الگوريتم داراي يکسري محدوديت‏ها و معايب مي‏باشد که بر کارايي عملکرد اين الگوريتم موثر است .

همگرايي زودرس :

عمده ‏ترين مسئله الگوريتم بهينه‏سازي ازدحام ذرات همگرايي زودرس مي باشد. در اين الگوريتم ذرات به تدريج در فضاي جستجو در نزديکي بهترين نقطه بهينه عمومي سير مي‏کنند و بقيه فضا را مورد کاوش قرار نمي‏دهند، و به عبارتي ذرات همگرا مي‏گردند. چرا که سرعت ذرات با افزايش تکرار کاهش مي‏يابد و بنابراين الگوريتم مجبور مي‏باشد به بهترين موقعيتي که تاکنون کشف کرده، همگرا شود و تضميني نيست که بهترين راه حل سراسري باشد. اين مسئله حاصل مکانيزم نامناسب تعادل ميان جستجوي سراسري و محلي مي‏باشد. درالگوريتم بهينه‏سازي ازدحام ذرات ، در تکرارهاي اول جستجوي سراسري ، ترجيح داده مي‏شود و به بهبود عملکرد کمک مي‏کند و در تکرارهاي آخر، جستجوي سراسري کاهش، و جهت بهره‏گيري بيشينه از اطلاعات به دست آمده جستجوي محلي ترجيح داده مي‏شود.

گرفتار شدن دربهينه محلي :

در طول فرايند جستجو ممکن است برخي ذرات در جمعيت در بهينه محلي گرفتار شوند و دراکتشافات بعدي شرکت ننمايند. اين مسئله در بهينه‏سازي توابع مولتي با ابعاد بالا کاملا رايج است. ذرات گيرافتاده در بهينه محلي موجب همگرايي زودرس و راه‏حل ضعيف مي‏شوند.

کاهش تنوع جمعيت:

در الگوريتم بهينه‏ سازي ازدحام ذرات پس ازمقداردهي اوليه به ذرات، ذرات در جمعيت معمولا در کل تکرار پي‏درپي فرايند جستجو به بهينه‏ محلي ياسراسري در فضاي جستجو همگرا مي‏شوند و ذرات جمعيت تحت تاثيرپذيري و تبعيت از بهترين ذره کشف شده در کل جمعيت اطراف آن ذره جمع مي‏شوند و يا به عبارتي منقبض مي‏گردند، در نتيجه در الگوريتم بهينه‏سازي ازدحام ذرات تنوع جمعيت به مرور زمان کاهش مي‏يابد. با اين شرايط براي محيط‏هايي همچون پويا که در آن با محيط ديناميک روبرو هستيم و امکان تغيير بهينه سراسري وجود دارد، ديگر ذرات همگرا شده از توانايي جستجوي سراسري مناسبي جهت دنبال کردن بهينه برخوردار نخواهند بود.

فلوچارت الگوریتم بهينه ‏سازي ازدحام ذرات :

کد متلب و فیلم آموزشی الگوريتم بهينه ‏سازي ازدحام ذرات

کدهای اماده الگوریتم بهينه ‏سازي ازدحام ذرات به همراه یک فیلم آموزشی فارسی از این الگوریتم توسط گروه ایران متلب آماده شده است که شما می‌توانید تقاضای این کد و فیلم آموزش فارسی را از برای ما ارسال کنید.

بعد از واریز هزینه کدها آماده متلب MATLAB ، الگوریتم بهينه ‏سازي ازدحام ذرات به همراه یک فیلم آموزشی فارسی برای شما ارسال و می‌توانید آنها را دانلود کنید و در پروژه یا پایان نامه خود استفاده کنید.

نوشته مزايا و ويژگي‏هاي الگوريتم بهينه ‏سازي ازدحام ذرات اولین بار در ايران متلب. پدیدار شد.

گروه برنامه نويسي ايران متلب تعدادي از بهترين فيلم هاي آموزشي متلب رايگان را براي شما تهيه کرده است که در اين صفحه مي توانيد آنها را دانلود کنيد :

تمامي اين فيلم هاي آموزشي با زباني ساده و روان برنامه نويسي متلب را به شما آموزش مي دهند .

دانلود فيلم آموزشي متلب MATLAB training movies

شايد شما به تمامي بخش هاي اين فيلم ها نياز نداشته باشيد و مي توانيد فيلم مورد نظر خود را دانلود کنيد.

پسورد فايلها در صورت نياز matlab1.ir

آشنايي با صفحه آغازين نرم افزار متلب – command window – command history- workspace و بخش هاي ديگر نرم افزار متلب

لينک دانلود بخش اول
لينک دانلود بخش دوم

لينک دانلود بخش سوم

انجام محاسبات رياضي مقدماتي

توان و ثوابت رياضي معروف

کار با کسرها و جعبه ابزار رياضي symbolic در متلب

قسمت اول

قسمت دوم

چگونگي تعريف متغييرها در متلب و استفاده از آنها و دستورهاي who وwhos

اضافه کردن راهنما به کدهاي متلب

پاک کردن يک متغيير در متلب

کار با متغييرهاي symbolic (سمبوليک) در متلب

انجام محاسبات رياضي با متغييرهاي سمبوليک

فاکتوريل و ريشه يک متغيير

ايجاد و ذخيره متغييرها از نوع سمبوليک

توابع مثلثاتي

توابع هيپربوليک

توابع نمايي و لگاريتم

محاسبات پايه با اعداد مختلط

محاسبه اندازه و زاويه اعداد مختلط

توابع رياضي با اعداد مختلط

اعداد مختلط با متغييرهاي سمبوليک

تعريف بردار ورودي و استخراج عناصر يک بردار

جمع و تفريق و ضرب با بردارها

ضرب نقطه اي و ضرب خارجي با بردارها

پيداکردن طول و ميانگين و مجموع يک بردار

استخراج بخشي از يک بردار

ايجاد بردار با گام پرش يکسان

اتصال دو بردار به همديگر

ضرب و تقسيم عناصر متناظر دو بردار

اعمال توابع رياضي به عناصر يک بردار

ايجاد بردار با عناصر تصادفي

محاسبه ميانه و ميانگين و انحراف معيار يک بردار

کار با بردارها در جعبه ابزار سمبوليک

وارد کردن ماتريس ها و استخراج بخشي از آنها در متلب MATLAB

وارد کردن ماتريس ها و استخراج بخشي از آنها در متلب MATLAB بخش دوم

جمع و تفريق ماتريس ها

ضرب ماتريس ها در متلب MATLAB

ضرب و تقسيم ماتريس ها به صورت متناظر

40- پيداکردن طول و اندازه و مجموع و ميانگين يک ماتريس در متلب MATLAB

اتصال دو ماتريس به يکديگر

اعمال توابع رياضي به ماتريس ها

ايجاد ماتريس واحد

ترانزپوس ماتريس ها و عناصر قطري و تجزيه مثلث پايين

حل کردن يک سيستم از معادلات

دترمينال و معکوس و رتبه ماتريس

نورم ماتريس و مقادير ويژه و خصوصيات و چندجمله اي ها

کار با ماتريس ها و جعبه ابزار سمبوليک

49 – حل معادلات جبري

50- حل سيستم معادلات خطي

51 – حل معدلات جبري با جعبه ابزار سمبوليک

52-حل دستگاه معادلات جبري با جعبه ابزار سمبوليک

53- تعريف توابع رياضي

54- انجام مشتق در حسابان

55- انجام مشتق در يک نقطه

56- گرفتن مشتق جزيي در يک نقطه

57- انتگرال هاي معين و نامعين

58- گرفتن حد در حسابان

59- نمودار scatter پايه

60- توابع رسم نمودار

61- تغيير خصوصيات نمودار

فيلم هاي فارسي

جلسه 1 – آموزش Matlab – مقدمه

جلسه 2 – آموزش Matlab – آموزش نصب برنامه

جلسه 3 – آموزش Matlab – آشنايي با محيط نرم افزار

جلسه 4 – آموزش Matlab – آشنايي با پنجره Command

جلسه 5 – آموزش Matlab – آشنايي با پنجره Command History

جلسه 6 – آموزش Matlab – آشنايي با پنجره Varible Editor

جلسه 7 – آموزش Matlab – تعريف کردن متغير و ماتريس

جلسه 8 – آموزش Matlab – آدرس دهي در ماتريس ها

جلسه 9 – آموزش Matlab -عملگر ها در Matlab

جلسه 10 – آموزش Matlab -انجام چهار عمل اصلي بر روي ماتريس ها

جلسه 11 – آموزش Matlab – قواعد تعريف متغير در Matlab

جلسه 12 – آموزش Matlab – انجام اعمال اصلي به صورت درايه به درايه

جلسه 13 – آموزش Matlab – به کار بردن عملگر هاي شرطي

جلسه 14 – آموزش Matlab – پارامتر هاي اوليه

جلسه 15 – آموزش Matlab -آشنايي با دستور Disp

جلسه 16 – آموزش Matlab – آشنايي با دستور Input

جلسه 17 – آموزش Matlab – آشنايي با آرايه هاي خاص

جلسه 18 – آموزش Matlab – برخي از دستورات پر کاربرد در جبر ماتريسي

جلسه 19 – آموزش Matlab – آشنايي با m-file

جلسه 20 – آموزش Matlab – آشنايي با m-file

جلسه 21 – آموزش Matlab -آشنايي با function

جلسه 22 – آموزش Matlab – بدست آوردن ميانگين
برنامه نويسي مقدماتي و آشنايي با کد هاي ساده

جلسه 1 – آموزش Matlab – نحوه استفاده از دستور if
جلسه 2 – آموزش Matlab – نحوه استفاده از دستور switch
جلسه 3 – آموزش Matlab – نحوه استفاده از دستور for
جلسه 4 – آموزش Matlab – استفاده از While
جلسه 5 – آموزش Matlab -نکاتي در مورد حلقه for
جلسه 6 – آموزش Matlab -استفاده از عملگر هاي منطقي در شرط
جلسه 7 – آموزش Matlab -استفاده از تابع formt
جلسه 8 – آموزش Matlab – نوشتن توابع چند جمله اي در Matlab
جلسه 9 – آموزش Matlab – بدست آوردن ريشه يک چند جمله اي ها
جلسه 10 – آموزش Matlab -بدست آوردن مقدار يک چند جمله اي ها
جلسه 11 – آموزش Matlab -محاسبه ضرب و تقسيم در چند جمله اي ها
جلسه 12 – آموزش Matlab -محاسبه مشتق در چند جمله اي ها
جلسه 13 – آموزش Matlab -محاسبه انتگرال در چند جمله اي ها
جلسه 14 – آموزش Matlab – ايجاد توابع چند متغيره
جلسه 15 – آموزش Matlab – مقدار دهي به توابع چند متغيره
جلسه 16 – آموزش Matlab -محاسبه حد در توابع چند متغيره
جلسه 17 – آموزش Matlab -محاسبه مشتق در توابع چند متغيره
جلسه 18 – آموزش Matlab – محاسبه انتگرال در توابع چند متغيره
جلسه 19 – آموزش Matlab – نحوه محاسبه ماتريس ژاکوبين
جلسه 20 – آموزش Matlab – ترسيم توابع دو بعدي
جلسه 21 – آموزش Matlab – ترسيم توابع سه بعدي

نوشته دانلود فیلم آموزشی اولین بار در ايران متلب. پدیدار شد.