معرفی موضوعات، روشها و الگوریتم‌ها جهت ایده گرفتن

[dr-data]

آره اين كوكو خيلي مارمولكه

چشم ariaei جان در اولين فرصت ترجمه ميكنم ميذارم، ولي از اين همه بيشتر pso بدرد مي خوره همونو ياد بگيري كافيه واس خيلي كارها.....

[nimaafshar8]

سلام به همه ی دوستان خوبم

تاپیک بسیار خوبی هست دست همه طلا.

من نمی دونم سوالم مربوط به این تاپیک هست یا نه اما اگر دوستان صلاح بدونند یکم در مورد شبیه سازی این الگوریتم ها هم توضیح بدند.مثلا یه مقاله هست:

جایابی منابع تولید پراکنده به منظور افزایش قابلیت اطمینان با کمک الگوریتم ژنتیک.

با مطلب این ژنتیک الگوریتم انجام میشه؟چطوری؟

[ariaie]

سلام به همه ی دوستان خوبم

تاپیک بسیار خوبی هست دست همه طلا.

من نمی دونم سوالم مربوط به این تاپیک هست یا نه اما اگر دوستان صلاح بدونند یکم در مورد شبیه سازی این الگوریتم ها هم توضیح بدند.مثلا یه مقاله هست:

جایابی منابع تولید پراکنده به منظور افزایش قابلیت اطمینان با کمک الگوریتم ژنتیک.

با مطلب این ژنتیک الگوریتم انجام میشه؟چطوری؟

درود
خوب اینم خودش میتونه منبع ایده باشه چون مهم هست بدونیم ایده ای که به ذهنمون میرسه چطور باید در مسئله پیاده بشه
مثلا -البته من نمبدونم ایده‌ی اون مقاله ای که فرمودی چی هست دقیق منتها چیزی که به ذهنم میرسه میگم-
مثلا اگر آدم این روش هارو در ذهن داشته باشه مثلا میبینه میخواد جاهایی برای منابع پیدا کنه که بهینه باشه. سوالی که پیش میاد این هست که چطور محل های بهینه رو پیدا کنم. باید مسئله رو باز کنی و پارامترهاشو استخراج کنی!ببینی چه مواردی روی بهینگی محل یه منبع تولید موثز هست برای مثال بزار فرض کنیم این پارامترها موثر هستد: نزدیکی به محل های پر استفاده، نزدیکی به منابع تولید انرژی، هزینه منابع تولید انرژی در دسترس، هزینه احداث تاسیسات و نگهداری در محل مورد نظر. حالا مرحله بعد این هست که شما باید یه روشی رو انتخاب کنی که بیای حالات گوناگون رو تست کنی خوب در حالت عادی بدون استفاده از الگوریتمهای خاص شما باید تمام حالت هاب ممکن رو لیست کنی و دونه دونه بررسی کنی.از اونجایی که این کار به صرفه ای نیست میریم سراغ روشهایی مثل الگوریتم ژنتیک. بعد از انتحاب روش باید ببینیم مسئله مورد نظر ما چطور توی روش مورد نظر قرار میگیره برای مثال میشه از هرکدوم از اون پارامترهای موثری که مثال زدم به عنوان یکی از قسمتهای کروموزوم در الگوریتم ژنتیک استفاده کرد. به این شکل که جمعیت اولیه ترکیبهای مختلف از مقادیری هست که میتونیم به اون پارامترها بدیم و سپس الگوریتم رو اجرا میکنیم تا جوابی که بهمون میده رو بررسی کنیم.البته توجه به این نکته الزامی هست که جوابی که میگیریم الزامن بهترین جواب نیست. در دنیای پیچیده‌ی واقعی ممکنه مثلا جوابی که با PSO بدست میاد بهینه تر باشه از جوابی که با GA درمیاد.
و نکته خیلی مهمتر این هست که ما تابعی رو که برای ارزیابی نتایج استفاده میکنیم خیلی دقیق بدست آورده باشیم تا با دنیای واقعی سازگار باشه. تعیین این تابع رو به نظر من میشه مهمترین مرحله از مدلسازی یک مسئله دونست(چرا آخرین مرحله توضیحش دادم نمیدونم ) این تابعی هست که در هر روشی از این روش های ذکر شده مارو به سمت جواب هدایت میکنه و اون جواب جوابی هست که بهترین پاسخ رو به تابع ما بده.

امیدوارم خوب توضیخ داده باشم

[nimaafshar8]

درود
خوب اینم خودش میتونه منبع ایده باشه چون مهم هست بدونیم ایده ای که به ذهنمون میرسه چطور باید در مسئله پیاده بشه
مثلا -البته من نمبدونم ایده‌ی اون مقاله ای که فرمودی چی هست دقیق منتها چیزی که به ذهنم میرسه میگم-
مثلا اگر آدم این روش هارو در ذهن داشته باشه مثلا میبینه میخواد جاهایی برای منابع پیدا کنه که بهینه باشه. سوالی که پیش میاد این هست که چطور محل های بهینه رو پیدا کنم. باید مسئله رو باز کنی و پارامترهاشو استخراج کنی!ببینی چه مواردی روی بهینگی محل یه منبع تولید موثز هست برای مثال بزار فرض کنیم این پارامترها موثر هستد: نزدیکی به محل های پر استفاده، نزدیکی به منابع تولید انرژی، هزینه منابع تولید انرژی در دسترس، هزینه احداث تاسیسات و نگهداری در محل مورد نظر. حالا مرحله بعد این هست که شما باید یه روشی رو انتخاب کنی که بیای حالات گوناگون رو تست کنی خوب در حالت عادی بدون استفاده از الگوریتمهای خاص شما باید تمام حالت هاب ممکن رو لیست کنی و دونه دونه بررسی کنی.از اونجایی که این کار به صرفه ای نیست میریم سراغ روشهایی مثل الگوریتم ژنتیک. بعد از انتحاب روش باید ببینیم مسئله مورد نظر ما چطور توی روش مورد نظر قرار میگیره برای مثال میشه از هرکدوم از اون پارامترهای موثری که مثال زدم به عنوان یکی از قسمتهای کروموزوم در الگوریتم ژنتیک استفاده کرد. به این شکل که جمعیت اولیه ترکیبهای مختلف از مقادیری هست که میتونیم به اون پارامترها بدیم و سپس الگوریتم رو اجرا میکنیم تا جوابی که بهمون میده رو بررسی کنیم.البته توجه به این نکته الزامی هست که جوابی که میگیریم الزامن بهترین جواب نیست. در دنیای پیچیده‌ی واقعی ممکنه مثلا جوابی که با PSO بدست میاد بهینه تر باشه از جوابی که با GA درمیاد.
و نکته خیلی مهمتر این هست که ما تابعی رو که برای ارزیابی نتایج استفاده میکنیم خیلی دقیق بدست آورده باشیم تا با دنیای واقعی سازگار باشه. تعیین این تابع رو به نظر من میشه مهمترین مرحله از مدلسازی یک مسئله دونست(چرا آخرین مرحله توضیحش دادم نمیدونم ) این تابعی هست که در هر روشی از این روش های ذکر شده مارو به سمت جواب هدایت میکنه و اون جواب جوابی هست که بهترین پاسخ رو به تابع ما بده.

امیدوارم خوب توضیخ داده باشم

بسیار بسیار علی بود.خیلی خیلی ممنونم

این الگوریتم ها با چه نرم افزاری شبیه سازی میشه؟با نرم افزارMATLAB؟چطوری؟

[dr-data]

بسیار بسیار علی بود.خیلی خیلی ممنونم

این الگوریتم ها با چه نرم افزاری شبیه سازی میشه؟با نرم افزارMATLAB؟چطوری؟

سلام.

ببين دوست عزيز اينا الگوريتم هستن فرقي نداره شما از چه زبان برنامه نويسي استفاده مي كنيد!! مثلاً من دوست دارم با c++ بنويسم شما شايد دوست داشته باشي با متلب يا هر زبون ديگه اي بنويسي.....

[dr-data]

درود
خوب اینم خودش میتونه منبع ایده باشه چون مهم هست بدونیم ایده ای که به ذهنمون میرسه چطور باید در مسئله پیاده بشه
مثلا -البته من نمبدونم ایده‌ی اون مقاله ای که فرمودی چی هست دقیق منتها چیزی که به ذهنم میرسه میگم-
مثلا اگر آدم این روش هارو در ذهن داشته باشه مثلا میبینه میخواد جاهایی برای منابع پیدا کنه که بهینه باشه. سوالی که پیش میاد این هست که چطور محل های بهینه رو پیدا کنم. باید مسئله رو باز کنی و پارامترهاشو استخراج کنی!ببینی چه مواردی روی بهینگی محل یه منبع تولید موثز هست برای مثال بزار فرض کنیم این پارامترها موثر هستد: نزدیکی به محل های پر استفاده، نزدیکی به منابع تولید انرژی، هزینه منابع تولید انرژی در دسترس، هزینه احداث تاسیسات و نگهداری در محل مورد نظر. حالا مرحله بعد این هست که شما باید یه روشی رو انتخاب کنی که بیای حالات گوناگون رو تست کنی خوب در حالت عادی بدون استفاده از الگوریتمهای خاص شما باید تمام حالت هاب ممکن رو لیست کنی و دونه دونه بررسی کنی.از اونجایی که این کار به صرفه ای نیست میریم سراغ روشهایی مثل الگوریتم ژنتیک. بعد از انتحاب روش باید ببینیم مسئله مورد نظر ما چطور توی روش مورد نظر قرار میگیره برای مثال میشه از هرکدوم از اون پارامترهای موثری که مثال زدم به عنوان یکی از قسمتهای کروموزوم در الگوریتم ژنتیک استفاده کرد. به این شکل که جمعیت اولیه ترکیبهای مختلف از مقادیری هست که میتونیم به اون پارامترها بدیم و سپس الگوریتم رو اجرا میکنیم تا جوابی که بهمون میده رو بررسی کنیم.البته توجه به این نکته الزامی هست که جوابی که میگیریم الزامن بهترین جواب نیست. در دنیای پیچیده‌ی واقعی ممکنه مثلا جوابی که با PSO بدست میاد بهینه تر باشه از جوابی که با GA درمیاد.
و نکته خیلی مهمتر این هست که ما تابعی رو که برای ارزیابی نتایج استفاده میکنیم خیلی دقیق بدست آورده باشیم تا با دنیای واقعی سازگار باشه. تعیین این تابع رو به نظر من میشه مهمترین مرحله از مدلسازی یک مسئله دونست(چرا آخرین مرحله توضیحش دادم نمیدونم ) این تابعی هست که در هر روشی از این روش های ذکر شده مارو به سمت جواب هدایت میکنه و اون جواب جوابی هست که بهترین پاسخ رو به تابع ما بده.

امیدوارم خوب توضیخ داده باشم

آريايي جان يه سوال ! شما دقيقاً به چي نياز داريد؟!!! شما كه از صحبت هايتون فهميدم روش كار و اينا رو بلديد!! مشكلت چيه دقيقاً؟؟؟

اگه منظورت ايده اوليه واسه استفاده از الگوريتمها هستش، خب بهترين كار اينه كه مقالات ديگران رو نگاه كني، همين! بعد شما تغيير ميدي يه جاشو و بهترش مي كني و...

[ariaie]

بسیار بسیار علی بود.خیلی خیلی ممنونم

این الگوریتم ها با چه نرم افزاری شبیه سازی میشه؟با نرم افزارMATLAB؟چطوری؟

در تکمیل صحبت دکتر بزرگوار با اینکه نمیتونم با متلب ارتباط برقرار کنم به شخصه منتها یه سری پکیجهایی آماده هست برای متلب که میشه بعضی از این الگوریتمها رو باهاش پیاده سازی کرد-البته چون ارتباط برقرار نمیکنم دقیق نمیدونم چطور هستن. منتها پروژه آماده به هر زبونی که بحوای هست تو وب برا اکثر این الگوریتمها

[dr-data]

البته يه نكته اي رو بگم كه استفاده از متلب هزااار تا حسن داره و البته چند تا عيب
بزرگترين حسنش اينه كه ميتونيد همزمان از تولباكسهاي متلب استفاده كنيد كه به صورت دستي نوشتنشون كلييي كار ميبره! مثلاً اگه شما بخوايد خودتو با كدنويسي شبكه عصبي بسازيد خيليييييييييييييييي كار ميبره ولي تو متلب اين كار راحت تره و ميشه همه كاراي بزرگ رو با كمترين زحمت انجام داد...

[ariaie]

آريايي جان يه سوال ! شما دقيقاً به چي نياز داريد؟!!! شما كه از صحبت هايتون فهميدم روش كار و اينا رو بلديد!! مشكلت چيه دقيقاً؟؟؟

اگه منظورت ايده اوليه واسه استفاده از الگوريتمها هستش، خب بهترين كار اينه كه مقالات ديگران رو نگاه كني، همين! بعد شما تغيير ميدي يه جاشو و بهترش مي كني و...

درود برادر
والا من به شخصه روی خیلی از این الگوریتمها تسلط دارم و درباره خیلی دیگه هم اطلاعات. هدفم از این تاپیک در وهله اول اطلاع رسانی و contribution به جامعه علمی کشور بود به این نهو که شاید این روشهایی که ما اینجا میگیم یه جرقه ای در ذهن کسی ایجاد کنه و پیشرفتی بزرگ در فیلدش ایجاد کنه. برای مثال تو بحث robot motion planning یه الگوزیتمیهایی هست به اسم potential field که اینا بر اساس قانون جاذبه و دافعه ذرات باردار طراحی شدن و الان جز معروفترین روشها هستند. این یه ایدست!طرف یهو چشمش خورده به موانع فیزیکی که تو کالج خونده بوده به ذهنش رسیده و بنگ potential fields اختراع شده!و اگر کسی زمان بزاره این روشهایی که اینجا مطرح میشه رو بخونه مطمن هستم روزی روزگاری در هر فیلدی که کار کنه به کارش خواهند اومد برای انجام کاری یا بهینه سازیی یا چیزی اینچنین

البته يه نكته اي رو بگم كه استفاده از متلب هزااار تا حسن داره و البته چند تا عيب
بزرگترين حسنش اينه كه ميتونيد همزمان از تولباكسهاي متلب استفاده كنيد كه به صورت دستي نوشتنشون كلييي كار ميبره! مثلاً اگه شما بخوايد خودتو با كدنويسي شبكه عصبي بسازيد خيليييييييييييييييي كار ميبره ولي تو متلب اين كار راحت تره و ميشه همه كاراي بزرگ رو با كمترين زحمت انجام داد...

دقیقا منظورم همین بود

[dr-data]

اريايي جان در كل ممنون از هدفت راس ميگي ايده جالبيه

راستي تايم لاين اپلايت رو هم ديدم آقا خيلي كارت دقيقه آفريييييين خوشم اومد از پشتكار و ظرافت كاريت، ايشالا موفق باشي، ما كه فعلاً سربازيم داريم (((((((((