مقاله – شبکه هاي عصبي ترکيب شده با الگوريتم رقابت استعماری برای طبقه بندی دیتاهای بازار بورس

http://www.icasite.info/icasite/post_i/neuron_icasite.info.png

“الگوریتم رقابت استعماری الگوریتم جدیدی در حوزه بهینه سازی هوشمند است که توجه محقین بسیاری را به خود جلب کرده است. این الگوریتم با مدلسازی ریاضی فرایند اجتماعی سیاسی استعمار، از آن در جهت ارائه یک الگوریتم قوی و کارا در حوزه بهینه سازی استفاده می کند. دراین نوشتار این الگوریتم بهینه سازی برای یادگیری یک شبکه عصبی استفاده شده است. شبکه عصبی مورد استفاده در حل مسئله طبقه بندی دیتاهای بازار بورس” … اینها بخشهایی از چکیده مقاله نوشته شده در مورد استفاده از الگوریتم رقابت استعماری در ترکیب با شبکه عصبی برای دسته بندی دیتاهای بازار بورس می باشد. اگر علاقه مند، به مطالعه کامل این مقاله هستید، با ما در ادامه مطلب که باز نشری از نسخه کامل این مقاله است، همراه باشید. نسخه پی دی اف مقاله نیز در انتهای پست قابل دانلود است.

ادامه مطلب

مقاله – کاربرد الگوريتم رقابت استعماري براي انتخاب ويژگي در سيستم تشخيص چهره

 

مسئله انتخاب ويژگي، يکي از پيچيده‌ترين مسائل در بازشناسي الگو است و يک مسئله NP-Hard مي‌باشد. در اين مقاله به بررسي کاربرد الگوريتم رقابت استعماري (ICA: Imperialis Competitive Algorithm) براي انتخاب ويژگي در مسئله تشخيص چهره مي‌پردازيم. ويژگي‌هاي استخراج شده براي سيستم تشخيص چهره مورد نظر، با استفاده از موجک Gabor محاسبه مي‌شوند.  …” … اینها بخشهایی از چکیده مقاله نوشته شده در مورد استفاده از الگوریتم رقابت استعماری برای انتخاب ویژگی در سیستم تشخیص چهره می باشد. نویسنده این مقاله جناب آقای محمدحسين سيگاري هستند که در لحظه انتشار این پست، دانشجوی دکتری هوش مصنوعی در دانشگاه تهران می باشند. ایشان، این کار ارزشمند را زیر نظر مرحوم دکتر لوکس انجام داده و منتشر کرده اند. اگر علاقه مند، به مطالعه کامل این مقاله هستید، با ما در ادامه مطلب که باز نشری از نسخه کامل این مقاله است، همراه باشید. نسخه پی دی اف به همراه فیلم توضیحات کامل این مقاله نیز در انتهای پست قابل دانلود است.

ادامه مطلب

پایان نامه – انتخاب و بهينه سازی سبد سهام با استفاده از روش هاي فراابتكاري – متن کامل تر

 
در یکی از پست های قبلی بر روی وبسایت محاسبات تکاملی، بخش هایی کوتاه از پایان نامه آقای آرش طالبی تحت عنوان “انتخاب و بهينه سازی سبد سهام با استفاده از روش هاي فراابتكاري و مقایسه ی آن با سبدهای تشکیلیِ خبرگان و تازه کارها در بازار بورس اوراق بهادار تهران” را منتشر کردیم. همانگونه که در آن پست، وعده انتشار بخش های تکمیل تری از این پایانه را داده بودیم، در این پست می خواهیم، قسمت هایی تکمیلی این کار با ارزش را منتشر کنیم. اگر علاقه مند به مطالعه و تحقیق در این زمینه هستنید، با ما در ادامه این پست، همراه باشید.

محاسبات تکاملی و الگوریتم رقابت استعماری در فیس بوک و سایر شبکه های اجتماعی

علاقه مندان حوزه محاسبات تکاملی (Genetic Algorithms, Particle Swarm Optimization, Ant Colony Optimization, Imperialist Competitive Algorithm) می توانند، مطالب منتشر شده را در فیس بوک و سایر شبکه های اجتماعی ما نیز دنبال نمایید.

 
به زودی فراخوان دوره های جدیدی از وبینار و کارگاه های آموزشی این حوزه از طریق همین شبکه های اجتماعی اعلام خواهند شد.

نحوه تعریف یک مسئله مناسب بهینه سازی برای حل با الگوریتم رقابت استعماری

آیا شما نیز، با سوالهای زیر مواجه شده اید؟ آیا خواسته اید که از یک روش بهینه سازی همانند الگوریتم رقابت استعماری در مسئله پایان نامه و تحقیق پایانی خود استفاده نمایید، اما در تعریف مناسب مسئله بهینه سازی با مشکل مواجه شده اید؟ در این پست می خواهیم به سوالات زیر پاسخ دهیم، اگر شما نیز علاقه مند به دانستن پاسخ این سوالات هستند، با ما در ادامه این پست همراه باشید.
  • چگونه الگوریتم رقابت استعماری را به یک مسئله معین در یک حوزه اعمال کنیم؟
  • چگونه مسئله مناسبی در حوزه معین را جهت استفاده از الگوریتم رقابت استعماری تعریف نماییم؟

آیا الگوریتم رقابت استعماری، انتخاب مناسبی برای موضوع پایان نامه می باشد؟

اگر شما نیز در مراحل تعریف موضوع پایان نامه هستید و یا اگر قرار است، به زودی این کار را انجام دهید و پایان نامه شما به بهینه سازی و الگوریتم ها و محاسبات تکاملی مربوط است، حتماً این پست را بخوانید. تا به حال این سوال بسیار مطرح شده است که آیا، الگوریتم جدید بهینه سازی تکاملی یعنی الگوریتم رقابت استعماری (Imperialist Competitive Algorithm – ICA) موضوع مناسبی برای یک پایان نامه دوره تحصیل می باشد؟ در این پست می خواهیم با مراجعه کیفی به آمار و مقایسه چند الگوریتم شناخته شده بهینه سازی با الگوریتم رقابت استعماری، پاسخ این سوال را بررسی کنیم.

انتخاب تعداد مناسب کشورهای اولیه و شرط توقف در الگوریتم رقابت استعماری – پرسش و پاسخ

http://www.icasite.info/icasite/post_i/ques_ans.png

سوالات زیر در مورد الگوریتم رقابت استعماری، ممکن است برای شما نیز مطرح شده باشند و پاسخ آنها برای شما نیز مفید باشد. اگر پرسش های زیر برای شما نیز مطرح هستند، ادامه مطلب را ببینید.

 پرسش ها:
  • درطی فرآیند بهینه سازی در الگوریتم رقابت استعماری، از تعداد کشورها کاسته شود، بهتر است یا تا پایان بهینه سازی تعداد کشورها ثابت باشد؟
  • آیا شرایط دیگری را هم می شود برای سقوط امپراطوری و همچنین شرایط همگرائی در نظر گرفت؟
  • برای مسئله ای که تعداد کشورهای اولیه آن در حدود 300 تا 500 می باشد؛ چه تعداد امپراطوری اولیه برای الگوریتم مناسب می باشد؟
  • انتخاب کمتر کشور و بیشتر تکرار ها بهتر هست یا برعکس؟ اگر مثلا تعداد کشورهای اولیه را 40  و تکرار را 100 در نظر بگیریم، بهتر هست یا اینکه تعداد کشورها را 50 و تعداد تکرار را 60 بگیرم؟
  • چگونه می توان در متلب، اعداد تصادفی را به گونه ای ایجاد کرد که دارای میانگین و واریانس مشخصی باشند؟ 
 پاسخ ها:

روش کلی ایجاد نسخه های گسسته الگوریتم رقابت استعماری

با اینکه الگوریتم رقابت استعماری، در نسخه های اولیه آن برای حل مسائل بهینه سازی پیوسته معرفی شد، اما از همان ابتدای معرفی در کار های پژوهشی متنوعی در حل مسائل گسسته نیز به کار رفته است. در این پست می خواهیم نحوه ایجاد تغییرات در کدهای پیوسته الگوریتم رقابت استعماری را جهت تبدیل آن به روش حل مسائل گسسته بررسی کنیم.
در الگوریتم رقابت استعماری دو دسته از پارامترها را می توان تقسیم بندی نمود.

نحوه پیاده سازی عملی عملگر جذب (Assimilation) در الگوریتم رقابت استعماری – پرسش و پاسخ

http://www.icasite.info/icasite/post_i/ques_ans.png
پرسش:  من کد متلب ICA را قبلا دانلود کرده ام. اما به نظر می رسد، از AssimilationAngleCoefficient که مربوط به  زاویه است، استفاده نشده است. میخواهم بدانم از زاویه تتا (theta) به چه صورت در یک مسئله چند بعدی می شود استفاده کرد؟ از نظر شکلی زاویه قابل درک است ولی در عمل چطور اعمال می شود؟
پاسخ:نگاهی به کدهای آماده دانلود الگوریتم رقابت استعماری می توانند مفید باشند. لینک زیر:
http://www.icasite.info/2010/05/blog-post_01.htmlنقش تتا (theta) ایجاد انحراف در مسیر حرکت مستعمره است (شکلهای موجود در متن آموزشی (+) را ببینید). فرض کنید، می خواهیم در دو بعد از نقطه (0,0)، محل مستعمره به سمت نقطه (2,2)، موقعیت استعمارگر حرکت کنیم. فاصله بین این دو نقطه برابر خواهد بود با:
D = sqrt(4+4) = sqrt(8);
حال با فرض قرار دادن بتا مساوی 2، خواهیم داشت:

x ~ U(0,Beta*D) ~ U(0,2*sqrt(8))

ادامه مطلب

بهترین روش بهینه سازی تکاملی چه روشی است؟ – پرسش و پاسخ

http://www.icasite.info/icasite/post_i/ques_ans.png
یکی از دوستان پرسشی را در مورد کارایی الگوریتم رقابت استعماری در مقایسه با سایر روشها مطرح کرده بودند. به نظر رسید که شاید پاسخ این سوال برای دیگران علاقه مندان نیز مفید باشد. به همین خاطر آن را در قالب یک پست عمومی منتشر می کنیم.
پرسش:
با سلام
پرسشی دارم: الگوریتم رقابت استعماری در مقابل الگوریتم PSO از نقطه نظر همگرایی چگونه است؟
آنچه من برداشت دارم اینست که الگوریتم ICA هم از نقطه نظر جستجوی سراسری حسن الگوریتم ژنتیک را دارد و هم سرعت بالاتری نسبت به آن دارد. الگوریتم هایی مثل PSO سرعت بالایی دارند و سریع همگرا می شوند ولی الزاما در بهنه سراسری قرار نمی گیرند.
من بر این تصورم که در کابردهای بیشتر الگوریتم و مسائلی که local optimum زیادی دارند ، احتمالا pso سریعتر ازICA است ولی در جواب سراسری ممکن است قرار نگیرد.
پاسخ: