سر فصلهای درس حسابگری زیستی

 

مدرس :دکتر حبیب رجبی مشهدی

دانشیار گروه برق – دانشکده مهندسی دانشگاه فردوسی مشهد

 

مطالب درسی:

در این درس چگونگی کاربرد اصول حاکم بر سیستم های زیستی در جهت بدست آوردن الگوریتم ها و روشهایی برای حل مسائل عملی در علوم مهندسی از قبیل بینه سازی، مدلسازی سیستم های مصنوعی با شبیه سازی روشهایی که طبیعت برای حل مسائل مشابه در پیش گرفته است.در این درس توجه ما به مفاهیم و اصول تئوری های تکاملی ( الگوریتم ژنتیک ) و همچنین تحقیقات اخیری که در این زمینه ها انجام شده، از قیبل بهینه سازی با چندین تابع هدف به روش الگوریتم ژننتیک می باشد. همچنین روشهای ابتکاری دیگری از قبیل مکانیسم های سیستم ایمنی بدن، کولونی مورچه ها، شبکه های عصبی و الگوریتم های ترکیبی از جمله روشهای دیگری می باشند که در این درس معرفی خواهند شد.در پایان کاربرد روشهای مبتنی بر الگوریتم های زیستی در حل مسایل واقعی نیز با چنیدن مثال نشان داده خواهد شد.

---

خلاصه مطالب درسی:

1-      مقدمه :

1-1  معرفی حسابگری زیستی

1-2  معلومات پیش نیاز ( بهینه سازی محلی و سراسری )

1-3  جزئیاتی در مورد قسمت های مختلف درس

 

2-      الگوریتم ژنتیک :

2-1 فرایند تکامل

2-2 عناصر اصلی الگوریتم ژنتیک

2-3 استراتژی های تکامل

 

3-      پیشرفت های اخیر در الگوریتم ژنتیک :

3-1 مفاهیم قابل توجه و روشهای جدید

3-2 آنالیز نظریه الگوریتم ژنتیک

 

4-      الگوریتم ژنتیک چند منظوره :

4-1 مسائل بهینه سازی چند منظوره

4-2 دیدگاه کاربرد چنیدین تابع هدف در الگوریتم ژنتیک

4-3 روشهای Pareto-base

 

5-      سیستم ایمنی :

5-1 تئوری سیستم ایمنی

5-2 مدلسازی سیستم ایمنی

5-3 سیستم ایمنی مصنوعی و کاربرد های آن

 

6-      سایر روشهای مهم اکتشافی برگرفته شده از طبیعت :

6-1 سازوکار سیستم ایمنی

6-2 مدلهای ترکیبی تکاملی

6-3 شبیه سازی بازپخت ( Annealing )

6-4 کلونی مورچه ها

6-5 شبکه عصبی هوپفیلد

6-6 بهینه سازی به روش پرواز دسته جمعی پرندگاه (PSO)

6-7 روش جستجوی تابو

6-8 اتوماسیون سلولی

6-9 روشهای ترکیبی

 

7-      الگوریتم ژنتیک  2:

7-1 طبقه بندی سیستم ها

7-2 برنامه نویسی الگوریتم ژنتیک

7-3آموزش ماشینها

 

8-      خلاصه درس و کاربرد الگوریتم ژنتیک :

8-1 برخی از مثالهای برجسته در مسائل مهندسی

8-2 خلاصه درس و مرور مباحث قبلی