کتاب جستجوی زیربهینه محدود: از تئوری تا کاربرد با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره جستجوی زیربهینه محدود: از تئوری تا کاربرد

موضوع کلی: هوش مصنوعی

موضوع میانی: بهینه‌سازی و جستجو

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر جستجوی زیربهینه محدود
  • 2. چرا جستجوی کامل همیشه امکان‌پذیر نیست؟
  • 3. مفهوم بهینه‌سازی محدود
  • 4. کاربردهای جستجوی زیربهینه محدود در دنیای واقعی
  • 5. الگوریتم‌های جستجوی کلاسیک و محدودیت‌های آن‌ها
  • 6. جستجوی محلی و چالش‌های آن
  • 7. معرفی الگوریتم‌های جستجوی زیربهینه محدود
  • 8. روش‌های نمونه‌برداری و جستجو
  • 9. جستجوی تصادفی
  • 10. جستجوی گرادیانی
  • 11. الگوریتم‌های تکاملی و جستجوی زیربهینه
  • 12. الگوریتم ژنتیک
  • 13. برنامه‌ریزی ژنتیک
  • 14. استراتژی‌های تکاملی
  • 15. الگوریتم‌های جستجوی کلونی مورچگان
  • 16. بهینه‌سازی ازدحام ذرات (PSO)
  • 17. مقایسه الگوریتم‌های جستجوی زیربهینه محدود
  • 18. انتخاب الگوریتم مناسب بر اساس مسئله
  • 19. پیاده‌سازی جستجوی زیربهینه محدود در پایتون
  • 20. کتابخانه‌های پایتون برای بهینه‌سازی
  • 21. بهینه‌سازی توابع تک‌هدفه
  • 22. بهینه‌سازی توابع چندهدفه
  • 23. مفهوم فضای جستجو و نمایش آن
  • 24. تکنیک‌های کاهش ابعاد فضای جستجو
  • 25. بهینه‌سازی محدود با استفاده از Lagrange multipliers
  • 26. بهینه‌سازی با محدودیت‌های نامساوی
  • 27. بهینه‌سازی با محدودیت‌های مساوی
  • 28. روش‌های حل مسائل بهینه‌سازی غیرخطی
  • 29. روش‌های حل مسائل بهینه‌سازی خطی
  • 30. کاربرد جستجوی زیربهینه محدود در یادگیری ماشین
  • 31. تنظیم هایپرپارامترهای مدل‌های یادگیری ماشین
  • 32. انتخاب ویژگی با استفاده از جستجوی زیربهینه
  • 33. بهینه‌سازی شبکه‌های عصبی
  • 34. جستجوی زیربهینه محدود در رباتیک
  • 35. برنامه‌ریزی مسیر ربات
  • 36. کنترل ربات با استفاده از بهینه‌سازی
  • 37. کاربرد در مهندسی برق و کنترل
  • 38. بهینه‌سازی طراحی مدار
  • 39. کنترل بهینه سیستم‌ها
  • 40. جستجوی زیربهینه محدود در علوم داده
  • 41. خوشه‌بندی با استفاده از الگوریتم‌های بهینه‌سازی
  • 42. کشف الگوهای پنهان در داده‌ها
  • 43. تحلیل حساسیت و بررسی پایداری راه حل‌ها
  • 44. روش‌های موازی‌سازی برای تسریع جستجو
  • 45. استفاده از سخت‌افزارهای تخصصی (GPU)
  • 46. خطاهای رایج در جستجوی زیربهینه محدود و راه‌های جلوگیری از آن‌ها
  • 47. مقایسه با روش‌های اکتشافی دیگر
  • 48. آینده جستجوی زیربهینه محدود و روندهای جدید
تگ‌ها: Ant Colony Optimization Artificial Intelligence Bounded Suboptimal Search Constraint Optimization Data Science Evolutionary Algorithms Genetic Algorithms Heuristic Search Machine Learning Multi-objective Optimization Optimization PSO Python Optimization Robotics بهینه سازی

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.