فرض کنید که قرار است درجه حرارت یک محل را تنظیم کنیم، به نحوی که یک معیار (مثلا میزان مطرف انرژی) بهینه شود. اگر فقط تنظیم درجه حرارت در یک زمان به خصوص مد نظر باشد، مسأله چندان سخت نیست. اما اگر هدف ار حل مسأله، تنظیم درجه حرارت در تمام ساعات شبانه روز (بهتر است بگوییم در هر لحظه از شبانه روز) باشد، چه؟
این مسأله دارای بعد بینهایت است. زیرا ما باید درجه حرارت را برای هر لحظه از شبانه روز تعیین کنیم و می دانیم که تعداد این لحظات، بی نهایت است. البته فرض می کنیم که در این اطراف، کسی که به فیزیک کوانتومی معتقد است، حضور ندارد. (این جمله آخر چندان جدی نبود.)
مسأله طراحی مسیر حرکت یک روبات از یک مبدأ مشخص تا یک مقصد مشخص نیز، دارای بی نهایت متغیر مجهول است. زیرا در تمام بازه زمانی حرکت، قطعا این روبات در جایی از فضا حضور دارد و دارای مختصات است و هدف ما از حل مسأله، پیدا کردن مختصاتی برای روبات در تمام لحظات است، که اولا ما را از مبدأ مورد نظر تا مقصد مشخصی برساند، و ثانیا یک معیار (مثلا طول مسیر و یا انرژی مصرفی بریا حرکت) را بهینه کند. بسیاری از مسائلی که در حوزه مهندسی کنترل، روبانیک و مکاترونیک مطرح می شوند، دارای ابعاد بی نهایت هستند و باید به نحوی آن ها را تبدیل به مسائلی با بعد محدود کرد.
یکی از رویکردها برای حل چنین مسائلی، پارامتریزه کردن منحنی توصیف کننده مسیر و پیدا کردن مقادیر بهینه پارامترهای آن است. در این فیلم آموزشی، مسأله طراحی مسیر با استفاده از این تکنیک، و توسط الگوریتم PSO حل شده است. این روش می تواند برای سایر مسائل نیز مورد استفاده قرار بگیرد که نمونه ای از آن ها، در فیلم مورد اشاره قرار گرفته اند.
الگوریتم PSO یکی از مهم ترین الگوریتم های بهینه سازی هوشمند است که در حوزه هوش ازدحامی (Swarm Intelligence) جای می گیرد. این الگوریتم، توسط جیمز کندی و راسل سی ابرهارت در سال ۱۹۹۵ معرفی گردید، و با الهام از رفتار اجتماعی حیواناتی چون ماهی ها و پرندگان که در گروه هایی کوچک و بزرگ کنار هم زندگی می کنند، طراحی شده است. در الگوریتم PSO، اعضای جمعیت جواب ها، به صورت مستقیم با هم ارتباط دارند و از طریق تبادل اطلاعات با یکدیگر و یادآوری خاطرات خوب گذشته، به حل مسأله می پردازند. الگوریتم PSO برای انواع مسائل پیوسته و گسسته مناسب است و پاسخ های بسیار مناسبی برای مسائل بهینه سازی مختلف داده است.
اهم مطالب و سرفصل های مورد بحث در این فیلم آموزشی عبارتند از:
بیان چند نمونه از مسائلی که مجهول مورد سئوال در آن ها توابع هستند و بی نهایت متغیر دارند
تخمین تابع
طراحی مسیر انواع روبات
کنترل بهینه حلقه باز سیستم های دینامیکی
شیوه های تبدیل مسائل دارای بعد بی نهایت به مسائل با بعد محدود
بیان مسأله طراحی مسیر یا Path Planning
ارائه راه حل برای مسأله طراحی مسیر به صورت اسپلاین
شیوه تعریف اسپلاین در محیط متلب
حل مسأله طراحی مسیر حرکت روبات با استفاده از الگوریتم PSO در محیط متلب
اضافه کردن مانع به مدل مسأله طراحی مسیر
نمایش گرافیکی نتایج حاصل از طراحی مسیر
طرح پیشنهادهایی برای توسعه مسأله طراحی مسیر
این محصول بخشی از بسته طلایی فیلم های آموزشی الگوریتم PSO است. برای کسب اطلاعات بیشتر ، این لینک را ببینید: http://www.matlabsite.com/383/mvrps9011h-path-planning-using-pso-video-tutorial.html
کلمات کلیدی:
Particle Swarm Optimization, Path Planning, PSO, آموزش PSO, آموزش بهینه سازی ازدحام ذرات, آموزش عملی, آموزش عملی PSO, آموزش عملی بهینه سازی ازدحام ذرات, الگوریتم PSO, الگوریتم ازدحام ذرات, بهینه سازی ازدحام ذرات, روبانیک, طراحی مسیر, طراحی مسیر روبات, فیلم آموزش عملی, فیلم آموزشی, فیلم آموزشی PSO, مجموعه آموزشی PSO, مروری بر الگوریتم ازدحام ذرات - PSO, مسائل دارای بعد بینهایت, هوش ازدحامی, کنترل مسیر روبات
ارائه دهنده تبلیغات: متلب سایت - فرادرس
شماره تماس: 88312277 و 88312276 و 09109067124
نشانی: تهران خ کریم خان زن نرسیده به میدان هفتم تیر بین خردمند جنوبی و عارف ادیب پلاک 62 برج B طبقه 5 واحد B52
نشانی سایت: http://matlabsite.com