دوره طراحی و پیاده سازی الگوریتم های ژنتیک برای حل مسائل پیچیده به همراه فلش کارت بر روی فلش مموریجدید

سرفصل های دوره: 1. مقدمه ای بر الگوریتم های ژنتیک 2. مبانی تکامل و انتخاب طبیعی 3. الهام از طبیعت برای حل مسئله 4. مفاهیم کلیدی الگوریتم ژنتیک 5. نمایش کروموزوم (Representation) 6. توابع برازندگی (Fitness Functions) 7. عملگر انتخاب (Selection Operators) 8. عملگر تقاطع (Crossover Operators) 9. عملگر جهش (Mutation Operators) 10. ساختار پایه یک الگوریتم ژنتیک 11. چرخه حیات یک الگوریتم ژنتیک 12. تنظیم پارامترهای الگوریتم ژنتیک 13. پیاده سازی الگوریتم ژنتیک: گام به گام 14. انتخاب نمایش مناسب برای مسئله 15. طراحی تابع برازندگی موثر 16. پیاده سازی عملگرهای ژنتیک 17. مدیریت جمعیت 18. همگرایی و واگرایی در الگوریتم های ژنتیک 19. تکنیک های جلوگیری از همگرایی زودرس 20. روش های ارزیابی عملکرد الگوریتم ژنتیک 21. مقایسه با روش های جستجوی سنتی 22. حل مسائل بهینه سازی با الگوریتم های ژنتیک 23. بهینه سازی توابع عددی 24. بهینه سازی توابع چند متغیره 25. بهینه سازی گسسته 26. مسائل فروشنده دوره گرد (TSP) 27. مسائل زمانبندی 28. مسائل تخصیص منابع 29. مسائل طراحی مدار 30. مسائل یادگیری ماشین با الگوریتم های ژنتیک 31. یادگیری قوانین انجمن (Association Rule Learning) 32. انتخاب ویژگی (Feature Selection) 33. تنظیم ابرپارامترهای مدل های یادگیری ماشین 34. دسته بندی (Classification) 35. رگرسیون (Regression) 36. خوشه بندی (Clustering) 37. ...