優化問題和演算法

Contents

如何在 Matlab 中使用啟發式演算法理解、制定和解決優化問題的困難

從這 8 小時的課程，你會學到

識別、理解、制定和解決優化問題
了解隨機優化演算法的概念
分析和適應現代優化演算法

要求

你應該有基本的程式設計知識
你應該熟悉 Matlab 的內建程式語言

課程說明

這是隨機優化問題和演算法的入門課程，作為人工智慧的基礎子領域。我們將涵蓋優化領域中最基本的概念，包括元啟發式和群體智能。在完成本課程時，你將能夠識別和實施優化問題的主要組成部分。優化問題各有不同，但大多存在相似的挑戰和困難，例如約束、多目標、離散變量和噪聲。本課程將向你展示如何解決這些困難。大多數講座都附帶編寫程式碼的演示視訊。在這些視訊中，介紹了實現優化演算法或問題的分步過程。我們還有一些測驗和練習來實踐講座中涵蓋的理論知識。

以下是涵蓋的主題列表：

優化的歷史
優化的問題
單一目標的優化演算法
粒子群優化
約束問題的優化
二元和/或離散變量問題的優化
多目標問題的優化
不確定性問題的優化

粒子群優化將是主要演算法，這是一種可以輕鬆應用於不同應用的搜索方法，包括機器學習、資料科學、神經網路和深度學習。

我為 200 多條 5 星評論感到自豪。部分評論如下：

David 說：“這門課程是我上過的最好的在線課程之一。導師做得非常好，非常仔細地準備了內容、簡報、視訊，並以非常仔細的方式解釋了複雜的程式碼。希望導師能夠開發更多的課程來豐富社會。謝謝！

Khaled 說：“Seyedali 博士是我有幸參加的最棒的講師之一。課程直指重點，課程易於理解和全面。他在培訓期間和培訓外都非常樂於助人。當然。我真的向所有想學習優化\PSO 或想加深對優化的理解的人推薦這門課程。祝大家好運，感謝 Seyedali 博士。

Biswajit 說：“這門課程對我來說真的很有幫助，因為我必須經常處理優化問題。該課程最突出的特點是強調編寫程式碼和結果的視覺化。此外，Seyedali 博士通過提供個人互動給予支持是一流的。

Boumaza 說：“Seyedali Mirjalili 博士的好課程。它讓我們清楚地了解了優化中使用的演算法。它涵蓋了優化的技術和實踐方面。一步一步的非常實用的優化方法，經過了很好的釐清和妥善的解釋主題，強烈推薦的課程！你真的幫了我很多。我希望有一天，我會成為這個激動人心的領域的參與者之一！感謝 Seyedali Mirjalili 博士。

加入 1000 多名學生，與我們一起開始你的優化之旅。如果你以任何方式不滿意，無論出於何種原因，你都可以在 30 天內從 Udemy 獲得全額退款，不問你任何話。但我相信你不需要。我 100% 支持這門課程，並承諾在此過程中提供你幫助。

目標受眾

任何想學習優化的人
任何想解決優化問題的人

講師簡介

Seyedali Mirjalili 人工智慧博士

Seyedali (Ali) Mirjalili 教授因其在人工智能 (AI) 和優化方面的進步而享譽國際，包括從人工智能的角度出發的第一套 SI 技術——與通常理解自然系統的方式截然不同——以及系統的設計框架可靠地進行基準測試、評估和提出計算成本低廉的魯棒優化算法。 Mirjalili 教授發表了 150 多篇期刊文章，其中許多發表在高影響力期刊上，其中一篇論文被引用超過 4000 次——這是 Elsevier Advances in Engineering Software 期刊中被引用次數最多的論文。此外，他還擁有超過 5 本書、30 本書章節和 15 篇會議論文。

Mirjalili 教授總共被引用超過 25,000 次，H 指數為 56。根據谷歌學術指標，他是全球人工智能領域被引用次數最多的研究人員之一。作為穩健優化領域被引用次數最多的研究人員，他位列 1% 高被引研究人員名單，並被 Web of Science 評為全球最具影響力的人工智能研究人員之一。

Ali 是 IEEE 的高級成員，也是 IEEE Access、Applied Soft Computing、Advances in Engineering Software 和 Applied Intelligence 等多個期刊的副主編。他的研究興趣包括魯棒優化、工程優化、多目標優化、群體智能、進化算法和人工神經網絡。他還致力於應用多目標和魯棒的元啟發式優化技術。

除了出色的研究成果外，Ali 教授還擔任教師超過 15 年，擔任 Udemy 講師超過 3 年。他有 10,000 多名學生，他的大部分課程都得到了 Udemy 和學生的高度評價。他是前 1% 高被引研究人員名單中唯一的 Udemy 講師。