حل مسئله مسیریابی وسایل نقلیه با الگوریتم شبیه سازی تبرید
@matlabanalysis1
👇👇👇👇👇👇

بازی FreeCell Solitaire عنوان بازی سرگرم کننده و جالب در سبک فکری است که توسط MobilityWare عرضه شده و در کشور ما با نام ورق شناخته می شود. در این بازی که اکثریت کاربران با آن آشنایی دارند، باید کارت ها را با ترتیب مناسب در کنار هم قرار دهند و امتیاز کسب کنند. در این نسخه از بازی، علی رغم بازی های مشابه، پشت کارت ها را در هر موقعی از بازی می توان مشاهده کرد ولی برای استفاده از آن ها میبایست تجربه و مکان مورد نیاز را داشته باشید تا بتوانید از آن ها در جمع آوری امتیاز کمک بگیرید. به طور کلی در بازی FreeCell Solitaire تعداد ۵۲ کارت در اختیار کاربر گذاشته می شود که طرح آن ها با یکدیگر متفاوت است.
این بازی را در محیط matlab اینبار تجربه کنید😊🌺
@matlabanalysis1

✅✅✅ بهینه سازی چند هدفه به کمک الگوریتم ژنتیک

🌹با توجه به درخواست دوستان کدنویسی الگوریتم ژنتیک چند هدفه در MATLAB در نسخه 2016 ذکر میگردد:

🍀در این مثال ما قصد داریم دو تابع را مینیمم نمایم:
🌕y(1) = y(1) - 10*exp(-0.2*sqrt(x(i)^2 + x(i+1)^2));
y(2) = y(2) + abs(x(i))^0.8 + 5*sin(x(i)^3);

🍀این دو تابع در فانکشنی تحت عنوان kur_multiobjective قرار گرفته است.
🌕type kur_multiobjective.m

🍀پس همیشه توابعی که قصد دارید بهینه سازی نمایید(تابع fitness ) را داخل یک فانکشن قرار دهید.پس در این مثال به صورت زیر می باشد:
🌕function y = kur_multiobjective(x)
y = zeros(2,1);
for i = 1:2
y(1) = y(1) - 10*exp(-0.2*sqrt(x(i)^2 + x(i+1)^2));
end

% Compute second objective
for i = 1:3
y(2) = y(2) + abs(x(i))^0.8 + 5*sin(x(i)^3);
end

🍀حال مقدارهای اولیه و محدودیت های از جمله " تعداد متغیرهای تصمیم گیری " ، "کران پایین و کران بالا " ، "محدودیت های نابرابرهای غیرخطی" و همچنین رسم نمودار pareto را تنظیم میکنیم:
🌕FitnessFunction = @kur_multiobjective; % Function handle to the fitness function
numberOfVariables = 3; % Number of decision variables
lb = [-5 -5 -5]; % Lower bound
ub = [5 5 5]; % Upper bound
A = []; % No linear inequality constraints
b = []; % No linear inequality constraints
Aeq = []; % No linear equality constraints
beq = []; % No linear equality constraints
options = optimoptions(@gamultiobj,'PlotFcn',@gaplotpareto);

🍀دستور اجرای برنامه و نمایش:
🌕 [x,Fval,exitFlag,Output] = gamultiobj(FitnessFunction,numberOfVariables,A, ...
b,Aeq,beq,lb,ub,options);

fprintf('The number of points on the Pareto front was: %d\n', size(x,1));
fprintf('The number of generations was : %d\n', Output.generations);

@matlabanalysis1

استفاده از روش فازی مونت کارلو در تحلیل قابلیت اطمینان سیستم های حفاظتی
@matlabanalysis1
👇👇👇👇👇👇👇👇

فایل صوتی آموزش نحوه عملکرد الگوریتم ابتکاری Exchange Market Algorithm)EMA) به همراه مقاله فارسی و پاور پوینت
@matlabanalysis1
👇👇👇👇👇👇👇👇

🔴 نحوه اگزه سازی کد ها در متلب
💢 فایل هایی که برای اجرا نیاز به نصب بودن نرم افزار ویرایشگر انها بر روی سیستم مقصد ندارند
❗️👇👇👇👇👇👇👇👇👇

‼️برای این منطور دو روش مرسوم هست . روش اول استفاده از ابزار deploy است . برای بهره مندی از این ابزار کافی است در پنجره فرمان جلوی علامت پرامت
deploytool
را تایپ کرده و سپس enterکنیم . سپس سایز مراحل رو مطابق تصاویر ارسالی دنبال کنید ♨️

@matlabanalysis1 مراحل اگزه سازی کدها در متلب

@matlabanalysis1 مراحل اگزه سازی کدها در متلب
گام دوم

@matlabanalysis1
مراحل اگزه سازی کدها در متلب
گام سوم

@matlabanalysis1
مراحل اگزه سازی کدها در متلب
گام چهارم . از گزینه setting محل ذخیره فایل اگزه رو ادرس دهی میکنیم .

@matlabanalysis1
مراحل اگزه سازی کدها در متلب
گام پنجم.

@matlabanalysis1
مراحل اگزه سازی کدها در متلب
گام ششم: پس از کلیک بر گزینه package اجازه نیدهیم فایل های مورد نیاز فرایند اگزه سازی ساخته شود

@matlabanalysis1
مراحل اگزه سازی کدها در متلب
گام هفتم: پس از اتمام فرایند ساختن فایل ها . گزینه close رو انتخاب میکنیم .

@matlabanalysis1
مراحل اگزه سازی کدها در متلب در گام هشتم : با مراجعه به پوشه ادرس دهی شده ،از پوشه for_redistribution فایل
MyAppInstaller_mcr.exe
اجرا میکنیم .

✴️ فایل
MyAppInstaller_mcr.exe
رو اجرا میکنم . این فایل یک پکیج برای اگزه سازی . در اصل فایل اگزه رو مستقل از متلب هرجا بخواهیم اجرا بگیریم اول این پک رو نصب میکنیم . با نصب این پک دیگه نیازی به متلب نیست