بهینهسازی شبکه عصبی چندلایه (Multi-Layer Perceptron – MLP) با الگوریتمهای فراابتکاری
شبکه عصبی چندلایه (MLP) یکی از پرکاربردترین مدلهای یادگیری ماشین (Machine Learning) و یادگیری عمیق (Deep Learning) است که برای مسائل مختلف مانند طبقهبندی (Calcification)، رگرسیون (Regression)، و پیشبینی مورد استفاده قرار میگیرد. کارایی این شبکه به شدت وابسته به تنظیم مناسب وزنها، بایاسها و ساختار آن است. استفاده از الگوریتمهای فراابتکاری (Metaheuristic Algorithms) میتواند این فرآیند را خودکار کرده و به یافتن بهترین تنظیمات برای MLP کمک کند.
بهینهسازی با الگوریتمهای فراابتکاری
1. پارامترهای بهینهسازیشده:
- وزنها (Weights): تنظیم مناسب وزنهای اتصالات بین نورونها.
- بایاسها (Biases): مقدار آفست در نورونها برای بهبود یادگیری.
2. تعریف تابع هزینه (Objective Function):
تابع هزینه معمولاً بر اساس یکی از موارد زیر تعریف میشود:
- خطای میانگین مربعات (Mean Squared Error – MSE): برای مسائل رگرسیون.
- آنتروپی متقاطع (Cross-Entropy): برای مسائل طبقهبندی.
- دقت (Accuracy): برای ارزیابی عملکرد کلی شبکه.
3. مراحل ترکیب:
- تعریف فضای جستجو (Search Space): وزنها و بایاسها در بازهای مشخص تعریف میشوند.
- اعمال الگوریتم فراابتکاری: الگوریتمهای بهینهسازی برای جستجوی مقادیر بهینه اجرا میشوند.
- ارزیابی مدل: کیفیت شبکه بر اساس تابع هزینه ارزیابی میشود.
- انتخاب بهترین تنظیمات: بهترین ترکیب وزنها و بایاسها برای آموزش شبکه انتخاب میشود.
در ادامه لیستی از الگوریتمهای فراابتکاری از ابتدا تا سال 2024 که برای بهینه سازی شبکه عصبی MLP میتوان استفاده کرد بیان شده است:
- الگوریتم ژنتیک – Genetic Algorithm (GA) – 1975
- الگوریتم تبرید شبیهسازی – Simulated Annealing (SA) – 1983
- جستجوی تابو – Tabu Search (TS) – 1986
- الگوریتم فرهنگی – Cultural Algorithm (CA) – 1991
- بهینهسازی کلونی مورچهها – Ant Colony Optimization (ACO) – 1992
- بهینهسازی ازدحام ذرات – Particle Swarm Optimization (PSO) – 1995
- تکامل تفاضلی – Differential Evolution (DE) – 1997
- جستجوی هارمونی – Harmony Search (HS) – 2001
- الگوریتم ازدحام ماهی – Fish Swarm (FS) – 2002
- الگوریتم زنبورها – Bees Algorithms (BA) – 2005
- کلونی زنبور عسل مصنوعی – Artificial Bee Colony (ABC) – 2005
- الگوریتم قورباغه – Shuffled Frog Leaping Algorithm (SFLA) – 2006
- الگوریتم رقابت استعماری – Imperialist competitive algorithm ICA – 2007
- الگوریتم کرم شبتاب – Firefly Algorithm (FA) – 2008
- الگوریتم جغرافیای زیستی – Biogeography-based optimization (BBO) – 2009
- الگوریتم جست و جوی گرانشی – Gravitational search algorithm (GSA) – 2009
- جستجوی فاخته – Cuckoo Search (CS) – 2009
- الگوریتم خفاش – Bat Algorithm (BA) – 2010
- الگوریتم علف هرز – Invasive weed optimization (IWO) – 2011
- الگوریتم بهینهسازی ایده پردازی – Brain storm optimization algorithm (BSO) – 2011
- الگوریتم بهینه سازی فاخته – Cuckoo Optimization Algorithm COA – 2011
- الگوریتم آموزش و یادگیری – Teaching–learning-based optimization (TLBO) – 2011
- الگوریتم سیاه چاله –Black Hole (BA) – 2013
- بهینهسازی گرگ خاکستری – Grey Wolf Optimizer (GWO) – 2014
- الگوریتم گردهافشانی گل – Flower Pollination Algorithm (FPA) – 2014
- الگوریتم جستجوی فراکتال تصادفی (Stochastic Fractal Search – SFS) – 2015
- الگوریتم شیر مورچه – Ant Lion Optimizer (ALO) – 2015
- الگوریتم اژدها – Dragonfly Algorithm (DA) – 2015
- الگوریتم پروانه شبنم – Moth-Flame Optimization (MFO) – 2015
-
- الگوریتم کلاغ – Crow Search Algorithm (SCA) – 2016
- الگوریتم سینوس کسینوس – Sine cosine algorithm (SCA) – 2026
- الگوریتم حستوجوی پروانه – Moth search algorithm – 2016
- الگوریتم شعله پروانه – Moth Flame Optimization (MFO) – 2016
- الگوریتم جایا – Jaya Algorithm (JA) – 2016
- الگوریتم سنجاقک – Dragonfly algorithm (DA) – 2016
- الگوریتم بهینهسازی پروانهها – Glowworm Swarm Optimization (GSO) – 2016
- الگوریتم شیر خاورمیانه – Lion Optimization Algorithm (LOA) – 2016
- الگوریتم پشه – Mosquito Flying Optimization (MFO) – 2016
- الگوریتم بهینهساز چند-نظمی – Multi-verse Optimizer (MVO) – 2016
- الگوریتم نهنگ – Whale Optimization Algorithm (WOA) – 2016
- الگوریتم سالپ – Slap Swarm Algorithm (SSA) – 2017
- الگوریتم بهینهساز کفتار خالدار – Spotted hyena optimizer (SHO) – 2017
- الگوریتم بهینهسازی پروانه و زنبور – Butterfly Optimization Algorithm with Bee (BOAB) – 2017
- الگوریتم ملخ – Grasshopper Optimization Algorithm (GOA) – 2017
- الگوریتم رشد درخت (Tree Growth Algorithm – TGA) – 2018
- الگوریتم شاهین هریس – Harris Hawks Optimization (HHO) – 2019
- الگوریتم گوزن قرمز – Red Deer Algorithm (RDA) – 2019
- الگوریتم بهینهسازی فقیر و غنی (Poor and Rich Optimization – PRO) – 2019
- الگوریتم مسیریاب (Pathfinder Algorithm – PFA) – 2019
- الگوریتم بهینهسازی اتم – Atom search optimization (BOA) – 2019
- الگوریتم بهینهسازی ارشمیدس (Archimedes Optimization Algorithm – AOA) – 2020
- الگوریتم کپک لجن – Slime Mould algorithm (MOA) – 2020
- الگوریتم اسب وحشی – Wild Horse Optimizer Algorithm (WHOA) – 2020
- الگوریتم سفره ماهی – Manta ray foraging optimization (MRFO) – 2020
- الگوریتم عقاب طلایی – Golden Eagle Optimizer (GEO) – 2020
- الگوریتم کانگورو – Kangaroo Optimization (KO) – 2020
- الگوریتم بهینهسازی اکوسیستم مصنوعی Artificial Ecosystem-based Optimization (AEO) – 2020
- الگوریتم عنکبوت اجتماعی – Social Spider Optimization (SSO) – 2020
- الگوریتم شکارچیان دریایی (Marine Predators Algorithm – MPA) – 2020
- الگوریتم فیل – Elephant Herding Optimization (EHO) – 2021
- الگوریتم عقاب – Bald Eagle Search Optimization (BES) – 2021
- الگوریتم بهینهسازی خروسها –Roosters Algorithm (RA) – 2021
- الگوریتم بهینهسازی کرکسهای آفریقایی (African Vultures Optimization Algorithm – AVOA) – 2021
- بهینهسازی بازی آشوب – Chaos Game Optimization (CGO) – 2021
- الگوریتم حسابی The Arithmetic Optimization Algorithm – AOA – 2021
- الگوریتم بهینهسازی گرادیان – Gradient Based Optimization (GBO) – 2021
- الگوریتم مار – Snake Optimizer (SO) – 2022
- الگوریتم بهینهسازی خرگوشها – Artificial rabbits optimization (ARO) – 2022
- الگوریتم بهینهسازی ازدحام گربه شنی (Sand Cat Swarm Optimization – SCSO) – 2022
- الگوریتم بهینهسازی سوسک – Cockroach Swarm Optimization (CSO) – 2022
- الگوریتم بهینهسازی زنبور عسل مصنوعی بهبود یافته – Improved Artificial Bee Colony Algorithm (IABC) – 2022
- الگوریتم علی بابا و چهل دزد – Alibaba and the Forty Thieves (AFT) – 2022
- الگوریتم بهینهسازی سارها (Starling Murmuration Optimizer – SMO) – 2022
- الگوریتم بهینهسازی غزال کوهستان (Mountain Gazelle Optimizer – MGO) – 2022
- الگوریتم جستجوی بهینهسازی ابولا (Ebola Optimization Search – EOS) – 2022
- الگوریتم بهینهسازی درخت – Tree Optimization Algorithm (TOA) – 2022
- الگوریتم گورکن عسل – Honey Badger Algorithm (HBA) – 2022
- الگوریتم جست و جوی خزنده Reptile Search Algorithm – RSA – 2022
- الگوریتم بهینهسازی دلفینها – Dolphin Optimization Algorithm (DOA) – 2023
- الگوریتم نهنگ بهبود شده – Improved Whale Optimization Algorithm (IWOA) – 2023
- الگوریتم بهینهسازی حافظه انسان – Human Memory Optimization Algorithm (HMOA) – 2023
- الگوریتم بهینهسازی تیرانوسور (Tyrannosaurus Optimization Algorithm – TOA) – 2023
- الگوریتم بهینهسازی شکار گوزنها – Deer Hunting Optimization Algorithm (DHOA) – 2024
- الگوریتم بهینهسازی اسب آبی (Hippopotamus Optimization Algorithm – HOA) – 2024
- بهینهسازی گروه جوجهها – Chickens Swarm Optimization (CSO) – 2024
- الگوریتم بهینهسازی هجوم پرندگان – Bird Swarm Optimization Algorithm (BSOA) – 2024
- الگوریتم کروکدیل Crocodile optimization algorithm COA – 2024
- الگوریتم نهنگ قاتل – Killer Whale Algorithm (KWA) – 2024
- الگوریتم روباه قطبی – Arctic Fox Optimization (AFO) – 2025
نویسنده: حسن سعادتمند
- بیش از 250 دوره آموزشی در MATLAB و پایتون.
- بیش از 15 سال تجربه در زمینه مهندسی کنترل و بهینهسازی.
اطلاعات تماس:
- تلگرام: t.me/matlabanyone
- ایمیل: h.saadatmand22@yahoo.com
- یوتیوب: matlablearning.com
- تلفن: 09155137038





نقد و بررسیها
هنوز بررسیای ثبت نشده است.