هم اکنون به یاری شما جهت نوشتن تابع شایستگی برای تعیین عمق آبشستگی نیازمندم!
 

دوستان برای نوشتن تابع شایستگی مشکل دارم. نمی دونم از کجا شروع کنم.
جهت تعیین عمق آبشستگی می توان از فرمولهای مربوطه استفاده کرد؛ که پارامترهایی مانند عمق آب، سرعت جریان، دبی، ضریب زبری بستر جریان و مشخصات هندسی و زاویه ی قرارگیری سازه نسبت به جریان بر این عمق مؤثره. حالا مرحله ی بعد چیه؟

بنظر من باید اول عمق آبشستگی رو برحسب پارامترهای مربوطه شبیه سازی بکنید.این شبیه سازی رو می تونید به روشهای متفاوتی انجام بدید.برای مثال می تونید از شبکه های عصبی استفاده کنید.چون عمق آبشستگی و پارامترهای مربوطه اش یک تابع جدولی هستش و شما باید یک مدل ریاضی از این عمق آبشستگی تهیه کنید تا برای کامپیوتر قابل فهم باشد.

سلام دوست گرامی
به نظر من شما دو راه حل دارین یک اینکه تمام موارد ذکر شده را تک به تک به الگوریتم ژنتیک بدهی یعنی یکی را به الگوریتم بدهی و بقیه را ثابت در نظر بگیری
راه حل دوم که سختر است از لحاظ کد نویسی ولی بهتر است این است تمام موارد را در یک کروموزوم قرار دهی
برای تابع fitness هم باید همان مقداری باشد که می خواهید ماکزیمم یا مینیمم شود که به گفته شما همان عمق آبشستگی می باشد یعنی یک تابعی که موارد موثر را می گیرد و عمق آبشستگی را می دهد .
مواردی که من ذکر کردم جهت کد نویسی الگوریتم ژنتیک بود در صورتی که بخواهید از تابع ژنتیک خود متلب استفاده کنید فقط نیاز به یک تابع fitness دارید

من یه سری از اصطلاحات شما رو نمی فهمم. ممکنه چنتا منبع معرفی کنی؟

khnight،
با جزییات بیشتری ممکنه مراحل کار رو توضیح بدید؟

ببینید دوست عزیز شما یک مساله بهینه سازی دارید.در الگوریتم ژنتیک ما به دنبال ماکزیمم یا مینیمم کردن یک تابع هستیم.این تابع دارای یک سری متغیرهایی هستش که تو الگوریتم ژنتیک بهش متغیر تصمیم میگن.خوب شما اگه از مطلب استفاده می کنید یک تابع درست می کنید و یک اسم دلخواه بهش میدین و save می کنیدش.سپس این تابع رو تو ga(الگوریتم ژنتیک) متلب فراخوانی می کنید.اما خروجی این تابع رو خودتون مشخص می کنید و این خروجی به شما ga میگه که این متغیرها رو بر اساس چه خروجی بهینه سازی بکنه همین.

khnight،
سئوالم رو باید بهتر می پرسیدم. در هیدرولیک رسوب پدیده ای به نام آبشستگی داریم. آبشستگی اطراف پایه ی پل به حداکثر عمق چاله ای گفته می شود که بر اثر سرعت، دبی( حجمی از آب که در واحد ثانیه از یک مقطع می گذرد)، عمق آب، قطر پایه، ضریب زبری بستر و هندسه ی پایه ی پل و عرض رودخانه ایجاد می شود. این عمق توسط فرمولی محاسبه می شود.
حال ما دیتاهای برداشت شده از یک پایه ی پل در یک رودخونه رو داریم. ( شامل حداکثر عمق آبشستگی و کلیه ی پارامترهای فرمول)
سئوال بنده این است که آیا می شود بدون استفاده از فرمول، مثلاً تأثیر قطر پایه بر حداکثر عمق آبشستگی را پیش بینی کرد؟

من خودم تو ارشد آب خوندم و دوره هیدرولیک پیشرفته رو پاس کردم.می دونم چی میگی.پس در این صورت مساله شما یک مساله شبیه سازی هستش.این داده هایی که شما دارید بصورت یک جدول تهیه شده است که یک ستون شامل عمق و یک ستون شامل ضرایب و سرعت و ... این فرمولهای داده شده هم بعضیاش از رگرسیون غیرخطی بدست اومده و بعضیهاش هم روشهای مختلف دیگه.شبیه سازهای زیادی تو این زمینه هستش که شما می تونید ازش استفاده کنید.الگوریتم ژنتیک یک بهینه ساز هستش و نمیتونه شبیه سازی بکنه.شبیه سازهای مختلفی به مانند شبکه های عصبی و ماشینهای بردار پشتیبان(svm)و روش کریجینگ و ... هستند که می تونند کمکت بکنند.من خودم از شبکه های عصبی استفاده های زیادی کردم.کمکی در این زمینه خواستی بنده در خدمتم.

khnight،
تعجب کردم که رشته هامون نزدیکه؛ و خوشحال شدم.
من کتاب الگوریتم ژنتیک در متلب/ مصطفی کیا رو که خوندم درباره ی مراحل گام به گام نوشتن تابع شایستگی متأسفانه چیزی نداشت.
از الگوریتم ژنتیک، من دیدم که استفاده شده. مثلاً در این مقاله که امروز پیداش کردم. ملاحظه کنید.
شبکه های عصبی رو چطوری یاد بگیرم؛ در حدی که بتونم ازش مقاله در بیارم؟

کمکتون، لطف شماست.

khnight،
در پست 2# هم توضیح داده بودین که شبیه سازیه این مسئله. مرسی. اون زمان منظورتونو نفهمیده بودم.

من به این مقاله دسترسی ندارم ولی خوب می دونم احتمالا چی کار کرده است.
ما تو هر فرایند شبیه سازی (فرقی نمی کنه شبیه ساز چی باشه) یک فرآیند بهینه سازی نهفته داریم.چون شبیه ساز یک سری پارامترهای مجهول داره که باید طوری پیدا بشه که مجموع مربعات خطای شبیه ساز مینیمم بشه.خوب پیدا کردن این پارامترها خودش یک بهینه سازی میشه.یعنی شما می تونید پارامترهای مجهول شبیه ساز رو بدید الگوریتم ژنتیک براتون پیدا کنه.شبکه های عصبی هیچ چیز شاقی نداره بلکه سوپرپوزیشن یک سری توابع غیر خطی هستش که البته باید یک سری شرایط رو داشته باشه.برای مثال تابع سیگمویید:
شبکه عصبی مجموعه ای از توابع سیگمویید تو در تو هستش که اگه help متلب رو بخونید به وضوح در موردش نوشته شده است. اون کتاب آقای کیا هم در این مورد خوب هستش.