مدرس دوره آموزشی
اطلاع رسانی دوره
برازش منحنی از موضوعات متدوال مورد نیاز مهندسین و محققین است به طوریکه در بسیار از تحقیقات و مقالات محقق نیاز دارد تا مجموعه متغیرهای (پارامتر) یک رابطه را در بازههای مشخص به گونه ای مشخص کند تا رابطهی مورد نظر بر مجموعه داده های منطبق شود. برازش منحنی با الگوریتم های بهینه سازی از جمله روش های پرکاربرد و نوین در حوزه ی برازش منحنی است که با توجه به قدرت بالای الگوریتم های فراابتکاری یا متاهیوریستیک عموما در زمان کمی قادر است به جواب مطلوبی برسد.
برازش منحنی یا Curve fitting به منظور عبور معادله خطوط و منحنی های خاص از مجموعه نقاطی که محقق مدنظر دارد استفاده می شود. مجموعه نقاط عموما مجموعه داده های آزمایشگاهی و یا تئوری هستند که کاربر نیاز دارد تا بهترین معادله ممکن را بر آن فیت کند. این معادله الزاما از تمام مجموعه داده ها عبور نمیکند ولی هدف برازش منحنی آن است که بهترین پاسخ را برای این منظور به دست آورد.
با استفاده از الگوریتم های بهینه سازی میتوان یک منحنی و یا سطح و یا یک حجم را که دارای فرم معادله ی مشخصی است به دست آورد به گونه ای کمترین خطا را با مجموعه داده های محقق داشته باشد. تعیین نوع و فرم معادله وابسته به تحقیق مورد نظر است و با افزایش ابعاد مساله و تعداد پارامترهای مطلوب پیچیدگی های مساله افزایش می یابد. افزودن تکرار روند الگوریتم بهینه سازی در مساله های پیچیده تر میتواند به مساله را به سمت پاسخ مناسبتر هدایت کند.
با توجه به کاربرد بی رقیب نرم افزار متلب در حوزه های مختلف مهندسی، در این آموزش نحوه ی تنظیم و الگوریتم فراابتکاری را برای منظور استفاده در مساله برازش منحنی در نرم افزار متلب مورد بررسی قرار می دهیم.
