#کاربردهای_شبیه_سازی_دینامیک_مولکولی
در نهایت در این تحقیق یک سری داده ها به دست آمدند که با استفاده از این داده ها فیلم هایی تولید شدند که داینامیک را در سطوح مختلفی در ساختار میکروتوبول ها نشان می دهد.
@computational_science

جهت مطالعه کامل می تونید از مقاله زیر استفاده کنید.

طبقوعده قبلی امروز برنامه همایش بیوانفورماتیک و بیوشیمی محاسباتی رو اعلام میکنیم

روز چهرشنبه 15 اردیبهشت دانشگاه صنعتی اصفهان

دوستان جهت ثبت نام می توانند از طریق آدرس تلگرام و یا پست الکترونیکی اعلام شده در پوستر اقدام کنند.

شنبه 18 اردیبهشت دانشگاه آزاد اسلامی رودهن

#همایش دانشگاه آزاد اسلامی رودهن @computational_science

برنامه سایر دانشگاه ها نیز کم کم اعلام خواهد شد.

همایش در دانشگاه تبریز در روز سه شنبه ۲۱ اردیبهشت ماه برگزار خواهد شد. دوستان عزیز می توانند جهت ثبت نام از طریق اطلاعات درج شده در پوستر زیر اقدام فرمایید.
با تشکر

مروری بر تارخ های ذکر شده در بالا:
چهارشنبه ۱۵ اردیبهشت در دانشگاه صنعتی اصفهان
شنبه ۱۸ اردیبهشت در دانشگاه رودهن
سه شنبه ۲۱ اردیبهشت در دانشگاه تبریز

#خبر
#همایش_دانشگاه_صنعتی_اصفهان
با توجه به استقبال گسترده و بی نظیر دوستان و به علت اینکه عده کثیری از دوستان نمی توانستند روز 15 اردیبهشت در همایش حضور داشته باشند به همین جهت دوستان درخواست به تغییر زمان همایش داشتند که در ابتدا از دوستانی که ثبت نام کردند عذرخواهی کرده و اعلام میکنیم که همایش به 29 اردیبهشت منتقل شد.
از همکاری شما ممنونیم

#همایش_بیوانفورماتیک_و_بیوشیمی_محاسباتی #دانشگاه_صنعتی_اصفهان @computational_science

#نرم_افزارهای_مفید
Genetic Algorithms Learning
در 30 سال اخیر علاقه به استفاده از الگوریتم ژنتیک به شدت افزایش یافته است. به صورتی که رشد فوق العاده ای در کنفرانس ها، همایش ها و مقاله های مربوط به الگوریتم ژنتیک مشاهده می شود. امروزه ژنتیک الگوریتم به عنوان یک تکنیک امیدوارکننده برای بهینه سازی، طراحی، کنترل و برنامه های یادگیری ماشین مورد استفاده قرار می گیرد.به طوری که اصول خیلی از برنامه های شبیه سازی و آنالیز داده ها بر اساس ژنتیک الگوریتم صورت می گیرد. تصویر زیر یک مفهوم کلی از ژنتیک الگوریتم را بیان می کند.


الگوریتم های ژنتیک توسط شخصی به نام John Holland ابداع و بیان شد. در جامعه محاسباتی استفاده از ژنتیک الگوریتم بر اساس اصول تکامل زیستی است و پایه مشترک تمام شبیه سازی ها و آنالیزها بر اساس فرایند انتخاب طبیعی و عملگرهای ژنتیکی است. و یک مفهوم مهم دیگر در ژنتیک الگوریتم استفاده از مفهوم اساسی به نام جهش است. در این الگوریتم هر مرحله که جلو می رویم نمونه ها و داده های اصلح انتخاب می شوند. البته قبل از انتخاب نمونه اصلح که کاملا بر اساس اصل تکاملی است، یکسری معیار ها برای انتخاب فرد اصلح تعیین می شوند. در واقع این انتخاب باعث می شود که محاسبات بجای اینکه کل نمونه ها صورت گیرد فقط بر روی تعداد خاصی از نمونه ها صورت گیرد.همانند شکل زیر:


البته در استفاده از ژنتیک الگوریتم یکسری اعمال باید با دقت و آگاهی کامل صورت گیرند که شامل:
• اینکه تعداد نمونه های اولیه چه مقدار باشد.
• اتنخاب نمونه های اصله بر اساس چه پارامترهایی باشد.
• تعداد مناسب نمونه های انتخاب شده چقدر باشد.
• تولید نسل نمونه ها از هر چند مرحله یکبار صورت گیرد.
• نرخ جهش چه مقدار باشد.
• میزان ماندگاری نمونه های انتخاب شده چقدر باشد.
• و.........
@computational_science