آموزش تحقیق در عملیات (۲): الگوریتم‌های بهینه‌سازی - آخرین آپدیت

دانلود Operations Research (2): Optimization Algorithms

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: تحقیق در عملیات (OR) حوزه‌ای است که در آن از روش‌های ریاضی و مهندسی برای مطالعه مسائل بهینه‌سازی در کسب‌وکار و مدیریت، اقتصاد، علوم کامپیوتر، مهندسی عمران، مهندسی برق و سایر رشته‌ها استفاده می‌شود. این مجموعه آموزشی شامل سه بخش است که در این دوره بر تکنیک‌های بهینه‌سازی قطعی (Deterministic Optimization) تمرکز می‌کنیم که بخش اصلی حوزه تحقیق در عملیات است. به عنوان بخش دوم از این مجموعه، الگوریتم‌های کارآمد برای حل برنامه‌ریزی خطی، برنامه‌ریزی عدد صحیح و برنامه‌ریزی غیرخطی را بررسی خواهیم کرد. همچنین پیاده‌سازی‌های پایه کامپیوتری برای حل برنامه‌های مختلف، برنامه‌ریزی عدد صحیح و غیرخطی را معرفی کرده و نمونه‌هایی از کاربرد الگوریتم‌ها را مورد بحث قرار می‌دهیم.

سرفصل ها و درس ها

مرور کلی دوره Course Overview

  • مقدمه Prelude

  • 1-1: مرور کلی 1-1: Overview.

  • 1-2: دیدگاه‌های سطری و ستونی برای یک سیستم خطی – مثال دو بعدی 1-2: The row and column views for a linear system – A two-dimensional example.

  • 1-3: دیدگاه‌های سطری و ستونی برای یک سیستم خطی – مثال سه بعدی 1-3: The row and column views for a linear system – A three-dimensional example.

  • 1-4: استفاده از حذف گاوسی برای حل Ax=b – غیر منفرد 1-4: Using Gaussian elimination to solve Ax=b – Nonsingular.

  • 1-5: استفاده از حذف گاوس-جردن برای حل A^-1 – منفرد 1-5: Using Gauss-Jordan elimination to solve A^(-1) – Singular.

  • 1-6: وابستگی و استقلال خطی 1-6: Linear dependence and independence.

روش سیمپلکس The Simplex Method

  • 2-0: شروع 2-0: Opening.

  • 2-1: مقدمه 2-1: Introduction.

  • 2-2: فرم استاندارد – نقاط extremal 2-2: Standard form – Extreme points.

  • 2-3: فرم استاندارد – برنامه‌ریزی‌های خطی استاندارد 2-3: Standard form – Standard form LPs.

  • 2-4: فرم استاندارد – برنامه‌ریزی‌های خطی استاندارد در ماتریس‌ها 2-4: Standard form – Standard form LPs in matrices.

  • 2-5: جواب‌های پایه – استقلال بین سطرها 2-5: Basic solutions – Independence among rows.

  • 2-6: جواب‌های پایه – تعریف جواب‌های پایه 2-6: Basic solutions – Basic solutions.

  • 2-7: جواب‌های پایه – مثالی برای لیست کردن جواب‌های پایه 2-7: Basic solutions – An example for listing basic solutions.

  • 2-8: جواب‌های پایه – جواب‌های پایه موجه 2-8: Basic solutions – Basic feasible solutions.

  • 2-9: جواب‌های پایه – جواب‌های پایه موجه مجاور 2-9: Basic solutions – Adjacent basic feasible solutions.

  • 2-10: روش سیمپلکس – ایده اصلی 2-10: The simplex method – The idea.

  • 2-11: روش سیمپلکس – گام اول 2-11: The simplex method – The first move.

  • 2-12: روش سیمپلکس – گام دوم 2-12: The simplex method – The second move.

  • 2-13: روش سیمپلکس – به‌روزرسانی سیستم از طریق عملیات سطری ابتدایی 2-13: The simplex method – Updating the system through elementary row operations.

  • 2-14: روش سیمپلکس – آخرین تلاش بدون بهبود بیشتر 2-14: The simplex method – The last attempt with no more improvement.

  • 2-15: روش سیمپلکس – بصری‌سازی و خلاصه روش سیمپلکس 2-15: The simplex method – Visualization and summary for the simplex method.

  • 2-16: نمایش جدول (Tableau) – یک مثال 2-16: The tableau representation – An example.

  • 2-17: نمایش جدول (Tableau) – مثالی دیگر 2-17: The tableau representation – Another example.

  • 2-18: حل برنامه‌های خطی نامحدود 2-18: Solving unbounded LPs.

  • 2-19: برنامه‌های خطی ناموجه – پیاده‌سازی دو مرحله‌ای 2-19: Infeasible LPs – The two-phase implementation.

  • 2-20: برنامه‌های خطی ناموجه – یک مثال 2-20: Infeasible LPs – An example.

  • 2-21: کامپیوتر – استفاده از Gurobi و Python برای LPs 2-21: Computers – Gurobi and Python for LPs.

  • 2-22: کامپیوتر – یک مثال 2-22: Computers – An example.

  • 2-23: کامپیوتر – جداسازی داده‌های مدل 2-23: Computers – Model-data decoupling.

  • 2-24: نکات پایانی 2-24: Closing remarks.

الگوریتم شاخه و کران The Branch-and-Bound Algorithm

  • 3-0: شروع 3-0: Opening.

  • 3-1: مقدمه 3-1: Introduction.

  • 3-2: آزادسازی خطی (Linear Relaxation) 3-2: Linear relaxation.

  • 3-3: ویژگی‌های آزادسازی خطی 3-3: Properties of linear relaxation.

  • 3-4: ایده شاخه و کران (Branch and Bound) 3-4: Idea of branch and bound.

  • 3-5: مثال ۱ برای شاخه و کران (بخش اول) 3-5: Example 1 for branch and bound (1).

  • 3-6: مثال ۱ برای شاخه و کران (بخش دوم) 3-6: Example 1 for branch and bound (2).

  • 3-7: مثال ۲ برای شاخه و کران 3-7: Example 2 for branch and bound.

  • 3-8: نکات مربوط به شاخه و کران 3-8: Remarks for branch and bound.

  • 3-9: حل مسئله کوله‌پشتی پیوسته 3-9: Solving the continuous knapsack problem.

  • 3-10: حل مسئله کوله‌پشتی با روش شاخه و کران 3-10: Solving the knapsack problem with branch and bound.

  • 3-11: الگوریتم‌های 휴ریستیک (ابتکاری) 3-11: Heuristic algorithms.

  • 3-12: ارزیابی عملکرد 3-12: Performance evaluation.

  • 3-13: نکات مربوط به ارزیابی عملکرد 3-13: Remarks for performance evaluation.

  • 3-14: کامپیوتر – استفاده از Gurobi و Python برای IPs 3-14: Computers – Gurobi and Python for IPs.

  • 3-15: نکات پایانی 3-15: Closing remarks.

گرادیان کاهشی و روش نیوتن Gradient Descent and Newton’s Method

  • 4-0: شروع 4-0: Opening.

  • 4-1: مقدمه 4-1: Introduction.

  • 4-2: گرادیان کاهشی – گرادیان و هسین (Hessians) 4-2: Gradient descent – Gradient and Hessians.

  • 4-3: گرادیان کاهشی – گرادیان به عنوان جهت صعودی 4-3: Gradient descent – A gradient is an increasing direction.

  • 4-4: گرادیان کاهشی – الگوریتم گرادیان کاهشی 4-4: Gradient descent – The gradient descent algorithm.

  • 4-5: گرادیان کاهشی – مثال ۱ 4-5: Gradient descent – Example 1.

  • 4-6: گرادیان کاهشی – مثال ۲ 4-6: Gradient descent – Example 2.

  • 4-7: روش نیوتن – روش نیوتن برای معادلات غیرخطی 4-7: Newton’s method – Newton’s method for a nonlinear equation.

  • 4-8: روش نیوتن – روش نیوتن برای برنامه‌های غیرخطی تک‌متغیره 4-8: Newton’s method – Newton’s method for a single-variate NLPs.

  • 4-9: روش نیوتن – مثالی برای روش نیوتن تک‌متغیره 4-9: Newton’s method – An example for single-variate Newton’s method.

  • 4-10: روش نیوتن – روش نیوتن برای برنامه‌های غیرخطی چندمتغیره 4-10: Newton’s method – Newton’s method for multi-variate NLPs.

  • 4-11: کامپیوتر – استفاده از Gurobi و Python برای NLPs 4-11: Computers – Gurobi and Python for NLPs.

  • 4-12: نکات پایانی 4-12: Closing remarks.

طراحی و ارزیابی الگوریتم‌های 휴ریستیک (ابتکاری) Design and Evaluation of Heuristic Algorithms

  • 5-0: شروع 5-0: Opening.

  • 5-1: پیش‌زمینه 5-1: Background.

  • 5-2: انگیزه و هدف 5-2: Motivation and objective.

  • 5-3: سه سطح مدلسازی 5-3: Three levels of modeling.

  • 5-4: مدلسازی مفهومی 5-4: Conceptual modeling.

  • 5-5: مدلسازی ریاضی (بخش اول) 5-5: Mathematical modeling (1).

  • 5-6: مدلسازی ریاضی (بخش دوم) 5-6: Mathematical modeling (2).

  • 5-7: نتایج 5-7: Results.

  • 5-8: یک الگوریتم 휴ریستیک (ابتکاری) 5-8: A heuristic algorithm.

  • 5-9: شبه‌کد (Pseudocode) 5-9: Pseudocode.

  • 5-10: ارزیابی عملکرد 5-10: Performance evaluation.

  • 5-11: نکات پایانی 5-11: Closing remarks.

خلاصه دوره و مسیرهای یادگیری آینده Course Summary and Future Learning Directions

  • 6-1: خلاصه و بحث‌ها 6-1: Summary and discussions.

  • 6-2: پیش‌نمایش دوره بعدی 6-2: Preview of the next course.

  • داستانی که هرگز تمام نمی‌شود A story that never ends

نمایش نظرات

آموزش تحقیق در عملیات (۲): الگوریتم‌های بهینه‌سازی
جزییات دوره
12h 0m
76
(آخرین آپدیت)
20,156
4.8 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar