لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش الگوریتمهای تقریبی
- آخرین آپدیت
دانلود Approximation Algorithms
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
بسیاری از مسائل الگوریتمی در دنیای واقعی را نمیتوان با استفاده از ابزارهای الگوریتمی سنتی به شکلی کارآمد حل کرد، برای مثال به این دلیل که این مسائل از نوع NP-hard هستند. هدف از دوره الگوریتمهای تقریبی، آشنایی با مفاهیم و تکنیکهای الگوریتمی مهم برای مقابله مؤثر با چنین مسائلی است. این تکنیکها زمانی کاربرد دارند که ما لزوماً به دنبال راه حل بهینه برای برخی مسائل نیستیم، بلکه یک راه حل تقریبی که به پاسخ بهینه نزدیک باشد برایمان کفایت میکند. در این دوره خواهیم دید که چگونه میتوان این تقریبها را به صورت کارآمد پیدا کرد.
پیشنیازها:
برای گذراندن موفقیتآمیز این دوره، شما باید دانش پایهای در زمینه الگوریتمها و ریاضیات داشته باشید. در اینجا لیست کوتاهی از مواردی که باید بدانید آورده شده است:
- نمادهای O، Ω و Θ؛ نحوه تحلیل الگوریتمها
- حساب دیفرانسیل و انتگرال پایه: کار با مجموعها، حل روابط بازگشتی، کار با لگاریتمها و غیره
- تئوری احتمال پایه: رویدادها، توزیعهای احتمال، متغیرهای تصادفی، مقادیر مورد انتظار و غیره
- ساختارهای داده پایه: لیستهای پیوندی، پشتهها، صفها، هیپها
- درختهای جستجوی دودویی (متعادل)
- الگوریتمهای مرتبسازی پایه، مانند MergeSort، InsertionSort و QuickSort
- اصطلاحات گراف، نمایش گرافها (لیست مجاورت و ماتریس مجاورت)، الگوریتمهای پایه گراف (BFS، DFS، مرتبسازی توپولوژیک، کوتاهترین مسیرها)
مطالب این دوره بر اساس جزوات آموزشی است که در تب منابع (resources) قابل دسترسی است.
سرفصل ها و درس ها
مقدمهای بر الگوریتمهای تقریبی
Introduction to Approximation algorithms
مقدمهای بر الگوریتمهای تقریبی
Introduction to Approximation Algorithms
مسئله تعادل بار (Load Balancing)
The Load Balancing problem
یک الگوریتم حریصانه برای تعادل بار
A greedy algorithm for load balancing
تحلیل الگوریتم حریصانه
Analysis of the greedy-algorithm
الگوریتم زمانبندی مرتبشده
The ordered scheduling algorithm
نمایش نظرات