آموزش بهینه سازی با GAMS: Bootcamp A-Z تحقیقات عملیات

Optimization with GAMS: Operations Research Bootcamp A-Z

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: یادگیری بهینه سازی ریاضی و تحقیق در عملیات، برنامه نویسی خطی و غیر خطی، بهینه سازی چند هدفه ... مفاهیم و اصطلاحات اساسی مرتبط با بهینه سازی نحوه فرموله کردن یک مسئله ریاضی برنامه ریزی خطی و کدگذاری مسائل LP در برنامه نویسی خطی عدد صحیح مختلط (MILP) و کدگذاری GAMS مسائل MILP در برنامه نویسی غیرخطی GAMS (NLP) و مسائل کدگذاری NLP در برنامه نویسی غیرخطی عدد صحیح مختلط (MINLP) GAMS و مسائل کدگذاری MINLP در برنامه نویسی هدف متوالی GAMS بهینه سازی چند هدفه و نحوه کدنویسی یک مسئله SGP در GAMS پیشها: هیچ پیش نیازی وجود ندارد زیرا این دوره برای کاملا مبتدی تا بهینه سازی ریاضی طراحی شده است و من از دانلود و نصب GAMS شروع می کنم و دانش آموزان را برای دوره آماده می کنم.

هنر تصمیم‌گیری و یافتن راه‌حل بهینه برای یک مشکل در سال‌های اخیر بیشتر و بیشتر مورد توجه قرار گرفته است. در این دوره، نحوه برخورد با انواع مختلف مسائل بهینه سازی ریاضی را به شرح زیر یاد خواهید گرفت:


  • برنامه نویسی خطی (LP)

  • برنامه نویسی خطی عدد صحیح مختلط (MILP)

  • برنامه نویسی غیر خطی

  • برنامه نویسی غیرخطی عدد صحیح مختلط

  • بهینه سازی چند هدفه

ما از ابتدا شروع می کنیم که باید یک مسئله را فرموله کنید. بنابراین، پس از اتمام این دوره، قادر خواهید بود متغیرهای تصمیم، تابع هدف، محدودیت ها را پیدا و فرموله کنید و پارامترهای خود را تعریف کنید. علاوه بر این، یاد خواهید گرفت که چگونه مدلی را که در محیط GAMS فرموله کرده اید، توسعه دهید. با استفاده از GAMS، یاد خواهید گرفت که چگونه:


  1. مجموعه ها، پارامترها، اسکالرها، محدودیت های تابع هدف را تعریف کنید

  2. وارد کردن و خواندن داده ها از یک منبع خارجی (فایل اکسل)

  3. مشکل بهینه سازی را با استفاده از حل کننده های مختلف مانند CPLEX، IPOPT، COUENNE، BONMIN، ... حل کنید

  4. یک گزارش از نتیجه خود در نتایج GAMS ایجاد کنید

  5. نتایج خود را به یک منبع خارجی (فایل اکسل) صادر کنید

  6. با مشکلات چندهدفه مقابله کنید و آنها را با استفاده از حل کننده های GAMS حل کنید

در این دوره، نمونه‌های بهینه‌سازی ساده تا پیچیده را از حوزه‌های مهندسی، مدیریت تولید، برنامه‌ریزی، حمل‌ونقل، زنجیره تامین و ... حل می‌کنیم.


این دوره بر اساس 3 مثال برای هر یک از بخش های اصلی برنامه نویسی ریاضی ساختار یافته است. در دو مثال اول، نحوه برخورد با آن نوع مشکل خاص را خواهید آموخت. سپس از شما خواسته می شود تا با توسعه مشکل چالش در GAMS خود را به چالش بکشید. با این حال، حتی مشکل چالش نیز با جزئیات توضیح داده شده و حل خواهد شد.



سرفصل ها و درس ها

معرفی Introduction

  • معرفی دوره Course Introduction

  • محتوای دوره Course Content

مقدمه ای بر بهینه سازی ریاضی Introduction to Mathematical Optimization

  • مروری بر مفاهیم مهم بهینه سازی A Review on Optimization’s Important Concepts

نصب و راه اندازی GAMS و محیط GAMS Installation and Environment

  • چرا GAMS؟ Why GAMS?

  • نصب GAMS GAMS Installation

  • مروری بر GAMS Environment Review on GAMS Environment

برنامه ریزی خطی (LP) Linear Programming (LP)

  • مقدمه ای بر مشکلات LP Introduction to LP Problems

  • مثال 1: فرمول مسئله Example1: Problem Formulation

  • مثال 1: توسعه مدل در GAMS Example1: Model Development in GAMS

  • مثال 2: فرمول مسئله Example2: Problem Formulation

  • مثال 2: توسعه مدل در GAMS Example2: Model Development in GAMS

  • مشکل چالش LP LP Challenge Problem

  • راه حل چالش LP LP Challenge Solution

برنامه ریزی خطی عدد صحیح مختلط (MILP) Mixed-Integer Linear Programming (MILP)

  • مقدمه ای بر برنامه نویسی عدد صحیح Introduction to Integer Programming

  • مثال 1: فرمول مسئله Example1: Problem Formulation

  • مثال 1: توسعه مدل در GAMS Example1: Model Development in GAMS

  • مثال 2: فرمول مسئله Example2: Problem Formulation

  • مثال 2: توسعه مدل در GAMS Example2: Model Development in GAMS

  • مشکل چالش MILP MILP Challenge Problem

  • راه حل چالش MILP MILP Challenge Solution

برنامه نویسی غیر خطی (NLP) Non-Linear Programming (NLP)

  • مقدمه ای بر برنامه نویسی غیر خطی Introduction to Non-Linear Programming

  • مثال 1: فرمول مسئله Example1: Problem Formulation

  • مثال 1: توسعه مدل در GAMS Example1: Model Development in GAMS

  • مثال 2: فرمول مسئله Example2: Problem Formulation

  • مثال 2: توسعه مدل در GAMS Example2: Model Development in GAMS

  • مشکل چالش NLP NLP Challenge Problem

  • راه حل چالش NLP NLP Challenge Solution

برنامه نویسی غیرخطی عدد صحیح مختلط (MINLP) Mixed-Integer Nonlinear Programming (MINLP)

  • مقدمه ای بر برنامه ریزی غیرخطی اعداد صحیح مختلط Introduction to Mixed-Integer Non-Linear Programming

  • مثال 1: فرمول مسئله Example1: Problem Formulation

  • مثال 1: توسعه مدل در GAMS Example1: Model Development in GAMS

  • مثال 2: فرمول مسئله Example2: Problem Formulation

  • مثال 2: توسعه مدل در GAMS Example2: Model Development in GAMS

  • مشکل چالش MINLP MINLP Challenge Problem

  • راه حل چالش MINLP MINLP Challenge Solution

بهینه سازی چند هدفه Multi Objective Optimization

  • مقدمه ای بر برنامه ریزی هدف خطی متوالی (SLGP) Introduction to Sequential Linear Goal Programming (SLGP)

  • برنامه نویسی هدف برای بهینه سازی چند هدفه در GAMS Goal Programming for Multi Objective Optimization in GAMS

ویژگی های کنترل جریان Flow Control Features

  • عبارات شرطی (اگر، حلقه، while و for) Conditional statements (if, loop, while & for)

نتیجه Conclusion

  • بررسی و خواندن پیشنهادات Review & Reading Suggestions

جایزه Bonus

  • **پاداش ویژه** **Special Bonus**

نمایش نظرات

آموزش بهینه سازی با GAMS: Bootcamp A-Z تحقیقات عملیات
جزییات دوره
9 hours
39
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
361
- 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

Navid Shirzadi Navid Shirzadi

Data Analyst - Optimization Expert نام من نوید شیرزید است و من بسیار خوشحالم که شما برای خواندن این بخش اینجا هستید! من یک محقق با بیش از 7 سال تجربه در زمینه کنترل سیستم های انرژی یکپارچه با مهارت گسترده در استفاده از استراتژی های بهینه سازی ریاضی هستم. من همچنین در برنامه نویسی با پایتون و توسعه مدل های یادگیری ماشین و یادگیری عمیق برای برنامه های مختلف مهارت دارم. من چندین نشریه در زمینه طراحی و کنترل استراتژی های سیستم های انرژی با استفاده از یادگیری ماشین ، یادگیری عمیق و هوش مصنوعی دارم. به عنوان نتیجه گیری ، من علاقه زیادی به علم داده و یادگیری ماشین و برنامه های بهینه سازی در مشکلات دنیای واقعی دارم و واقعاً دوست دارم تجربه خود را با شما در میان بگذارم!