جستجو
Persian
همه دسته بندی ها
    منو بسته

    MATLAB (دوره جامع بهینه سازی-عمران)

    مدت : 24 ساعت
    590,000 تومان
    i h

    یکی از مسائلی که در رشته های مهندسی و حتی غیرمهندسی بسیار مهم است، بحث بهینه سازی می باشد. روش های حل مسائل بهینه سازی متفاوت هستند. واژه بهینه سازی گاها به اشتباه برای این به کار می رود که ما چیزی را کمینه یا بیشینه کنیم. در صورتی که با تغییر کاربری سوال و با تغییر رویکرد می توان مسئله را به مسائل دیگری تبدیل کرد. برای حل مسائل بهینه سازی روش های مختلفی از جمله روش های کلاسیک و روش های ابتکاری وجود دارند. بسیاری از مسائل بهینه سازی که با آن روبه رو هستیم، گاهی دارای ابعاد بزرگ و پیچیده تری هستند. در این گونه موارد، رسیدن به یک جواب بهینه قطعی، بسیار زمانبر می باشد. بهینه سازی یا بهینه یابی یکی از موضوعات جذاب در علوم و مهندسی می باشد. روش های تئوری و کلاسیکی زیادی برای این روش ها معرفی شده اند. برای مثال می توان به یکی از روش های کلاسیک اشاره کرد که شرط یافتن مینیمم و ماکزیمم در توابع درجه دو، قراردهی مشتق برابر با صفر است. در کنار روش های ریاضی، الگوریتم های هوشمندی نیز برای انجام بهینه سازی معرفی شده است که در قالبی دیگر به الگوریتم های فراابتکاری معروف می باشند. این الگوریتم ها در مسائل پیچیده که الگوریتم های کلاسیک قادر به پاسخگویی نبوده و یا با صرف زمان بسیار زیاد ما را به جواب می رسانند، با تقریب بسیار خوبی نقاط بهینه را به ما می دهند. در این ورکشاپ جامع بر مفاهیم اصلی، تئوری و کاربرد الگوریتم ژنتیک (تک هدفه و چند هدفه)، الگوریتم ازدحام ذرات و الگوریتم کلونی مورچگان در مسائل بهینه سازی و نحوه پیاده سازی آن در نرم افزار MATLAB تمرکز خواهیم داشت.

    الگوریتم ژنتیک تک هدفه:

    - مقدمات روش

    - بیان و معرفی کلیدواژه ها

    - بیان روش های مختلف تقاطع و جهش

    - معرفی شرایط متفاوت خاتمه الگوریتم

    -شیوه کدنویسی

    - معرفی توابع و دستورات مخصوص نرم افزار متلب

    - آموزش نحوه نوشتن توابع توسط کاربر

    -حل مسئله باینری

    - حل مسئله حقیقی

    الگوریتم ژنتیمک چند هدفه:

    - معرفی مسائل چندهدفه و تفاوت آنها با مسائل تک هدفه

    - بررسی مفهوم غالب و مغلوب بودن پاسخ ها و نحوه کدنویسی آنها

    - معرفی مفهوم فاصله ازدحامی و رتبه و نحوه کدنویسی آنها

    - حل چند نمونه مسئله چندهدفه و نحوه کدنویسی آنها

    - معرفی روش تبدیل مسائل مقید بهینه سازی به مسائل چندهدفه و نحوه کدنویسی آنها

    - معرفی معیارهای مقایسه عملکرد الگوریتم های بهینه سازی چند هدفه

    الگوریتم های PSO و ACO:

    - مبانی تئوری روش ازدحام ذرات و روش کلونی مورچگان و پیاده سازی آن ها در متلب

    - حل مسائل گسسته و پیوسته و کدنویسی آن

    -بررسی مسئله فروشنده دوره گرد TSP

    - شناسایی سیستم

    - معرفی الگوریتم مورچگان پیوسته ACOR و حل نمونه مسئله پیوسته و کدنویسی آن

    مشخصات محصولات
    شرکت MathWorks
    پیش نیاز متلب مقدماتی
    وضعیت پیش ثبت نام
    نحوه برگزاری آنلاین و حضوری
    نوع دوره ترمیک
    فیلم دوره موجود است
    مدرک ارائه شده لاتین پارس پژوهان
    0.0 0
    نقد و بررسی خود را بنویسید بستن
    • فقط کاربرانی که ثبت نام کرده اند می توانند نقد و بررسی ها را بنویسند.
    *
    *
    • بد
    • عالی
    *
    *
    *

    یکی از مسائلی که در رشته های مهندسی و حتی غیرمهندسی بسیار مهم است، بحث بهینه سازی می باشد. روش های حل مسائل بهینه سازی متفاوت هستند. واژه بهینه سازی گاها به اشتباه برای این به کار می رود که ما چیزی را کمینه یا بیشینه کنیم. در صورتی که با تغییر کاربری سوال و با تغییر رویکرد می توان مسئله را به مسائل دیگری تبدیل کرد. برای حل مسائل بهینه سازی روش های مختلفی از جمله روش های کلاسیک و روش های ابتکاری وجود دارند. بسیاری از مسائل بهینه سازی که با آن روبه رو هستیم، گاهی دارای ابعاد بزرگ و پیچیده تری هستند. در این گونه موارد، رسیدن به یک جواب بهینه قطعی، بسیار زمانبر می باشد. بهینه سازی یا بهینه یابی یکی از موضوعات جذاب در علوم و مهندسی می باشد. روش های تئوری و کلاسیکی زیادی برای این روش ها معرفی شده اند. برای مثال می توان به یکی از روش های کلاسیک اشاره کرد که شرط یافتن مینیمم و ماکزیمم در توابع درجه دو، قراردهی مشتق برابر با صفر است. در کنار روش های ریاضی، الگوریتم های هوشمندی نیز برای انجام بهینه سازی معرفی شده است که در قالبی دیگر به الگوریتم های فراابتکاری معروف می باشند. این الگوریتم ها در مسائل پیچیده که الگوریتم های کلاسیک قادر به پاسخگویی نبوده و یا با صرف زمان بسیار زیاد ما را به جواب می رسانند، با تقریب بسیار خوبی نقاط بهینه را به ما می دهند. در این ورکشاپ جامع بر مفاهیم اصلی، تئوری و کاربرد الگوریتم ژنتیک (تک هدفه و چند هدفه)، الگوریتم ازدحام ذرات و الگوریتم کلونی مورچگان در مسائل بهینه سازی و نحوه پیاده سازی آن در نرم افزار MATLAB تمرکز خواهیم داشت.

    مشخصات محصولات
    شرکت MathWorks
    پیش نیاز متلب مقدماتی
    وضعیت پیش ثبت نام
    نحوه برگزاری آنلاین و حضوری
    نوع دوره ترمیک
    فیلم دوره موجود است
    مدرک ارائه شده لاتین پارس پژوهان
    برچسب های محصول
    مشتریانی که این کالا را خریدند، کالاهای زیر را نیز می خرند
    تصویر از Machine Learning یادگیری ماشین (عمران)

    Machine Learning یادگیری ماشین (عمران)

    مدت (ساعت): 24
    690,000 تومان