جستجو
Persian
همه دسته بندی ها
    منو بسته

    بهینه‌ سازی در MATLAB (هوافضا)

    تاریخ شروع : پس از هماهنگی با شرکت کنندگان مدت : 24 ساعت
    690,000 تومان
    i h

    اساسا بهینه سازی یا بهینه یابی یکی از موضوعات جذاب در علوم و مهندسی است. روش های تئوری و کلاسیکی برای این روش ها معرفی شده است. 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.

    این علم توسعه فراوانی یافته تا آنجا که در برخی از دانشگاهها کورس های سه واحدی با عنوان روش های بهینه سازی تدریس میگردد.

    در کنار روش های ریاضی، الگوریتم های هوشمندی نیز برای انجام بهینه سازی معرفی شده اند که در قالبی دیگر به الگوریتم های فرا ابتکاری معروف می باشند.

    شاید مشهورترین این روش ها، الگوریتم ژنتیک می باشد که در اوایل 1970 توسط جان هالند معرفی گردید. معروفیت و مشهوریت این روش تا بدان جاست که برخی الگوریتم های فراابتکاری را با نام الگوریتم ژنتیک می شناسند در حالیکه روش های دیگری چون PSO، AntColony و ... نیز وجود دارد.

    برای درک بهتر این الگوریتم مثالی میزنیم. فرض کنید به دنبال مینیمم یابی تابع y=fx می باشید که متغیر x می تواند یک میلیون ورودی بگیرد. روش سرچ عمومی بدین شکل عمل میکند که هر یک میلیون ورودی را وارد تابع f کرده و خروجی ها چک شده و مینیمم یا ماکزیمم پیدا میگردد.

    اما روش های فراابتکاری (برای نمونه الگوریتم ژنتیک) اینگونه عمل نمیکنند. آنها ایجاد شده اند که به جای ارزیابی یک میلیون ورودی، برای مثال با ارزیابی 500 ورودی به نقطه مینیمم یا ماکزیمم برسند.

    کاربردهای متنوع و متفاوت این الگوریتم ها را در هر علمی میتوان یافت. برای مثال:

    بهینه سازی شکل آیرودینامیکی خودرو برای کاهش مصرف سوخت یا افزایش سرعت!

    بهینه سازی دماغه شاتل های فضایی برای کاهش حرارت در فاز ورود به جو!

    بهینه سازی مکانی سنسورهای تشخیص عیب در هر وسیله ای!

    بهینه سازی شرایط اقتصادی برای ایجاد کمترین تورم!

    و قس علی هذا !

    در این ورکشاپ جامع بر مفاهیم اصلی، تئوری و کاربرد الگوریتم ژنتیک (تک هدفه و چند هدفه) الگوریتم ازدحام ذرات (PSO) و الگوریتم کلونی مورچگان (ACO) در مسائل بهینه سازی و نحوه پیاده سازی آن در نرم افزار متلب تمرکز خواهد بود.

    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
    *
    *
    • بد
    • عالی
    *
    *
    *

    اساسا بهینه سازی یا بهینه یابی یکی از موضوعات جذاب در علوم و مهندسی است. روش های تئوری و کلاسیکی برای این روش ها معرفی شده است. 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.

    این علم توسعه فراوانی یافته تا آنجا که در برخی از دانشگاهها کورس های سه واحدی با عنوان روش های بهینه سازی تدریس میگردد.

    در کنار روش های ریاضی، الگوریتم های هوشمندی نیز برای انجام بهینه سازی معرفی شده اند که در قالبی دیگر به الگوریتم های فرا ابتکاری معروف می باشند.

    شاید مشهورترین این روش ها، الگوریتم ژنتیک می باشد که در اوایل 1970 توسط جان هالند معرفی گردید. معروفیت و مشهوریت این روش تا بدان جاست که برخی الگوریتم های فراابتکاری را با نام الگوریتم ژنتیک می شناسند در حالیکه روش های دیگری چون PSO، AntColony و ... نیز وجود دارد.

    برای درک بهتر این الگوریتم مثالی میزنیم. فرض کنید به دنبال مینیمم یابی تابع y=fx می باشید که متغیر x می تواند یک میلیون ورودی بگیرد. روش سرچ عمومی بدین شکل عمل میکند که هر یک میلیون ورودی را وارد تابع f کرده و خروجی ها چک شده و مینیمم یا ماکزیمم پیدا میگردد.

    اما روش های فراابتکاری (برای نمونه الگوریتم ژنتیک) اینگونه عمل نمیکنند. آنها ایجاد شده اند که به جای ارزیابی یک میلیون ورودی، برای مثال با ارزیابی 500 ورودی به نقطه مینیمم یا ماکزیمم برسند.

    کاربردهای متنوع و متفاوت این الگوریتم ها را در هر علمی میتوان یافت. برای مثال:

    بهینه سازی شکل آیرودینامیکی خودرو برای کاهش مصرف سوخت یا افزایش سرعت!

    بهینه سازی دماغه شاتل های فضایی برای کاهش حرارت در فاز ورود به جو!

    بهینه سازی مکانی سنسورهای تشخیص عیب در هر وسیله ای!

    بهینه سازی شرایط اقتصادی برای ایجاد کمترین تورم!

    و قس علی هذا !

    در این ورکشاپ جامع بر مفاهیم اصلی، تئوری و کاربرد الگوریتم ژنتیک (تک هدفه و چند هدفه) الگوریتم ازدحام ذرات (PSO) و الگوریتم کلونی مورچگان (ACO) در مسائل بهینه سازی و نحوه پیاده سازی آن در نرم افزار متلب تمرکز خواهد بود.

    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
    کارگاه اصول و فنون مقاله نویسی (هوافضا)

    کارگاه اصول و فنون مقاله نویسی (هوافضا)

    يكروزه مدت : 5 ساعت
    120,000 تومان