- شرح محصول
- مشخصات
- نقد و بررسی
اساساً بهینه سازی یا بهینه یابی یکی از موضوعات جذاب در علوم 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 دانشگاه ها کورس های سه واحدی با عنوان روش های بهینه سازی در MATLAB یا سایر نرم افزارها تدریس می گردد.
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.
هدف از این دوره نیز اجرا و اعمال این روش های بهینه سازی در نرم افزار متلب است. در واقع دورۀ جامع و فراگیر بهینه سازی در MATLAB با هدف پیاده سازی انواع الگوریتم های بهینه سازی صورت می گیرد. این الگوریتم ها عبارت اند از:
الگوریتم ژنتیک (تک هدفه و چند هدفه)
الگوریتم ازدحام ذرات (PSO)
الگوریتم کلونی مورچگان (ACO)
و...
شاید مشهورترین این روش ها، الگوریتم ژنتیک باشد که در اوایل سال 1970 توسط جان هالند معرفی گردید. معروفیت و مشهوریت این روش تا بدان جا است که برخی الگوریتم های فرا ابتکاری را با نام الگوریتم ژنتیک می شناسند در حالی که الگوریتم های دیگری نظیر AntColony نیز وجود دارد.
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...
به همین علت دورۀ آموزشی بهینه سازی در MATLAB به همۀ دانشجویان، دانش آموختگان و علاقمندان توصیه می شود. لذا این دوره جامعیتی برای هیچ رشته و حوزه خاصی ندارد و در واقع مختص همه است !
