آموزش MATLAB (دوره جامع بهینه سازی-عمران)

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.