Feb 182013
 

دسته بندی روشهای حل :
برای حل ۵ روش متفاوت داریم
۱- روش تحلیلی یا کلاسیک
۲- روش های تصویری Graphical Methods (چشمی – هوش انسانی )
۳- روش های عددی ( ساده ترن روش )
۴- روش های مدرن یا غیر متعارف (هیورستیک

در حل مساله ۳ تا استثنا وجود دارد (اگر مساله کمترین مربعات خطی بود یا LPبرنامه ریزی خطی بود یا محدب بود ) خیالمون راحت میشه

همین که بهترین الگوریتم انتخاب بشود برای دانشجویان مهندسی کفایت می کند

 

بهینه سازی بیشترین کاربرد را در علوم کامپیوتر داره

بهینه سازی ، اگر مساله ای برخوردید در هر کاربردی ، بدونید
که چجوری حل کنید

یکشنبه و پنج شنبه ساعت ۳:۳۰ تا ۵ کلاس حضوری هم با
بچه های روزانه دارم
اگر علاقه مند بودید شرکت کنید

پروژه ای هم نمیدم برای این درس
پروژه بصورت اختیاری میدم

منابع بصورت انگلیسی در سایت خودم گذاشتم
http://math-cs.aut.ac.ir/~shamsi

تمام نمره ارزیابی – امتحان است

تدریس یار : مرتضی بابایی هستند

یک مساله بهینه سازی با ۴ مولفه

optimization variable
Design variable
objective : یک عدد حقیقی را باید بر گردونه
اگر تابع ۲ عدد را برگردونه – بهینه سازی معنی ندارد
بزرگتر و کوچکتر وجود ندارد – مثل ماتریس یا بردار ( فقط در
اعداد حقیقی بزرکتر و کوچکتر داریم )

معمولا مساله رو به فرم جمع و جور تری می نویسیم

بردار های بصورت Bold نمایش میدهیم

فرم کلی مساله بهینه سازی در صفحه ۲ آورده شده

دسته بندی مسایل بهینه سازی : تشخیص نوع مساله

اولین دسته بندی : پیوسته یا گسسته بودن
اگر در تمام Di ها یا بازه باشند یا کل R باشند پیوسته است
Discrit optimization = Network Optimization

ممکن است مخلوط هم باشد Mixed ( هم گسست هو هم
پیوسته )

دسته بندی دوم : وجود یا عدم وجود قید
(قید تساوی یا نا مساوی )

دسته بندی سوم : بر مبنای طبیعت متغیر های تصمیم
اگر مجهولاتتان تابع باشد – Dynamic Optimization پویا
اگر مجهولات عدد باشند Static می گوییم

تا الان تمام مسایل ما Static هستند
هدف پیدا کردن Xi ها است بطوری که مینیم بشوند
دسته بندی چهارم : تصادفی یا قطعی بودن متغیر های تصادفی است

که در این درس تصادفی ها را بررسی نمی کنیم

– دسته بندی پنجم : بر اساس تعداد توابع هدف است
مسایل بهینه سازی تک هدفه – یا چند هدفه

– دسته بندی ششم : بر اساس ماهیت تابع هدف و قیود موجود در مساله بهینه سازی
مساله بهینه سازی خطی

اگر بخواهیم تشریح کنیم حداقل ۲۰ واحد در تحصیلات تکمیلی لازم داریم که تمام شاخه های بهینه سازی را تدریس کنیم

۲- ————————————————————-
دسته بندی روشهای حل :
برای حل ۵ روش متفاوت داریم
۱- روش تحلیلی یا کلاسیک
۲- روش های تصویری Graphical Methods (چشمی – هوش انسانی )
۳- روش های عددی ( ساده ترن روش )
۴- روش های مدرن یا غیر متعارف (هیورستیک )
ant colony
در بعضی مواقع که اندازه مساله بزرگ باشد از روشهای مدرن استفاده می کنیم و در مسائل کوچک ضرورتی به استفاده روش مدرن وجود ندارد

Stephan void – Con

در حل مسائل بهینه سازی ۲ تا چالش دارم

اما ۳ تا استثنا وجود دارد (اگر مساله کمترین مربعات خطی بود یا LPبرنامه ریزی خطی بود یا محدب بود ) خیالمون راحت میشه که
این مسلاه حل شده است

برای LP متغیر های کمی داشته باشیم از simplex ….. استفاده می کنیم
ولی اگر متغیر های interior point نقطه درونی

نرم افزار Cplex توسط شرکت IBM الگوریتم های خوبی وجود دارد از Mathlab

همین که بهترین الگوریتم انتخاب بشود برای دانشجویان مهندسی کفایت می کند
مانند پزشکی که بهترین دارو را انتخاب میکند ، لازم نیست که دکتر خودش دارو را بسازد

کاربرد اقتصادی : تشخیص سبد سهام
tsp traveling salesman problem هنوز نتوانسته ایم با بهینه سازی حل کنیم

 Leave a Reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>

(required)

(required)


eight − = 4

با کلیک روی آگهی زیر مبلغ 400 ریال به حساب من واریز می گردد

با کلیک روی آگهی زیر مبلغ 1000 ریال به حساب من واریز می گردد