آموزش ارتباط نرم افزارهای GAMS و MATLAB

آموزش ارتباط نرم افزارهای GAMS و MATLAB

GAMS یک نرم افزار مدل سازی سطح بالا برای برنامه نویسی و حل مسائل بهینه سازی است. این نرم افزار شامل یک کامپایلر و مجموعه ای از حل کننده های جامع با توان اجرایی قوی هست. GAMS برای ساخت مدل های مرکب و در مقیاس بزرگ مناسب است و این امـکان را فراهـم می کند که مدل های بزرگ ایجادشده ذخیره شود و در صورت نیاز برای شرایط (مدل های) جدید تغییر یابد. از طرفی ایجاد خروجی و ارتباط با نرم افزار MATLAB می تواند توانایی و کاربرد این نرم افزار را افزایش دهد. با برقراری ارتباط بین دو نرم افزار MATLAB و GAMS می توان به حل بهتر مسائل Iterative (تکراری) پرداخت و مسائلی مانند بهینه سازی و جایابی و … را با استفاده از قابلیت های هر دو نرم افزار حل کرد.

ادامه مطلب >>

آموزش جامع نرم افزار بهینه سازی لینگو (LINGO)

آموزش جامع نرم افزار بهینه سازی لینگو

نرم افزارهایی مانند GAMS و LINGO و CPLEX از جمله نرم افزار هایی میباشند که هدف آنها حل مدل های ریاضی با استفاده از الگوریتم های خاص تعریف شده در آنها می باشد. در این دوره آموزشی قصد داریم تا بطور کامل نرم افزار Lingo را در در دو سطح عملیاتی و فلسفی، مورد بحث قرار دهیم. انتظار میرود در پایان این دوره تسلط کامل بر روی این نرم افزار را بدست آورده و در حل مدل های مختلف ریاضی از آن استفاده نمایید.

ادامه مطلب >>

آموزش الگوریتم تجزیه بندرز با پیاده سازی در GAMS

آموزش الگوریتم تجزیه بندرز با پیاده سازی در GAMS

الگوریتم تجزیه بندرز یک روش قدرتمند برای حل مسائل بهینه سازی ریاضی در فرم های (IP/MIP/MILP/MINLP) است که در سال ۱۹۶۲توسط آقای بندرز ارائه شد. این الگوریتم یک روش ساختار یافته و هوشمندانه برای مواجه با متغیرهای سخت و پیچیده مدل های ریاضی است. این الگوریتم مبتنی بر تجزیه مسئله اولیه به دو مسئله اصلی و زیر مسئله و با ثابت کردن بردار متغیرهای سخت مسئله پیچیدگی محاسباتی مسئله را بطور قابل توجهی کاهش می دهد و سپس بردار متغیرهای سخت مسئله را با اعمال صفحات برشی اصلاح و به سمت مقادیر بهینه شان همگرا می نماید.

ادامه مطلب >>

آموزش نرم افزار گمز (GAMS)

آموزش نرم افزار گمز (GAMS)

نرم افزار گمز به عنوان یک بزار قدرتمند و فراگیر برای حل مدل های ریاضی حتی در ابعاد بزرگ روز به روز نقش پررنگ تری در رشته های مهندسی ایفا می کند، یعنی هر جا نیاز به تصمیم گیری بهینه با محدودیت زمان، هزینه و منابع داشته باشیم باید از مدل سازی ریاضی استفاده کرده که گمز از ابزارهای بسیار کارآمد حل این نوع مدل ها است. در این آموزش علاوه بر آشنایی با قابلیت ها و ویژگی های نرم افزار گمز برای حل و تحلیل مدل های ریاضی، با اصول و ساختار تشکیل مدل های ریاضی به صورت گام به گام و با حل مثال های آسان به سخت آشنا خواهیم شد تا بتوانیم با درکی درست، ارتباط بیشتری بین ساختار مدل سازی و قابلیت های نرم افزار گمز ایجاد کنیم.

ادامه مطلب >>

آموزش تحلیل پوششی داده ها یا DEA به همراه پیاده سازی عملی در متلب

آموزش تحلیل پوششی داده ها یا DEA به همراه پیاده سازی عملی در متلب

در مجموعه آموزش عملی تحلیل پوششی داده ها یا DEA، پس از مرور کامل و تشریح مبانی تئوری رویکردهای DEA، پیاده سازی عملی این روش ها در محیط متلب مورد بحث و بررسی قرار گرفته است و برنامه های مربوط به چهار رویکرد مورد بررسی، به صورت کاملا گام به گام در محیط متلب پیاده سازی شده اند. در لابلای مباحث مطرح شده نیز، از نرم افزار اکسل برای مصور سازی و ملموس کردن مباحث و مثال های عملی استفاده شده است.

ادامه مطلب >>

جستجوی هارمونی

جستجوی هارمونی

 

در علم کامپیوتر و تحقیق در عملیات، جستجوی هارمونی یا HS یک الگوریتم الهام گرفته شده از پدیده‌های طبیعی‌ است (این دسته از الگوریتم‌ها به الگوریتم‌های متاهیورستیک، محاسبات نرم یا تکاملی نیز معروف هستند) که توسط زنگ ووگیم در سال ۲۰۰۱ و با الهام از فرایند بدیهه‌سازی موسیقی‌دانان ارائه شده است. در الگوریتم HS، هر موسیقی‌دان (متغیر تصمیم‌) یک نوت (یک مقدار) را برای یافتن بهترین هارمونی (بهینه سراسری) می‌نوازد (تولید می‌کند).

ادامه مطلب >>

آموزش الگوریتم بهینه سازی جهش قورباغه یا SFLA در متلب

آموزش الگوریتم بهینه سازی جهش قورباغه یا SFLA در متلب

الگوریتم جهش قورباغه مخلوط شده یا Shuffled Frog Leaping Algorithm (به اختصار SFLA)، یکی از الگوریتم های بهینه سازی فرا ابتکاری است که از رفتار اجتماعی قورباغه ها الهام گرفته شده است، و از نظر طبقه بندی، در میان الگوریتم های رفتاری یا الگوریتم های ممتیک (Memetic Algorithms) قرار می گیرد. از نام های دیگر این الگوریتم که در ایران مصطلح و رایج است، می توان به الگوریتم قورباغه و الگوریتم جهش قورباغه اشاره نمود.

ادامه مطلب >>

فرادرس آموزش الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری

فرادرس آموزش الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری

الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری یا Teaching-Learning-Based Optimization (به اختصار TLBO)، یکی از جدیدترین الگوریتم هایبهینه سازی هوشمند است که در سال ۲۰۱۱ و با الهام گرفتن از فرایند یادگیری و آموزش، ابداع شده است. در الگوریتم TLBO یک مدل ریاضی برای آموزش و یادگیری در نظر گرفته شده است.

ادامه مطلب >>