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.

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. ما در این آموزش ضمن بیان مفاهیم و جزئیات این الگوریتم در قالب نرم افزار گمز بررسی می نماییم چگونه می توان با استفاده از این تکنیک زمان دستیابی به جواب های بهینه را کوتاه نماییم.

 

 

برای مشاهده جزئیات و تهیه آموزش الگوریتم تجزیه بندرز با پیاده سازی آن با نرم افزار گمز به این لینک (+) مراجعه نمایید.

 

فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:

• مقدمه ای بر روش های بهینه سازی دقیق
• معرفی تکنیک های تجزیه در بهینه سازی
• معرفی متغیرهای سخت
• معرفی فرآیند الگوریتم تجزیه بندرز
• معرفی Master Problems-MP و نقش آن در فرآیند بهینه سازی الگوریتم
• معرفی Dual Sub Problems-DSP و نقش آن در فرآیند بهینه سازی الگوریتم
• معرفی شعاع حدی DSP و نحوه تعیین آن
• معرفی برش بهینگی
• معرفی برش شدنی
• محاسبه کران بالا
• روش بندرز Accelerated شده و L-Shape
• حل چند مثال در قالب نرم افزار گمز

 

 

برای مشاهده جزئیات و تهیه آموزش الگوریتم تجزیه بندرز با پیاده سازی آن با نرم افزار گمز به این لینک (+) مراجعه نمایید.

 

مفید برای رشته های

• کلیه رشته های فنی مهندسی
• رشته ریاضی
• شیمی

پیش نیازهای علمی

• آشنایی با مدل سازی ریاضی
• مسائل بهینه سازی
• برنامه ریزی خطی و غیر خطی