معرفی دوره

عنوان:

تکنیک‌های تجزیه و رویکردهای حل دقیق مسائل بهینه‌سازی (همراه با کدنویسی در نرم‌افزار GAMS)

Decomposition Techniques and Exact Solution Methods for Optimization Problems

مکان:

این دوره به‌صورت آنلاین و در پلتفرم برگزاری دوره‌های آنلاین همین سایت (آپتیم‌یار) برگزار می‌شود. مدرس دوره کاملا با شرکت‌کنندگان در تعامل است و خواص پویایی و ارتباط با شرکت‌کنندگان کاملا برقرار است.

زمان:

این دوره در حال برنامه‌ریزی زمانی و پیش‌ثبت‌نام است. جهت پیش‌ثبت‌نام در این دوره، فقط کافی است نام، شماره تماس و یا آدرس ایمیل خود را به یکی از راه‌های ارتباطی زیر ارسال نمایید:

مناسب برای:

رشته‌های مهندسی، علوم پایه و مدیریت ( از جمله ریاضیات، صنایع، کامپیوتر، برق/سیستم، عمران، مکانیک، انرژی، حمل‌‌ونقل، اقتصاد و... ) و به طور کلی، هر زمینه آکادمیک و یا صنعتی/سازمانی مرتبط با مباحث برنامه‌ریزی، تصمیم‌گیری، بهینه‌سازی و تحلیل.

سطح دوره:

جامع (پایه تا پیشرفته)

برای اطلاعات تکمیلی، ویدئو معرفی دوره زیر را تماشا بفرمایید:

ویدئو معرفی دوره

این ویدئو را به اشتراک بگذارید.

برای اطلاع از محتوا و برنامه زمانی این دوره آموزشی، می‌توانید مستقیما از طریق ID تلگرام زیر با مدرس دوره در ارتباط باشید:

سرفصل‌های دوره

◼ دسته‌بندی انواع رویکردهای حل و تضمین بهینگی (Optimality Guarantee) و انتخاب متدلوژی حل

◼ روش‌های کلاسیک حل دقیق مسائل بهینه‌سازی ( شمارش، Branching ، Cutting و ...)

◼ روش‌های مدرن حل دقیق مسائل بهینه‌سازی مبتنی بر تجزیه (Benders, Lagrangean, LS, DW, CG, …)

◼ اصول تجزیه بندرز و L-شکل (Benders Decomposition & L-shaped)، کاربرد و نقاط قوت/ضعف

◼ اصول آزادسازی و تجزیه لاگرانژ (Lagrangean Relaxation/Decomposition)، کاربرد و نقاط قوت/ضعف

◼ اصول تجزیه‌ دانتزیگ-ولف (Dantzig-Wolf Decomposition)، کاربرد و نقاط قوت/ضعف

◼ اصول تکنیک‌های تولید ستون (Column Generation)، شاخه و قیمت/کران (Branch & Price/Cut)

◼ روش تجزیه بندرز (Benders Decomposition) و نکات خاص اجرای آن

◼ روش تجزیه بندرز (BD) بدون مدلسازی و کدینگ دوگان (BD without Dual)

◼ روش تجزیه L-shaped نکات خاص اجرای آن

◼ کاربرد تکنیک‌های تجزیه بندرز و L-شکل برای مسائل بهینه‌سازی تصادفی سناریومحور (Stochastic)

◼ روش آزادسازی لاگرانژ (Lagrangean Relaxation) نکات خاص اجرای آن

◼ روش تجزیه لاگرانژ (Lagrangean Decomposition) نکات خاص اجرای آن

◼ روش برش‌زنی محلی (Local Brancing)، کاربرد و نکات خاص اجرای آن

◼ روش‌های رایج تسریع(Accelerating) روش تجزیه بندرز (L-shaped, …، Pareto Cut)

◼ روش‌های مدرن تسریع(Accelerating) در روش تجزیه بندرز (LB, CCB, VI …)

◼ بهبود/تکامل تکنیک آزادسازی لاگرانژ (Augmented Lagrangean Decomposition)

◼ روش‌های تجزیه‌ دانتزیگ-ولف (DW) و تولید ستون (CG)

◼ روش تولید سطر/قید و ستون/متغیر (Column & Raw Generation)

◼ روش‌‌های شاخه-قیمت (Branch & Price)، شاخه و برش (Branch & Cut) و ترکیبی (B&P&C)

◼ تکنیک‌های تجزیه (بندرز و لاگرانژ) برای مسائل بهینه‌سازی چندهدفه (MODM)

سوالات متداول

بله؛ حسب اعتماد گروه آپتیم‌یار به تمام دانش‌پذیران عزیز، ویدئو‌ تمام دوره‌ها ضبط می‌شود و در داشبورد شخصی هر فرد ثبت‌نام کننده قرار می‌گیرد.

 

ویدئو هر جلسه در داشبورد شخصی شما قرار دارد و به صورتی برنامه‌ریزی شده است که فقط روی یک سیستم و با کد شخصی شما قابل پخش باشد. برای حفظ حقوق مدرسین گروه تخصصی آپتیم‌یار، لطفا از اشتراک‌گذاری خودداری نمایید.

گرچه سیاست اصلی ما این است که ویدیو فقط در داشبورد شخصی افراد شرکت‌کننده در دوره قرار گیرد، ولی برای این مورد می‌توانید با شماره تماس 09120044190 (به صورت پیامک/تلگرام) در ارتباط باشید.

لطفا به احترام حقوق مدرس و همچنین سایر شرکت کنندگان، فقط فرد ثبت‌نام ‌کننده حضور داشته باشد.

بله؛ افراد شرکت‌کننده در هر دوره به گروه مرتبط با آن دوره اضافه می‌شوند و علاوه بر تعامل و هم‌فکری با یکدیگر طی و بعد از دوره، مدرس دوره هم در حد توان و وجود زمان، با آنها هم‌فکری دارد.

بله؛ تمام رویکردها و روش‌هایی که در این دوره آموزش داده می‌شود، در نرم‌افزار‌ GAMS (و در صورت نیاز (نه لزما)، برای برخی از روش‌ها در MATLAB و یا ++C) پیاده‌سازی می‌شود. کدها (فقط و فقط) در اختیار شرکت‌کنندگان قرار می‌گیرید. گروه آپتیم‌یار پیشاپیش از شما برای عدم به اشتراک‌گذاری کدها و احترام به حقوق مدرس دوره، سپاسگزاری ‌می‌کند.

برای ثبت‌نام‌‌های زودهنگام معمولا تخفیف 20% تا 30% لحاظ می‌شود.

اطلاعات پایه مباحث بهینه‌سازی و تحقیق در عملیات و آشنایی با نرم‌افزار GAMS . هرگونه مطالعه پایه و پیشین، موجب می‌شود که ارتباط بیشتری با محتوای کلاس داشته باشید. لازم به توضیح است که در سطح پایه و أصول، کلیات نرم‌افزار GAMS نیز مرور می‌شود تا قبل از پیاده‌سازی روش‌ها، همه شرکت‌کنندگان با این نرم‌افزار آشنا و طی دوره مسلط شوند.

مدرس دوره

شخصی

دکتر علی پاپی
Ali Papi

  • مقطع/مدرک تحصیلی: دانشجوی دکتری مهندسی صنایع و سیستم [بهینه‌سازی و تحقیق در عملیات]
  • تخصص شاخص: بهینه‌سازی و تحقیق در عملیات، علم تحلیل داده، تکنیک‌های تجزیه و روش‌های حل دقیق، بهینه‌سازی استوار داده‌محور، هوش محاسباتی و الگوریتم‌های فراابتکاری، نظریه بازی، بهینه‌سازی چندهدفه و تصمیم‌گیری چندمعیاره

    Optimization & Operations Research, Data Analytics, Computational Intelligence & Metaheuristics, Decomposition Techniques & Exact Methods, Data-Driven Robust Optimization, Game Theory, Multi Criteria Decision Making

  • علاقه‌مندی‌: بکارگیری مدل‌های بهینه‌سازی استوارداده‌محور و رویکردهای حل هوشمند و دقیق برای حل مسائل مختلف صنعتی/سازمانی
  • زبان/نرم‌افزار شاخص‌: GAMS, IBM CPLEX, MATALB, Python, C++, MiniZinc, Vensim

دوره‌های مرتبط

دیدگاه و سوالات

(برای تسریع در فرایند بررسی و پاسخ به سوال شما، پیشنهاد می‌شود در سایت عضویت داشته باشید.)
4 دیدگاه/سوال
جدید‌ترین
قدیمی‌ترین محبوب‌ترین
بازخورد داخلی
نمایش تمام دیدگاه‌ها
رضاوند

سلام ببخشید دکتر پاپی جدیدا داره دوره هاش رو حضوری برگزار میکنه؟ آخه من الان دوستم توی دوره ایشون هستند و گفتند حتی به مباحث تولید ستون و روش شاخه و قیمت رسیدن در صورتی که اینجا زده در حال پیش ثبت نام. ممنون میشم نحوه شرکت در دوره های حضوری ایشون رو هم بفرمایید

Ali

سلام . از آنجا که ممکن است بعضی از دانشجویان در زمان برگزاری دوره ها دارای محدودیتی باشند که نتوانند در همان تاریخ در دوره شرکت کنند و متاسفانه در زمان نیاز دانشجو به این اموزش ها نیز ، دوره به اتمام رسیده باشد و قابل تهیه و شرکت کردن نباشد .
اگر ممکن است مثلا جلسات دوره ها بصورت فیلم های آموزشی کد گذاری شده ضبط و در همین سایت به فروش برسد تا دانشجویان در زمان نیاز به این آموزش ها بتوانند حداقل خریداری کنند . خیلی عالی می شود .

حدیث حسینی

لطفا سریع تر برگزار کنید. عالیه سر فصل ها. من قبلا دوره تجزیه بندرز و لاگرانژ دکتر پاپی در نرم افزار CPLEX رو بودم و واقعا خوب بیان کردند. لطفا دوره الگوریتم های فراابتکاری هم ایشون برگزار کنند