بهینه‌سازی استوار مبتنی‌ بر سناریو و توسعه برنامه‌ریزی تصادفی با کنترل واریانس و استواری مدل/بهینگی
(با کدنویسی نرم‌افزاری و تحلیل)

Robust Scenario-based Stochastic Programming by Controlling Variance & Model Robustness

بهینه سازی استوار مبتنی بر سناریوهای تصادفی مدل مالوی Mulvey

معرفی دوره

عنوان:

بهینه‌سازی استوار مبتنی‌ بر سناریو و توسعه برنامه‌ریزی تصادفی با کنترل واریانس و استواری مدل/بهینگی (با کدنویسی نرم‌افزاری و تحلیل)

Robust Scenario-based Stochastic Programming by Controlling Variance & Model Robustness

وضعیت:

برگزار شده (ویدیو در دسترس)

مدت زمان:

6 ساعت

مدرس و برگزارکننده:

دکتر علی پاپی‌راد ( آکادمی تخصصی آپتیم‌یار )

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.

در بهینه‌سازی تحت عدم‌قطعیت، استواری (Robustness) یکی از مفاهیم بسیار مهم و کاربردی است که با مدل‌ها و رویکردهای مختلف در انواع مسائل بهینه‌سازی تحت عدم‌قطعیت مطرح می‌شود. اگرچه بهینه‌سازی استوار (Robust Optimization) به عنوان یک پارادایم مهم در بهینه‌سازی تحت عدم‌قطعیت مورد توجه قرار گرفته است و با مفهوم بهینه‌سازی در شرایط سخت‌گیرانه (Worst-case) آورده می‌شود، اما بسیاری از مدل‌های دیگر از جمله مسائل برنامه‌ریزی تصادفی و

برنامه‌ریزی فازی نیز می‌تواند همراه با مفاهیم استواری فرمول‌بندی مجدد شود.
در این میان، رویکرد بهینه‌سازی استوار مبتنی بر سناریوهای تصادفی با کنترل واریانس (انحراف معیار از بهینگی) و ایجاد استواری مدل، که نخستین بار توسط مالوی (Mulvey) ارائه شده است، یکی از مدل‌های بسیار پرکابرد در بهینه‌سازی تحت عدم‌قطعیت است که با استفاده از دو مفهوم استواری حل یا بهینگی (Solution or Optimality Robustness) و استواری مدل شدنی‌بودن (Model or Feasibility Robustness) به توسعه مدل‌های برنامه‌ریزی تصادفی سناریومحور کلاسیک می‌پردازد.
دوره فوق که با عنوان بهینه‌سازی استوار مبتنی‌ بر سناریو و توسعه برنامه‌ریزی تصادفی با کنترل واریانس و استواری مدل/بهینگی (Robust Scenario-based Stochastic Programming) در سایت آپتیم‌یار و با تدریس دکتر علی پاپی ارائه می‌شود، از دوره‌های کاربردی و موردنیاز برای پژوهش‌گران مختلفی در رشته‌های مهندسی و مدیریت است. در این دوره، ابتدا به تعاریف و توضیح مباحث پایه بهینه‌سازی تحت عدم قطعیت و مفاهیم استواری و بهینه‌سازی استوار پرداخته می‌شود و سپس مدل کلاسیک برنامه‌ریزی تصادفی آورده می‌شود و با استفاده از مفهوم استواری مدل و استواری بهینگی، یک مدل بهینه‌سازی سناریومحور استوار مبتنی بر رویکرد پیشنهادی مالوی (Mulvey) تشریح می‌شود. لازم به توضیح است که در این آموزش سری مباحث بهینه‌سازی استوار و برنامه‌ریزی تصادفی، علاوه بر تشریح و توضیح کامل و تئوریک هر روش، به کدنویسی آن پرداخته می‌شود که برای این منظور از نرم‌افزار گمز (GAMS) استفاده می‌شود. نرم‌افزار گمز یکی از پرکاربردترین نرم‌افزارهای تخصصی بهینه‌سازی است که به عنوان یک سیستم مدلسازی جبری، قابلیت پیاده‌سازی انواع مدل‌های بهینه‌سازی تحت عدم‌قطعیت در آن فراهم آورده شده است و بنابراین از این نرم‌افزار، گمز (GAMS)، برای پیاده‌سازی روش بهینه‌سازی استوار سناریومحور مالوی و بکارگیری آن روی یک مطالعه عددی استفاده می‌شود.
به طور خلاصه، در این دوره به آموزش کامل رویکرد بهینه‌سازی سناریومحور تصادفی استوار، توضیح تئوریک آن، اجرا و کدنویسی در نرم‌افزار GAMS و بکارگیری آن روی یک مطالعه عددی و تحلیل نتایج پرداخته می‌شود.

+
اشتراک‌گذاری:
Share on telegram
Share on whatsapp
Share on facebook
Share on twitter
Share on email
Share on linkedin

برای کسب اطلاعلات بیشتر از محتوای این دوره آموزشی، می‌توانید مستقیما از طریق ID تلگرام زیر با مدرس دوره در ارتباط باشید:

سرفصل‌ها

  • مفهوم استواری در برنامه‌ریزی تحت عدم‌قطعیت (Robustness in Optimization under Uncertainty)
  • مدل‌های برنامه‌ریزی تصادفی کلاسیک با ریسک خنثی (Risk-Neutral Stochastic Programming)
  • رویکردها و مدل‌های مختلف ایجاد استواری در مدل‌های برنامه‌ریزی تصادفی سناریومحور (Robustness for SSP Model)
  • رویکرد بهینه‌سازی استوار مالوی مبتنی بر کاهش واریانس و استواری مدل/بهینگی (Mulvey Robust SSP Model)
  • چرایی و نحوه خطی‌سازی مدل استوار مالوی (How to Linearize)
  • انواع خطی‌سازی (Linearization) توابع کوادراتیک و قدرمطلق بدون نیاز به متغیر باینری
  • مدل SSP استوار مبتنی بر کاهش انحراف معیار
  • توضیح مدل استوار Mulvey در بهینه‌سازی چندهدفه
  • چند مطالعه عددی: بیان مسئله – مدلسازی – مدل استوار سناریومحور
  • کدنویسی مطالعه عددی در حالت‌های مختلف اسمی، تصادفی و استوار در نرم‌افزار GAMS
  • تحلیل نتایج عددی و اعتبارسنجی همراه با تبیین نقاط ضعف و قوت (Validation & Evaluation)

منابع مرتبط

  • Mulvey, J. M., Vanderbei, R. J., & Zenios, S. A. (1995). Robust optimization of large-scale systems. Operations research, 43(2), 264-281.
  • Chen, Z. L., Li, S., & Tirupati, D. (2002). A scenario-based stochastic programming approach for technology and capacity planning. Computers & Operations Research, 29(7), 781-806.
  • PapiRAD, A., Pishvaee, M., & Jabarzadeh, A. (2019). Robust optimal disaster relief logistics planning using a bi-objective robust scenario-based stochastic programming model and augmented epsilon constraint method. Disaster Prevention and Management Knowledge (quarterly), 8(4), 349-364.
  • Li, C., & Grossmann, I. E. (2021). A review of stochastic programming methods for optimization of process systems under uncertainty. Frontiers in Chemical Engineering, 2, 622241.
  • Govindan, K., & Cheng, T. C. E. (2018). Advances in stochastic programming and robust optimization for supply chain planning. Computers & Operations Research, 100, 262-269.
  • Zokaee, S., Jabbarzadeh, A., Fahimnia, B., & Sadjadi, S. J. (2017). Robust supply chain network design: an optimization model with real world application. Annals of Operations Research, 257(1), 15-44.
  • Birge, J. R., & Louveaux, F. (2011). Introduction to stochastic programming. Springer Science & Business Media.
  • Prékopa, A. (2013). Stochastic programming (Vol. 324). Springer Science & Business Media.

سوالات متداول

بله، برحسب اعتماد گروه آپتیم‌یار به تمام فراگیران عزیز، با نظر مدرس دوره، ویدئو بازپخش هر بخش، یک سال در داشبورد شخصی هر فراگیر در سایت آپتیم‌یار قرار می‌گیرد. لازم به توضیح است که بعد از این مدت، در صورت صلاحدید مدرس دوره، امکان بارگذاری مجدد محتوا وجود دارد.

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، در انتهای دوره (و یا تماشای ویدیو دوره توسط فراگیر)، در بخش گواهی‌ها درخواست داده می‌شود و بعد از تایید مدرس، گواهی اصلی آپتیم‌یار صادر می‌شود.

بله؛ به طور کامل.

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.

این مورد در اختیار مدرس دوره است. در صورت تمایل مدرس، کدها در داشبورد فراگیر قرار می‌گیرد و می‌تواند فقط و فقط به صورت شخصی استفاده نماید.

برای ثبت‌نام‌‌های زودهنگام معمولا تخفیف لحاظ می‌شود.

برای پاسخ به این مورد باید با مدرس دوره در ارتباط باشید.

 

مدرس دوره

دکتر علی پاپی‌راد
Ali PapiRAD

  • مقطع/مدرک تحصیلی: دانشجوی دکتری مهندسی صنایع و سیستم [بهینه‌سازی و تحقیق در عملیات]
  • تخصص شاخص: بهینه‌سازی و تحقیق در عملیات، یادگیری ماشین و 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, Machine Learning & Data Analytics, Computational Intelligence & Metaheuristics, Decomposition Techniques & Exact Methods, Data-Driven Robust Optimization, Game Theory, Multi Criteria Decision Making

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

کلاس آنلاین + ویدئو بازپخش + کدهای نرم‌افزاری + ارتباط با مدرس و مشاوره + گواهی/Certificate
پرسش و پاسخ و رفع ابهام فراگیران
تضمین کیفیت و گارانتی بازگشت کامل وجه
تضمین کیفیت و گارانتی بازگشت کامل وجه

آپتیم‌یار، با اطمینان از کیفیت دوره‌های آموزشی آنلاین خود و همچنین با اعتماد به فراگیران عزیز، تضمین می‌کند که اگر تا 1 ماه پس از دریافت محتوا و مشاهده فقط 5 ساعت از آن، عدم رضایت اعلام شود، کل وجه واریزی بازگشت داده ‌می‌شود.

ارتباط مستقیم با مدرس دوره، مشاوره و بیان سوالات:

دیدگاه و سوالات

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

خیلی خوب و راضی ام از شرکت در دوره. البته جلسه دوم رو نبودم که وقتی متوجه شدم ویدیوش رو هم تا ی سال در داشبوردم گذاشتن خیلی خیلی خوشحال شدم از انتخابم. خیلی خوبی دکتر پاپی

سید حسنی

من قبلا در چند تا سایت توضیح این روش رو میخوندم و کمی گیج کننده بود. واقعا الان که ویدیو دوره رو دیدم گفتم تشکر ویژه کنم از مدرس این دوره. مدل Mulvey رو توی کلی از مقالات میدیدم ولی اصلا متوجه نمیشدم ولی الان نه فقط مدل بلکه کد رو میدونم. اون نکات راجع به مسائل بهینه سازی چندهدفه هم که معرکه گفتید و حلال باشه پولی که میگیرید

رضاپور

هم تئوری و کد رو عالی بیان کردن دکتر پاپی

رضاپور

بسیار عالی و حرفه ای توضیح میدن

شقایق

خیلی مفید بود و ممنونم