×
۴۶,۰۰۰ تومان ۲۷,۶۰۰ تومان

آموزش الگوریتم تجزیه بندرز با پیاده سازی در GAMS

آموزش الگوریتم تجزیه بندرز با پیاده سازی در GAMS

تعداد دانشجو
۱,۲۴۱ نفر
مدت زمان
۵ ساعت و ۹ دقیقه
هزینه عادی آموزش
۴۶,۰۰۰ تومان
در طرح تخفیف
۲۷,۶۰۰ تومان

(کسب اطلاعات بیشتر +)
محتوای این آموزش
۱۹ بازخورد (مشاهده نظرات)
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 ۱۹۶۲ توسط 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 مساله اولیه به دو مساله اصلی و زیر مساله و با ثابت کردن بردار متغیرهای سخت مساله پیچیدگی محاسباتی مساله را بطور قابل توجهی کاهش می دهد و سپس بردار متغیرهای سخت مساله را با اعمال صفحات برشی اصلاح و به سمت مقادیر بهینه شان همگرا می نماید.

آموزش الگوریتم تجزیه بندرز با پیاده سازی در GAMS

مدت زمان
۵ ساعت و ۹ دقیقه
هزینه عادی آموزش
۴۶,۰۰۰ تومان
در طرح تخفیف
۲۷,۶۰۰ تومان

(کسب اطلاعات بیشتر +)
محتوای این آموزش
۱۹ بازخورد (مشاهده نظرات)
مدرس
دکتر محمد روحانی نژاد

دکتری تخصصی مهندسی صنایع

دکتر محمد روحانی نژاد فارغ التحصیل دکترای تخصصی مهندسی صنایع از دانشگاه بوعلی سینا هستند. حوزه پژوهشی وی عمدتا معطوف به طراحی شبکه های پایا و قابل اطمینان در زنجیره تامین، زمان بندی و برنامه ریزی تولید در شرایط ریسک و همچنین نظریه بازی ها بوده و مقالات متعددی در این زمینه ها به تالیف رسانده اند.

تضمین کیفیت و گارانتی بازگشت هزینه
توجه: کیفیت این آموزش توسط فرادرس تضمین شده است. در صورت عدم رضایت از آموزش، به انتخاب شما:
  • ۱۰۰ درصد مبلغ پرداختی در حساب کاربری شما شارژ می‌شود.
  • و یا ۷۰ درصد مبلغ پرداختی به حساب بانکی شما بازگشت داده می‌شود. (توضیحات بیشتر +)

توضیحات تکمیلی

الگوریتم تجزیه بندرز یک روش قدرتمند برای حل مسائل بهینه سازی ریاضی در فرم های (IP/MIP/MILP/MINLP) است که در سال ۱۹۶۲ توسط 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 مساله اولیه به دو مساله اصلی و زیر مساله و با ثابت کردن بردار متغیرهای سخت مساله پیچیدگی محاسباتی مساله را به طور قابل توجهی کاهش می دهد و سپس بردار متغیرهای سخت مساله 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 GAMS (گمز) بررسی می نماییم چگونه می توان با استفاده از این تکنیک زمان دستیابی به جواب های بهینه را کوتاه نماییم.

فهرست سرفصل ها و رئوس مطالب مطرح شده در این فرادرس، 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 (Benders Decomposition)
  • 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 GAMS (گمز)

این آموزش برای رشته های زیر مفید است:
  • کلیه رشته های فنی مهندسی
  • رشته ریاضی
  • شیمی

آنچه در این آموزش خواهید دید:

آموزش ویدئویی مورد تائید فرادرس
مراجع و فایل های جانبی مرتبط با آموزش
فایل برنامه ها و پروژه های اجرا شده
فایل PDF یادداشت‌ های ارائه مدرس

نرم افزارهای مرتبط با آموزش

GAMS Distribution v24

پیش نیاز

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


پیش نمایش‌ها

۱. الگوریتم بندرز - درس یکم

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۵۹ مگابایت -- (کلیک کنید +))

۲. الگوریتم بندرز - درس دوم

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۱۵ مگابایت -- (کلیک کنید +))

۳. الگوریتم بندرز - درس سوم
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۴. الگوریتم بندرز - درس چهارم
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۵. الگوریتم بندرز - درس پنجم
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
این آموزش شامل ۵ جلسه ویدئویی با مجموع ۵ ساعت و ۹ دقیقه است.
با تهیه این آموزش، می‌توانید به همه بخش‌ها و جلسات آن، دسترسی داشته باشید.

راهنمای سفارش آموزش‌ها

آیا می دانید که تهیه یک آموزش از فرادرس و شروع یادگیری چقدر ساده است؟

(راهنمایی بیشتر +)

در مورد این آموزش یا نحوه تهیه آن سوالی دارید؟
  • با شماره تلفن واحد مخاطبین ۵۷۹۱۶۰۰۰ (پیش شماره ۰۲۱) تماس بگیرید. - تمام ساعات اداری
  • با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه


اطلاعات تکمیلی

نام آموزش آموزش الگوریتم تجزیه بندرز با پیاده سازی در GAMS
ناشر فرادرس
شناسه اثر ۸–۱۲۴۵۲–۰۵۱۸۶۴ (ثبت شده در مرکز رسانه‌های دیجیتال وزارت ارشاد)
کد آموزش FVBD9408
مدت زمان ۵ ساعت و ۹ دقیقه
زبان فارسی
نوع آموزش آموزش ویدئویی (نمایش آنلاین + دانلود)
حجم دانلود ۴۲۸ مگابایت (کیفیت ویدئو HD‌ با فشرده سازی انحصاری فرادرس)




نظرات

تا کنون ۱,۲۴۱ نفر از این آموزش استفاده کرده اند و ۱۹ نظر ثبت شده است.
yousef
yousef

ضمن تشکر از مجموعه فرادرس بابت تهیه این مجموعه آموزشی باید بگم که آموزش خیلی خوب و کاملی بود مخصوصا برای کسی که رشته تخصصیش نباشه بسیار کارآمد بود حسابی به دردم خورد
با تشکر از مدرس این مجموعه آموزشی

سید شایان
سید شایان

با سلام خدمت سایت فرادرس و استاد گرامی. آموزش این مبحث خیلی خوب بود.
امیدوارم که در آینده ویدیو آموزشی تجزیه بندرز با روش sample average approximation در گمز را هم در سایت قرار دهید.
خیلی ممنون

ایمان
ایمان

سلام. از نظر بنده آموزش مناسبی می باشد. الگوریتم بسیار کار آمد می با شد. به عنوان پیشنهاد ترکیب این الگوریتم با دیگر الگوریتم ها به عنوان مثال الگوریتم لاگرانژ و یا الگوریتم های فرا ابتکاری نیز می تواند کاربردی بودن این الگوریتم را می تواند نشان دهد.

حسین میرزایی
حسین میرزایی

سلام
بسیار ممنون از ویدیوی آموزشی بسیار خوبتون. الگوریتم تجزیه بندرز یکی از مواردی هست که هیچ جایی به این جامعیت در موردش توضیح داده نشده و خوشحالم که یک آموزش مخصوص این الگوریتم قرار داده شده. مدت زیادی بود که دنبالش بودم و خداروشکر تونستم پیداش کنم. البته اگه حل مثال های مربوط به این الگوریتم در متلب و یا زبان برنامه نویسی مثل پایتون برای مثالهای با حجم بالا اجرا بشه و آموزشش قرار داده بشه بسیار عالی میشه.
با سپاس

ملکی
ملکی

سلام کسی میدونه الگوریتم بندرز را به غیر از گمز باچه نرم افزاری میتونیم پیاده سازی کنیم؟

گلبرگ
گلبرگ

تشکر از استاد --آموزش خیلی خوبیه
اما به نظرم این الگوریتم طولانی و پیچیده ست و شاید یادگیری و استفاده از روش های دیگه (که ساده ترباشه) بهتر باشه

dariush
dariush

سلام
دوستان من کدها رو وقتی برای تجزیه بندرز در حالتی که از تسریع دهنده ها استفاده نمیشه اجرا میکنم جوابهای کران بالا و پایین با جوابی که تو فیلمه فرق داره. در واقع نقطه بهینه اصلی بدست نمیاد و جواب بهینه اصلی با مقدار کران بالا و پایین خیلی فرق داره. به نظرتون ممکنه کدهای تجزیه بندرز پایه مشکل داشته باشه؟ولی کدها رو با فیلم چک کردم دقیقا همون کدها بودن

رامتین
رامتین

با سلام و تشکر ازآموزش خوب دکتر روحانی
لطفا این آموزش ها را نیز ارایه دهید : Branch and Cut --- Branch and Price --- الگوریتم بالاس

نیما
نیما

با سلام
لطفا اموزش الگوریتم های Branch and Cut, و Branch and Price رو هم آماده کنین. مسلما تعداد زیادی از بچه ها به این آموزش ها نیاز دارند.
ممنون

سمیه
سمیه

سلام
خیلی آموزش خوبی بود و بسیار برای من مفید بود اول بسیار ممنونم از دکتر روحانی نژاد که بنظرم درک بالایی از OR دارند و دوم از فرادرس که چنین دوره های خوبی را برنامه ریزی می کنه. من هم تقاضا دارم در مورد دانتزیک ولف و کلاً column generation ها، و سایر روش های دقیق مثل B&B ، B&C ، B&P و ... آموزش تهیه کنید. ممنونم

مهندس
مهندس

با سلام.

این آموزش بی نهایت عالی بود. از آقای دکتر روحانی نژاد تقاضا دارم که در صورت امکان یک آموزشی هم از تجزیه دانتزیج ولف ارائه بدهند تا اطلاعات ما در این زمینه هم کامل بشود.


مهران
مهران

سلام
من این آموزش را ندیدم ولی با شناختی که از دکتر روحانی نژاد در کنفرانس مهندسی صنایع دانشگاه امیرکبیر دارم مطمئناً آموزش خوبی است. دیدم تو کامنت ها راجع به تفاوت multi-cut benders و multi-cut L-shape صحبت شد البته بهتره خود استاد در این خصوص توضیح بدهند اما به نظر من multi-cut L-shape با multi-cut benders در نحوه و رویکرد اجراء هیچ فرقی ندارند فقط L-shape برای مدل های تصادفی بکار میره یا بهتر بگم multi-cut benders وقتی در مسائل تصادفی بکار میره اسمش میشه multi-cut L-shape. البته یک اختلاف جزئی هست همانطور که سعید گفت L-shape همان زیر مسئله را بجای دوگانش حل میکنه ولی مجدداً وقتی میخواهیم برش ها را ایجاد کنیم از قیمت های سایه ای زیر مسئله که همان جواب بهینه دوگان هستند استفاده می کنیم. این یعنی با حل کردن دوگان هیچ فرقی نمی کنه و باز وابسته به دوگان زیر مسئله هستیم (به نظرم بد نیست به مراجع زیر نگاه بشه). اتفاقاً اگر مطمئن باشیم پیچیدگی دوگان زیر مسئله کمتر از خود زیر مسئله است به

sima
sima

سلام و خسته نباشید
آموزش خیلی خوبی بود ولی تنها اشکال آموزش های فرادرس عدم امکان پرسش از مدرس یا مطرح کردن پرسش به صورت کلی است. کاش امکانش وجود داشت.
باز هم ممنون

سعید
سعید

من هنوز آموزش رو ندیدم اما فکر می کنم فیلم خوبی باشه... البته که نیاز هست از قبل مطالعه داشته باشیم و نسبت به مفهوم بندرز شناخت داشته باشیم. در ارتباط با فرق بندرز و l-shape هم باید گفت که اساسا l-shape واسه مسائل تصادفی و جایی که زیر مسئله رو بخوایم (مثلا بر اساس سناریو ها یا محصولات مختلف یا دوزه های مختلف تجزیه کنیم) به کار میره و فرق اساسی بندرز با این روش اینه که در بندرز از دوگان زیر مسئله استفاده میشه در حالی که در l-shape از خود زیر مسئله برای ساخت برش ها استفاده میشه... مثلا واسه مسائل غیر خطی که دوگان گیری سخت باشه... اما اساسا l-shape بر پایه همون بندرز و اولین بار با هدف اپلای کردن واسه مسائل تصادفی ارائه شد...

hamed
hamed

amuzesh khubi ast, be onvne ye startpoint, ama be nazaram vase reshtehay dg ziad karbordi nist.
dar majmoe khub va ghabele tosihe ast.

سید هادی
سید هادی

بسیار سپاسگزار از فرادرس بابت این دوره.
تا کنون هیچ پکیج آموزشی در خصوص الگوریتم تجزیه بندرز با این جامعیت وجود نداشت و بسیاری از دانشجویان علاقه مند معمولاً در متون خارجی نصف و نیمه سردرگم بودند؛ واقعا در جمع آوری این پکیج با تدریس عالی دکتر کار با ارزشی انجام دادید و کار دانشجوها را راحت کردید.
فکر می کنم از این به بعد شاهد پژوهش ها و مقالات بیشتری از دانشجویان ایرانی با تیتر الگوریتم تجزیه بندرز باشیم.
در مورد کامنت آقای احسان هم اینطور که من می دونم و فهمیدم l-shape و multi cut در پایه و اساس از یک منطق استفاده می کنند و آن تجزیه زیر مسئله یا مسئله مرحله دوم به مسائل کوچکتر است و از آنجایی که مدل های تصادفی سناریو بیس با توجه به ساختار مدل سازی شان این امکان را به ما می دهند یکی از زمینه های پر کاربرد برای این نوع از توسعه الگوریتم بندرز هستند که آقای دکتر به این موضوع در اواخر فیلم اشاره کردند. البته همانطور که آقای دکتر گفتند این منطق هم بصورت تک برشی قابل پیاده سازی است و هم بصورت

احسان
احسان

سلام.
در مجموع تدریس استاد خیلی خوب بود. البته اگر توسعه الگوریتم پایه برای شتابدهی رو از اول توضیح می‌دادند و روی کد پایه تغییر ایجاد نمی‌کردند، دنبال کردن مطالب خیلی ساده‌تر انجام می‌شد.
همچنین یک مورد قابل ذکر هست که البته در کلیت کیفیت آموزش خصوصاً برای افراد تازه کار خللی ایجاد نمی‌کنه، اون هم اینکه روش L-Shape یک توسعه روش بندرز برای حل مسایل برنامه‌ریزی تصادفی دو مرحله‌ ای هست و اسم دیگه‌ ای برای بندرز چند برشی (Multi-Cut) نیست و اصلاً خود روش L-Shape در حالت پایه‌ اش یک روش تک برشی هست که البته می‌شه اون رو هم به صورت چند برشی توسعه داد.

ندا رحمانی
ندا رحمانی

فوق العاده بود چند وقتیه درگیر این الگوریتم بودم ابهامات زیادی داشتم نتیجه ای هم که انتظار داشتم نمی گرفتم، اما جواب تمام سوالات مو دکتر روحانی نژاد دادند. بالاخره هم با شتاب دهنده هایی که آموزش دادند مشکل همگرایی الگوریتمم حل شد. ایشان فوق العاده درس میده به نظر من هنر ایشون اینه که موضوعات پیچیده رو خیلی به زبان ساده توضیح میده. لطفا از ایشون برای دوره های آموزشی بیشتر دعوت کنید. باز هم ممنونم.

هدیه
هدیه

خیلی وقت بود منتظر این آموزش بودم. عالیه

برچسب‌ها:
Accelerated | Dual Sub Problems | Dual Sub Problems-DSP | GAMS | L-Shape | Master Problems | Master Problems-MP | MILP | MINLP | MIP | آموزش الگوریتم | آموزش الگوریتم تجزیه بندرز با پیاده سازی در GAMS | آموزش بندرز | آموزش روش تجزیه بندرز | الگوریتم تجزیه بندرز | برش بهینگی | برش شدنی | بندرز | بندرز گمز | پیاده سازی در GAMS | تجزیه بندرز | تجزیه بندرز چیست | تکنیک های تجزیه | حل مثال نرم افزار gamz | حل مثال نرم افزار گمز | رشته ریاضی | روش بندرز Accelerated شده | روش بندرز Accelerated شده و L-Shape | روش بندرز L-Shape | روش های بهینه سازی | روش های بهینه سازی دقیق | شیمی | فرآیند الگوریتم تجزیه بندرز | کران بالا | متغیرهای سخت | محاسبه کران بالا | معرفی Dual Sub Problems-DSP | معرفی Dual Sub Problems-DSP و نقش آن در فرآیند بهینه سازی الگوریتم | معرفی Master Problems-MP | معرفی Master Problems-MP و نقش آن در فرآیند بهینه سازی الگوریتم | معرفی برش بهینگی | معرفی برش شدنی | معرفی تکنیک های تجزیه در بهینه سازی | معرفی شعاع حدی DSP | معرفی شعاع حدی DSP و نحوه تعیین آن | معرفی فرآیند الگوریتم تجزیه بندرز | معرفی متغیرهای سخت | نرم افزار گمز
مشاهده بیشتر مشاهده کمتر

فهرست جلسات ۵ جلسه ویدئویی ×