هزینه آموزش
۲۱,۰۰۰ تومان

آموزش الگوریتم آزاد سازی لاگرانژ و پیاده سازی آن با نرم افزار گمز (GAMS)

آموزش الگوریتم آزاد سازی لاگرانژ و پیاده سازی آن با نرم افزار گمز (GAMS)

تعداد دانشجو
۱,۳۲۶ نفر
مدت زمان
۲ ساعت و ۵۶ دقیقه
هزینه آموزش
۲۱,۰۰۰ تومان
محتوای این آموزش
۱۲ بازخورد (مشاهده نظرات)
آموزش الگوریتم آزاد سازی لاگرانژ و پیاده سازی آن با نرم افزار گمز (GAMS)

الگوریتم آزاد سازی لاگرانژ یکی از روش های ابتکاری پرکاربرد در حل مسائل بهینه سازی ترکیباتی ریاضی است. این الگوریتم که مبتنی بر قضیه لاگرانژ برای حل مسائل بهینه سازی مقید توسعه داده شده است با آزاد سازی همه یا برخی قیودات مساله ضمن فراهم نمودن اطلاعاتی از جواب بهینه مساله اصلی، جواب های تقریبی قابل قبولی را برای مساله اصلی ایجاد می کند که عمدتا از این جواب ها می توان به عنوان یک کران در سایر الگوریتم های بهینه سازی بهره گرفت.

آموزش الگوریتم آزاد سازی لاگرانژ و پیاده سازی آن با نرم افزار گمز (GAMS)

تعداد دانشجو
۱,۳۲۶ نفر
مدت زمان
۲ ساعت و ۵۶ دقیقه
هزینه آموزش
۲۱,۰۰۰ تومان
محتوای این آموزش
۱۲ 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.

توضیحات تکمیلی

در این فرادرس ما به آموزش الگوریتم آزاد سازی لاگرانژ و پیاده سازی آن با نرم افزار GAMS می پردازیم. الگوریتم آزاد سازی لاگرانژ یکی از روش های ابتکاری پرکاربرد در حل مسائل بهینه سازی ترکیباتی ریاضی است. این الگوریتم که مبتنی بر قضیه لاگرانژ برای حل مسائل بهینه سازی مقید توسعه داده شده است با آزاد سازی همه یا برخی قیودات مساله ضمن فراهم نمودن اطلاعاتی از جواب بهینه مساله اصلی، جواب های تقریبی قابل قبولی را برای مساله اصلی ایجاد می کند که عمدتا از این جواب ها می توان به عنوان یک کران در سایر الگوریتم های بهینه سازی بهره گرفت.

از طرفی نرم افزار Gams نیز طی سال های اخیر به دلیل توان بالای این نرم افزار در حل مسائل بهینه سازی با ابعاد بزرگ و پیچیده و تنوع solver های آن از اقبال گسترده ای در بین اساتید، دانشجویان و محققین برخوردار شده است. به همین دلیل در این آموزش ضمن بیان مفاهیم و جزئیات الگوریتم آزاد سازی لاگرانژ سعی شده است چندین مثال عددی از این الگوریتم در قالب نرم افزار Gams پیاده سازی و اجرا شده و نتایج آن به عنوان یک الگوریتم قدرتمند در مسائل بهینه سازی ریاضی مورد تجزیه و تحلیل قرار گیرد.

فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
  • معرفی روش آزاد سازی لاگرانژ
    • مقدمه و ضرورت بکارگیری روش آزاد سازی لاگرانژ
    • معرفی انواع قیود مساله
    • بیان قضیه لاگرانژ و کاربرد آن در بهینه سازی
    • معرفی ساب گرادیان ها
    • معرفی حدود بالا و پایین و کاربرد آن ها
    • معرفی ضرایب لاگرانژ و نحوه بروز رسانی آن ها
  • حل دو مثال کاربردی با نرم افزار gams
    • حل مساله تخصیص
    • حل مساله تعیین اندازه انباشته
مشاهده بیشتر مشاهده کمتر

آنچه در این آموزش خواهید دید:

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



پیش نمایش‌ها

۱. آموزش الگوریتم آزاد سازی لاگرانژ و پیاده سازی آن با نرم افزار گمز (GAMS) - بخش 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: ۸۸ مگابایت -- (کلیک کنید +))

۲. آموزش الگوریتم آزاد سازی لاگرانژ و پیاده سازی آن با نرم افزار گمز (GAMS) - بخش 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: ۳۱ مگابایت -- (کلیک کنید +))

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 آزاد سازی لاگرانژ و پیاده سازی آن با نرم افزار گمز (GAMS)
ناشر فرادرس
شناسه اثر ۸–۱۲۴۵۲–۰۵۰۷۶۸ (ثبت شده در مرکز رسانه‌های دیجیتال وزارت ارشاد)
کد آموزش FVOR94051
مدت زمان ۲ ساعت و ۵۶ دقیقه
زبان فارسی
نوع آموزش آموزش ویدئویی (لینک دانلود)
حجم دانلود ۲۵۱ مگابایت (کیفیت ویدئو HD‌ با فشرده سازی انحصاری فرادرس)


نظرات

تا کنون ۱,۳۲۶ نفر از این آموزش استفاده کرده اند و ۱۲ نظر ثبت شده است.
بهروز
بهروز

آموزش بسیار عالی و کاربردی بود و من واقعا راضی بودم.

ایمان
ایمان

با سلام. مفاهیم پایه ای مناسب می باشد. ولی بنظرم در مورد بحث توسعه یافته کمی با شتاب تدریس شده است. ضمنا می توان از کاربرد الگوریتم لاگرانژ در دیگر مسایل حتی رشته برق نیز بهره گرفت. در مورد کد نویسی بنظرم پیاده سازی این الگوریتم در نرم افزار متلب نیز حائز اهمیت می باشد. با تشکر

حسین
حسین

با عرض سلام
با تشکر از آموزش بسیار خوبتون. من مدتها دنبال آموزش الگوریتم ازادسازی لاگرانژ بودم و این بهترین منبعی بود که میشد همه اطلاعات رو یکجا ازش دریافت کرد. یک پیشنهاد جهت افزایش کارایی آموزش ها داشتم و اون اینه که برای حل مسایل مربوط به موضوع مورد آموزش، اگر از مثالهای واقعی با داده های واقعی استفاده بشه بسیار مفید خواهد بود. فکر میکنم برای این کار میشه از مسایل موجود در مقالات مختلف مرتبط با موضوع و داده های اونا استفاده کرد.
با تشکر

گلبرگ
گلبرگ

سلام و تشکر از استاد محترم دکتر روحانی نژاد.
آموزش بسیار خوب و قابل فهم ای بود. شاید اگر استاد محترم اوایل تدریس برای تفهیم مطالب، کمی بیشتر توضیح می دادن بهتر بود.
مورد دیگه اینکه به نظرم اگر به جای ارایه این آموزش در دو فایل، آموزش در سه فایل ارایه می شد مناسب تر بود.
مدت زمان فایل دوم کمی طولانی است. منتظر این نوع آموزش ها که کمتر استادی توانایی بیان آن را دارد هستیم.

طیبی
طیبی

سلام، با tohidi موافقم، بهینه سازی استوار (رباست) مبحث بسیار مهمی هست و جا داره بیشتر بهش بها داده بشه. اگر مجموعه ای برای آموزش بهینه سازی رباست به همراه کدینگ گمزش تولید بشه حتما مفید خواهد بود.

tohidi
tohidi

سلام و تشکر از استاد محترم.

بحث بهینه سازی در شرایط عدم قطعیت بحث جدید و پیچیده ای برای دانشجویان صنایع می باشد. در این زمینه آموزش خاصی وجود ندارد و بیشتر دانشجویان سر در گم هستند. روش های حل بهینه سازی در شرایط عدم قطعیت مانند روش های احتمالی، فازی و بخصوص روش جدیدتر یعنی بهینه سازی استوار کمتر مورد توجه قرار گرفته است در حالیکه این موضوع جدیدا موضوع پایان نامه خیلی از دانشجوها بوده است. پیشنهاد می شود ترجیحا مدلسازی و در نهایت حل با نرم افزار گمز هم در نظر گرفته شود.

حسین
حسین

سلام وقت بخیر.
آموزشون واقعا عالی بود. هم در قسمت تئوری کل مطالب مربوط به الگوریتم لاگرانژ را تشریح کردند و هم در قسمت کدنویسی در نرم افزار گمز. امیدوارم بتونم بیشتر از تجربیات همچین اساتید خوبی در زمینه مهندسی صنایع استفاده کنم. در همین راستا اگر امکانش هست یک آموزشی تحت عنوان بهینه سازی در شرایط عدم قطعیت (که از زمینه های تخصصی ایشون می باشد) که مربوط به رشته مهندسی صنایع باشه را می خواهیم که دکتر روحانی نژاد زحمت آموزششونو بکشن چون واقعا بچه ها رو میبینم که در این زمینه ضعف دارند و مفهوم عدم قطعیت ( احتمالی، فازی، خاکستری و....)براشون تقریبا گنگ می باشد. اگر بشود که از صفر تا 100 این موضوع را پوشش بدهند (تئوری و کد نویسی) و در نهایت هم کد نویسی این آموزش را در گمز یا متلب به اتمام برسونند. خیلی ممنون.

شفیعی
شفیعی

با سلام. فیلم اموزشی بسیار پر کاربرد و مفیدی در زمینه تحقیق در عملیات بود. از جمله مواردی است که در بسیاری از دانشگاه های کشور آموزش داده نمی شود. من این آموزش رو به همه مهندسان صنایع توصیه می کنم. از یک طرف کیفیت فیلم آموزشی تهیه شده دارای سطح قابل قبولی است و از طرف دیگر مدرس آقای دکتر محمد روحانی نژاد تسلط کافی به حوزه مورد نظر داشتند. استفاده از مثال های آموزشی برای تفهیم بهتر یکی از نقاط قوت این فیلم آموزشی هست. همچنین نرم افزار گمز که دهه اخیر بسیار مورد استفاده قرار گرفته است. من هم مثل دوستانی که نظر دادند تقاضا دارم این آموزش هایی که در اگثردانشگاه های کشور داده نمی شود ولی در پروژه ها و مقالات برای حل مدل های مختلف مورد استفاده قرار می گیرد، در اینده نیز تکرار شود. آموزش الگوریتم های حل دقیق مثل الگوریتم تجزیه بندرز و الگوریتم هایی مانند sample average approximation بسیار می تواند کمک حال دانشجویان در انجام پروژه ها و مقالات باشد. با تشکر.

محسن
محسن

با تشکر از آموزش خیلی خوبتون. به یکی از مواردی پرداختید که مدت ها به دنبالش بودم. ممنون میشم اگر بحث ‌Bender decomposition رو هم در ادامه آموزش بدهید. با تشکر.

سیما
سیما

ممنون از آموزش خیلی خوب آقای روحانی نژاد. لطفا از آقای روحانی نژاد درخواست کنید تا آموزش پیاده سازی Bender decomposition رو هم آموزش بدن. خیلی مفید خواهد بود. ممنون

مهدی
مهدی

ممنون از آموزش های مفیدتون. این آموزش هم به مانند آموزش های قبلی عالی بود.
من نیز به دنبال اجرای تکنیک تجزیه ی بندرز در نرم افزار گمز هستم و به نظرم گزینه ی خوبی برای ادامه ی آموزش های مربوط به نرم افزار گمز هست. لذا خواهشمندم در صورت امکان تیم اجرایی فرادرس این آموزش رو هم در برنامه های کاری خود در نظر بگیرند. با تشکر.

مهران
مهران

باسلام
ممنونم از فرادرس خیلی وقت بود دنبال این دوره بودم. دوره بسیار خوبی آماده شد تسلط علمی دکتر روحانی نژاد بسیار خوب است و از طرفی بیان خوبی هم دارند. از فرادرس خواهشمندم فیلم آموزش الگوریتم تجزیه بندرز (Benders decomposition) را هم تهیه کنند.


برچسب‌ها:
Constrained Optimization | GAMS | Lagrange multipliers | Lower bound | MATLAB | Upper bound | آزاد سازی لاگرانژ | آموزش الگوریتم | آموزش الگوریتم آزاد سازی لاگرانژ و پیاده سازی آن با نرم افزار گمز (GAMS) | آموزش الگوریتم بندرز | آموزش تصویری نرم افزار gams | آموزش روش تجزیه بندرز | آموزش مقدماتی بهینه سازی با نرم افزار gams | آموزش نرم افزار gams برق | ارتباط گمز و متلب | ارتباط گمز و مطلب | ارتباط نرم افزارهای GAMS و Matlab | الگوریتم آزاد سازی | الگوریتم آزاد سازی لاگرانژ | انواع قیود مسئله | بهینه سازی | بهینه سازی مقید Lagrangian Relaxation | بیان قضیه لاگرانژ و کاربرد آن در بهینه سازی | پارامترها در GAMS | پیاده سازی آن با نرم افزار GAMS | پیاده سازی آن با نرم افزار گمز | حدود بالا و پایین | حل مسئله تخصیص | حل مسئله تعیین اندازه انباشته | حل مساله بهینه سازی در GAMS | خواندن اطلاعات GAMS در MATLAB | روش آزاد سازی لاگرانژ | روش لاگرانژ در بهینه سازی | ساب گرادیان | ضرایب لاگرانژ | ضرایب لاگرانژ pdf | ضرورت بکار گیری روش آزاد سازی لاگرانژ | قضیه لاگرانژ | کران بالا | کران پایین | گمز | لاگرانژ | معرفی انواع قیود مسئله | معرفی حدود بالا و پایین و کاربرد آنها | معرفی روش آزاد سازی لاگرانژ | معرفی ساب گرادیان ها | معرفی ضرایب لاگرانژ و نحوه بروز رسانی آنها | نرم افزار GAMS | نرم افزار MATLAB | نرم افزار بهینه سازی gams | نرم افزار گمز | نرم افزار گمس | نرم‌افزار GAMS
مشاهده بیشتر مشاهده کمتر
فهرست جلسات ۲ جلسه ویدئویی ×