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

دسترسی به اطلاعات این آموزش: اطلاعات کلی محتوا و سرفصل ها پیش نمایش و دانلود اطلاعات تکمیلی دیدگاه ها
آموزش الگوریتم آزاد سازی لاگرانژ و پیاده سازی آن با نرم افزار گمز (GAMS)

درباره ناشر

فرادرس
فرادرس

فرادرس بزرگ‌ترین ناشر دیجیتال آموزش‌های تخصصی، دانشگاهی و مهندسی است.

درباره مدرس

دکتر محمد روحانی نژاد
دکتر محمد روحانی نژاد

شرکت مپصا- سرپرست واحد R&D

دکترای 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. (+)



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.

👤 مدرس: دکتر محمد روحانی نژاد
🕓 مدت زمان: ۲ ساعت و ۵۶ دقیقه
🎓 تعداد دانشجو: ۶۷۹ نفر این آموزش را تهیه کرده اند. — ۱۵ نفر در یک ماه اخیر
روش دریافت: صرفا از طریق لینک دانلود (بدون بسته فیزیکی)

هزینه آموزش: ۱۶,۰۰۰ تومان


آنچه شما در این فرادرس خواهید دید:
آموزش ویدئویی مورد تایید فرادرس
فایل برنامه ها و پروژه های اجرا شده در حین آموزش
فایل PDF یادداشت های مدرس در حین آموزش

تضمین کیفیت و گارانتی بازگشت هزینه
توجه: کیفیت این آموزش توسط فرادرس تضمین شده است. در صورت عدم رضایت از آموزش، به انتخاب شما:
  • به صورت رایگان یک یا چند آموزش معادل دیگر دریافت می کنید.
  • و یا ۷۰ درصد مبلغ پرداختی به حساب بانکی شما بازگشت داده می شود.
    (توضیحات بیشتر +)
دانلود آنی
فعال‌سازی آنی لینک دانلود، بلافاصله پس از ثبت سفارش


    توضیحات

    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

    پیش نمایش

    پیش نمایش ۱: آموزش الگوریتم آزاد سازی لاگرانژ و پیاده سازی آن با نرم افزار گمز (GAMS) - ۱۶ دقیقه


    توجه: ممکن است که به خاطر سرعت پایین اینترنت شما، نمایش آنلاین با کیفیت پایین تر از کیفیت HD ویدئوی اصلی نمایش داده شوند. در این صورت آموزش را دانلود کرده و سپس مشاهده نمایید.

    دانلود مستقیم پیش نمایش

    دانلود مستقیم بخش ۱ - حجم دانلود ۴۴ مگابایت (کلیک کنید +)

    راهنمای دانلود: لطفاً همه بخش ها را ابتدا به صورت کامل در یک فولدر دانلود کنید و کنار هم قرار دهید و سپس روی یکی از آنها کلیک راست کرده و extract نمایید. راهنمایی های بیشتر را در این لینک (+) ببینید.


    پیش نمایش ۲: آموزش الگوریتم آزاد سازی لاگرانژ و پیاده سازی آن با نرم افزار گمز (GAMS) - ۲۶ دقیقه


    توجه: ممکن است که به خاطر سرعت پایین اینترنت شما، نمایش آنلاین با کیفیت پایین تر از کیفیت HD ویدئوی اصلی نمایش داده شوند. در این صورت آموزش را دانلود کرده و سپس مشاهده نمایید.

    دانلود مستقیم پیش نمایش - حجم دانلود ۳۱ مگابایت (کلیک کنید +)



    آموزش‌های پیشنهادی و مرتبط




    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     (کیفیت HD - مورد تایید فنی فرادرس)
    حجم دانلود ۲۵۱ مگابایت     (کیفیت ویدئو HD‌ با فشرده سازی انحصاری فرادرس)


    ​راهنمای تهیه آموزش ها

    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

    با شروع یادگیری، یک کلیک فاصله دارید. همین حالا شروع کنید.

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

    هزینه آموزش: ۱۶,۰۰۰ تومان



    سایر آموزش های دکتر محمد روحانی نژاد




    دیدگاه ها

    ( امتیاز ۴٫۹ از ۵ )
    4.9 از 5


    تا کنون ۶۷۹ نفراز این آموزش استفاده کرده اند و ۶ نظر ثبت شده است.
    1. 5 از 5

      :

      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.

    2. 5 از 5

      :

      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.

    3. 0 از 5

      :

      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

    4. 0 از 5

      :

      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.

    5. 5 از 5

      :

      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.

    6. 5 از 5

      :

      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 ۱۰۰ 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.

    7. 0 از 5

      :

      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.

    8. 0 از 5

      :

      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.

    9. 4 از 5

      :

      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.

    10. 5 از 5

      :

      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

    11. 0 از 5

      :

      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


    نظر شما در مورد این فرادرس چیست؟

    پاسخ دهید

    نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

    امتیاز شما به این آموزش:



​همین امروز شروع به آموختن کنید​

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

هزینه آموزش: ۱۶,۰۰۰ تومان


برچسب‌ها: , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,



فرادرس در رسانه ها و جشنواره ها

روزنامه ایرانیان مرکز توسعه فناوری اطلاعات و رسانه های دیجیتال روز آفرین نت استارت کنفرانس مهندسی برق ایران جشنواره وب ایران