دانلود آنی
بهینه سازی یعنی یافتن بهترین پاسخ ممکن از بین پاسخ های موجود برای یک مساله. به طور کلی هر زمان با مسائلی مانند: پیدا کردن بیشترین، کمترین، بهترین، ارزان ترین، کوتاه ترین و از این دست مسائل رو به رو شدید، می توانید با روش های بهینه سازی به این مسائل پاسخ دهید.
در این آموزش ما به دنبال ارائه چند مساله کلاسیک بهینه سازی هستیم که کاربرد بسیار زیادی در حل مسائل مختلف دارند. یعنی ما روش هایی برای حل کلاس بزرگی از مسائل بهینه سازی نیز ارائه می دهیم. به منظور ارتباط بهتر با مسائل بهینه سازی، ما از زبان علمی و پرکاربرد پایتون (Python) استفاده می کنیم و بنابراین شما می توانید روند پیاده سازی یک مساله بهینه سازی به صورت کامپیوتری را ببینید و با آموزش این روند، مسائل خودتان را نیز در پایتون پیاده سازی کنید.
واضح است که مسائل بهینه سازی تقریبا در تمام علوم وجود دارند و شما همیشه به دنبال یافتن بهترین جواب از بین جواب های موجود برای مساله خود هستید. حل دستی بهینه سازی تنها برای مسائل خیلی کوچک امکان پذیر است و برای مسائل علمی که ما روزانه با آن درگیر هستیم، استفاده از کامپیوتر ضروری است. ما در این آموزش از زبان پایتون استفاده می کنیم چرا که همزمان هم برنامه نویسی را ساده کرده و هم بسیار قدرتمند است و به این ترتیب در پایان این آموزش شما هم با بهینه سازی و هم با پیاده سازی آن در پایتون آشنا می شوید که این به شما برای پیاده سازی مسائل بهینه سازی مربوط به خودتان کمک می کند.
فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
- درس یکم: مسائل بهینه سازی کوله پشتی
- الگوریتم Greedy و پیاده سازی در پایتون (Python)
- مساله کوله پشتی ۰/۱ و پیاده سازی در پایتون
- درس دوم: مسائل بهینه سازی گراف
- مفهوم گراف و مسائل کلاسیک در تئوری گراف
- پیاده سازی مساله کوتاه ترین مسیر در گراف با الگوریتم BFS و DFS در پایتون
- درس سوم: برنامه نویسی پویا
- دنباله فیبوناچی با و بدون برنامه نویسی پویا
- برنامه نویسی پویا و مساله کوله پشتی
- پیاده سازی مساله کوله پشتی با برنامه نویسی پویا در پایتون
مفید برای رشته های
- مهندسی کامپیوتر
- مهندسی صنایع
- مهندسی مکانیک
مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند 
علی :
با سلام خدمت تمام افرادی که در ساخت و پخش این آموزش ها دستی دارند این آموزش بسیار کمک کننده در زمینه یادگیری پایتون (با تمرین کردن در همین آموزش) و یاد گرفتن مسایل مهم بهینه سازی می باشد که به من برای ساختن اولین پروژه بهینه سازیم با پایتون بسیار کمک کرد ولی امیروارم پیاده سازی بهینه سازی های بهتر مانند الگوریتم ژنتیک و یا حتی با شبکه عصبی را با پایتون در سایتتون قرار دهید