ثبت نام در وب سایت و شرکت در دوره رایگان است

مشاهده رایگان هر ویدئو در بخش «برنامه آموزشی»

۱۴۵ مشاهده

برنامه ریزی ریاضی خطی با بیشینه سازی (ماکسیمم سازی) یا کمینه سازی (مینیمم سازی) یک مدل ریاضی خطی (مدلی که دارای توابع خطی به همراه محدودیت های مساوی نامساوی) است سر و کار دارد. از زمانی که روش سیمپلکس توسط جورج دانتزینگ در سال ۱۹۴۷ توسعه داده شده، برنامه ریزی خطی به صورت گسترده در صنایع مختلف همانند ارتش، دولت، برنامه ریزی شهری، صنعت و بسیاری از حوزه دیگر مورد استفاده قرار گرفت. محبوبیت برنامه ریزی خطی به دو علت است، یکی به خاطر توانایی آن در تعریف بسیاری از مسائل بزرگ و پیچیده و دیگری توانایی آن در حل چنین مسائلی در زمان منطقی (توسط کامپیوترها مدرن). از آنجایی که ممکن است حل مدل های پیچیده و بزرگ به صورت عادی زمان زیادی را بگیرد در بسیاری از مواقع سعی می شود این مدل ها به مدل خطی تبدیل شود تا بتوان آن را با استفاده از برنامه ریزی خطی در زمان مناسب حل کرد.

از زمان توسعه الگوریتم سیمپلکس، بسیاری از محققین سعی کردند تا در رشد برنامه ریزی خطی با توسعه تئوری های ریاضی، افزایش اثربخشی محاسباتی و توسعه کدها، ایجاد الگوریتم ها و کابردهای جدید، مشارکت کنند و نتیجه آن ایجاد ابزارها و راهکارهای بسیار موثری برای حل مسائل پیچیده مختلف همانند برنامه ریزی عدد صحیح، برنامه ریزی غیرخطی، مسائل ترکیبی، مسائل برنامه ریزی تصادفی، سیستم های فازی، هوش مصنوعی و بسیاری از موارد دیگر بوده است.

در این دوره سعی شده تا الگوریتم سیمپلکس به طور کامل هم از لحاظ ریاضاتی و نکات تئوری و هم از لحاظ اجرایی بر اساس توسعه آن در نرم افزار مایکروسافت اکسل (Microsoft Excel) و نیز تشریح نحوه حل مدل ریاضی در نرم افزار لینگو (Lingo) تشریح شود تا بتوان بر اساس آنها در زمان نیاز به حل یک مدل ریاضی در پروژه عملی از برنامه ریزی خطی استفاده کرد.

یادگیری و مطالعه الگوریتم سیمپلکس علاوه بر اهمیت داشتن آن در حل مدل های خطی، مقدمه ای بسیار مناسب برای فراگیری الگوریتم های بسیار پیچیده تر همانند الگوریتم ژنتیک، پرندگان، مورچگان، شبکه عصبی و … خواهد بود و در بسیاری از دانشگاه ها اولین دوره ای که افراد در زمینه تحقیق در عملیات و بهینه سازی باید بگذرانند برنامه ریزی خطی و مطالعه الگوریتم سیمپلکس است.

پیش نیاز ها و نیازمندی ها

 

گذارندن دوره مدلسازی ریاضی خطی

آشنایی با جبر خطی و ریاضیات پایه

آشنایی اولیه با مایکروسافت اکسل

مطالب پوشش داده شده در این دوره

 

مفاهیم الگوریتم سیمپلکس

جواب پایه ای و عملیات جبری سیمپلکس

فلوچارت الگوریتم سیمپلکس

حل سیمپلکس به صورت جدولی

حل سیمپلکس به صورت جدولی در اکسل

حل سیمپلکس با استفاده از فرمول نویسی در اکسل (Iteration in Excel)

حل مدل ریاضی خطی با استفاده از پکیج حل مدل ریاضی در اکسل (Solver Add ins)

حل مدل ریاضی خطی در لینگو (Lingo)

مدل سازی با استفاده از کد نویسی در Lingo

روش سیمپلکس دو فازی

روش سیمپلکس M بزرگ

رفع تباهیدگی در سیمپلکس

دوگان و الگوریتم سیمپلکس دوگان

آنالیز حساسیت در مدل ریاضی خطی

آنالیز حساسیت با استفاده از ابزار What If Analyze در اکسل

آنالیز حساسیت با استفاده از Solver Addins در اکسل

برنامه درسی دوره

الگوریتم سیمپلکس
درس ۱: مقدمه ای بر الگوریتم سیمپلکس جزئیات رایگان 00:26:00
درس ۲: جواب های پایه ای در الگوریتم سیمپلکس جزئیات رایگان 00:40:00
درس ۳: عملیات جبری الگوریتم سیمپلکس جزئیات رایگان 00:57:00
درس۴: گام های الگوریتم سیمپلکس جزئیات رایگان 01:07:00
حل جدولی الگوریتم سیمپلکس
درس ۵: حل الگوریتم سیمپلکس در فرم جدول جزئیات رایگان 00:47:00
درس ۶: تمرین الگوریتم سیمپلکس در فرم جدول جزئیات رایگان 00:44:00
حل الگوریتم سیمپلکس با اکسل
درس ۷: حل الگوریتم سیمپلکس در فرم جدول در اکسل جزئیات رایگان 00:44:00
درس ۸: حل الگوریتم سیمپلکس با استفاده از فرمول نویسی در اکسل جزئیات رایگان 01:00:00
درس ۹: حل مدل ریاضی خطی در اکسل با Solver Addins جزئیات رایگان 00:27:00
حل الگوریتم سیمپلکس با لینگو
درس ۱۰: حل مدل ریاضی خطی با استفاده از لینگو (Lingo) جزئیات رایگان 00:43:00
درس ۱۱: حل مدل ریاضی خطی با استفاده از لینگو (Lingo) و اکسل جزئیات رایگان 00:40:00
الگوریتم سیملپس دو فازی و M بزرگ
درس ۱۲: پیدا کردن نقطه شروع اولیه برای الگوریتم سیمپلکس جزئیات رایگان 00:14:00
درس ۱۳: الگوریتم سیمپلکس دو فازی جزئیات رایگان 00:25:00
درس ۱۴: روش M بزرگ برای سیمپلکس جزئیات رایگان 00:15:00
تباهیدگی و الگوریتم دوگان
درس ۱۵: تباهیدگی در الگوریتم سیمپلکس جزئیات رایگان 00:26:00
درس ۱۶: نظریه دوگان در مدل ریاضی خطی جزئیات رایگان 00:35:00
درس ۱۷: الگوریتم سیمپلکس دوگان جزئیات رایگان 00:16:00
درس ۱۸: تفسیر اقتصادی دوگان جزئیات رایگان 00:17:00
آنالیز حساسیت
درس ۱۹: آنالیز حساسیت در مدل ریاضی خطی جزئیات رایگان 00:41:00
درس ۲۰: آنالیز حساسیت با استفاده از ابزار what if analyzer در اکسل جزئیات رایگان 00:11:00
درس ۲۱: آنالیز حساسیت با استفاده از ابزار solver در اکسل جزئیات رایگان 00:06:00

نقد و بررسی دوره

نامعلوم

امتیاز
  • 5 ستاره0
  • 4 ستاره0
  • 3 ستاره0
  • 2 ستاره0
  • 1 ستاره0

هیچ نقد و بررسی برای این دوره ثبت نشده است.

شرکت در دوره
  • رایگان
  • 120 روز
  • لیست آرزو
11 دانشجو ثبت نام کرد
© دیاکو دانش افزار.

@DeyakoLTD

ما را در تلگرام دنبال کنید.

مشاهده کانال
بستن
X