اساساً بهینهسازی یا بهینهیابی یکی از موضوعات جذاب در علوم و مهندسی است. روشهای تئوری و کلاسیکی برای این فرآیند معرفی شدهاند. به عنوان مثال، در توابع درجه دو، شرط یافتن مینیمم و ماکزیمم، قرار دادن مشتق برابر با صفر است. این علم توسعه فراوانی یافته، تا جایی که در برخی دانشگاهها کورسهای سه واحدی با عنوان روشهای بهینهسازی تدریس میگردد.
در کنار روشهای ریاضی، الگوریتمهای هوشمند نیز برای بهینهسازی معرفی شدهاند که به عنوان الگوریتمهای فرا ابتکاری شناخته میشوند. مشهورترین آنها الگوریتم ژنتیک است که در اوایل دهه ۱۹۷۰ توسط جان هالند معرفی شد.
کاربردهای متنوع و متفاوت این الگوریتمها را میتوان در هر علمی یافت؛ برای مثال، بهینهسازی شکل آیرودینامیکی خودرو برای کاهش مصرف سوخت یا افزایش سرعت، بهینهسازی دماغه شاتلهای فضایی برای کاهش حرارت در فاز ورود به جو، بهینهسازی مکانی سنسورهای تشخیص عیب در هر وسیلهای و بهینهسازی شرایط اقتصادی برای ایجاد کمترین تورم از کاربردهای آنها است.
در آخر به پذیرفتهشدگان این دوره مدرک مؤسسه به زبان انگلیسی ارائه میشود.
با شرکت در این دوره، ابتدا با مفاهیم پایهای و مهم انواع الگوریتمها آشنا میشویم. در ادامه، با بیان روشهای مختلف تقاطع و جهش، شرایط متفاوت خاتمه الگوریتم و شیوه کدنویسی و همچنین معرفی توابع در متلب آشنا خواهیم شد. با حل مسائل مختلف از انواع الگوریتمها، حل مسئله و کدنویسی حرفهای را تمرین میکنیم تا در پایان به روشهای متنوع بهینهسازی مسلط شویم.
بله، باید متلب مقدماتی بلد باشید ولی اگر همزمان در طول کلاس سوالی وجود داشت اساتید پاسخ میدهند.
در این دوره، مدلهای مختلفی از بهینهسازی گفته خواهد شد و محدود به یک مدل نخواهد بود.
خیر، با توجه به مدت زمان 24 ساعته دوره مدلهای پیشرفته بهینهسازی به صورت مثال محور و پروژه محور جلو خواهد رفت.