آموزش بهینه سازی غیر متمرکز + پیاده سازی در متلب + گواهینامه

آموزش بهینه سازی غیر متمرکز + پیاده سازی در متلب + گواهینامه

امروزه، با افزایش جمعیت كره زمین، تمامی مسائل، از جمله شبكه برق، شبكه مخابرات، میزان مصرف آب، انتشار آلاینده در محیط و بسیاری از موارد دیگر در حال افزایش هستند و باید نیازهای مردم را برآورده کنند. اگر از منابع مورد نظر بدون در نظر گرفتن محدودیت‌ها استفاده شود و مدیریتی روی آن‌ها صورت نگیرد، قطعاً در آینده به مشكل برمی‌خوریم. برای جلوگیری از این خطر، بهتر است با مدیریت و برنامه‌ریزی از منابع موجود استفاده کنیم تا بهترین نتیجه حاصل شود. برای رسیدن به بهترین نتیجه رسیدن به جواب بهینه را نیاز داریم كه این كار با استفاده از بهینه‌سازی امكان‌پذیر است. با بزرگ شدن شبكه‌های مختلفی همچون شبكه برق، شبكه اینترنت، شبكه آب و… استفاده از بهینه‌سازی متمركز به دلیل حجم بالای اطلاعات باعث می‌شود كه نیاز به یک سیستم بسیار قوی و بزرگ باشد كه بتواند مسئله مورد نظر را حل كند که البته زمان حل آن زیاد است. برای كاهش زمان حل مسائل و كوچك‌تر شدن مسائل بهینه‌سازی، از روش‌های بهینه‌سازی غیرمتمركز و توزیع شده استفاده می‌شود. در این فرادرس، قصد داریم به بهینه‌سازی غیرمتمركز بپردازیم و بعد از آموزش الگوریتم‌های آن، با استفاده از چند مثال، روش‌ها را در متلب شبیه‌سازی کنیم.

تریلر دوره

توضیحات کامل دوره

...

سرفصل‌های دوره

  • چکیده
    0:01:41

  • مشتق برداری
    0:14:00
  • ماتریس‌های معین (نیمه‌معین) مثبت و منفی
    0:19:12
  • قضایای بررسی ماتریس‌های معین (نیمه‌معین) مثبت و منفی
    رایگان 0:16:37
  • مثال
    0:08:08
  • آزمون ۱

  • مروری بر تعاریف بهینگی و شرایط کمینگی
    0:17:09
  • ادامه تعاریف بهینگی و شرایط کمینگی به همراه مثال
    0:13:47
  • مروری بر توابع محدب و مقعر
    رایگان 0:07:56
  • بررسی چند مثال
    0:08:48
  • مروری بر الگوریتم بهینه‌سازی تندترین شیب
    0:10:07
  • ارائه مثال از الگوریتم تندترین شیب
    0:09:23
  • مروری بر الگوریتم بهینه‌‌سازی نیوتن
    رایگان 0:04:16
  • مروری بر بهینه‌سازی مقید و شرایط KKT
    0:09:32
  • مثال از بهینه‌سازی مقید
    0:13:24
  • آزمون ۲

  • دوگانی و مساله دوگان لاگرانژ
    رایگان 0:14:03
  • مثال از مساله دوگان لاگرانژ و بررسی Strong Duality
    0:12:40
  • زیر-گرادیان و زیر‌-دیفرانسیل
    0:13:23
  • روش گرادیان تصویر‌شده و شمای کلی از بهینه‌سازی غیرمتمرکز و دلایل استفاده از آن
    0:16:39
  • مسائل جدایی‌پذیر، بررسی مسائل با متغیر تداخلی و روش Primal Decomposition و الگوریتم آن
    0:15:02
  • روش Dual Decomposition و الگوریتم آن – مقایسه روش‌های Primal Decomposition و Dual Decomposition – روش Augmented Lagrange
    0:15:32
  • الگوریتم ADMM و نمای گرافیکی آن – الگوریتم Fast ADMM و معرفی حالت‌های دیگر ADMM
    0:15:16
  • آزمون ۳

  • بررسی مثال 1
    0:15:21
  • بررسی مثال 2
    رایگان 0:07:47
  • بررسی مثال 3
    0:10:23
  • شبیه‌سازی مثال 1 در متلب به روش متمرکز
    0:10:21
  • شبیه‌سازی مثال 1 در متلب به روش غیرمتمرکز
    0:13:35
  • شبیه‌سازی مثال 2 در متلب به روش متمرکز
    0:06:54
  • شبیه‌سازی مثال 2 در متلب به روش غیرمتمرکز
    رایگان 0:07:08
  • شبیه‌سازی مثال 3 در متلب به روش متمرکز
    0:07:26
  • شبیه‌سازی مثال 3 در متلب به روش غیرمتمرکز
    رایگان 0:09:09
  • تمرین ۱ - مقدار بهینه تابع ۱
  • تمرین ٢ - مقدار بهینه تابع ۲
  • تمرین ۳ - مقدار بهینه تابع ۳
  • تمرین ۴ - الگوریتم‌های Primal Decomposition و Dual Decomposition
  • تمرین ۵ - نقطه تعادل تابع
  • تمرین ۶ - بهینه‌سازی تابع۱
  • تمرین ۷ - بهینه‌سازی تابع ۲
  • تمرین ۸ - رسم تابع
  • تمرین ۹ - مقدار بهینه تابع هزینه
  • تمرین ۱۰ - الگوریتم ADMM
  • آزمون ۴

  • جمع‌بندی
    0:03:15
  • ادامه مسیر تا ورود به بازار کار

  • آموزش بهینه‌ سازی غیر متمرکز + پیاده سازی در متلب

ارسال نظر شما

نظرات کاربران

نظرات کاربران

هنوز نظری ثبت نشده است.

1,990,000 تومان
398,000 تومان
80% تخفیف

این دوره شامل:
7 فصل آموزشی
5 ساعت ساعت آموزش
دسترسی مادام‌العمر
سطح: مبتدی
گواهی پایان دوره: ندارد
تاریخ انتشار: 1403/12/09
آخرین به‌روزرسانی: 2026-10-29 14:59:14
تعداد امتیازها: 0
تعداد دانشجو:
خرید اقساطی: ندارد
ضمانت بازگشت وجه: ندارد
برچسب‌ها: