آموزش Matlab-Meta|آموزش مطلب

آموزش MATLAB-META

ارتباط با ما

برای بهینه سازی مسائل مهندسی خصوصا از دیدگاه آمریکایی ابتدا مدل ریاضی بر اساس فرضیاتی از دنیای واقعی توسعه داده می شود. در مرحله بعد اقدام به حل و تعیین جواب مدل می شود.

یکی از مهم ترین و کاراترین نرم افزارها در پیاده سازی مدل های ریاضی و حل آن ها نرم افزار متلب می باشد. نرم افزار متلب به واسطه برخورداری از زبان برنامه نویسی سطح بالا و محیط برنامه نویسی قوی برای توسعه الگوریتم، مدلسازی، آنالیز داده و محاسبات عددی مناسب است.

این دوره مناسب چه افرادی است؟

  • کارشناسان و برنامه ریزانی که با فرآیندهای بهینه سازی سر و کار دارند.
  • مهندسین، دانشجویان و فارغ التحصیلانی که علاقمند به یادگیری و فعالیت در این حوزه هستند.

اهداف دوره آموزش Matlab-Meta

  • آشنایی با مفاهیم بهینه سازی
  • آشنایی با تکنیک¬های بهینه سازی
  • آشنایی با کلاس بندی مسائل از جمله P، NP، NP-Hard و …
  • آشنایی با برخی از الگوریتم های فراابتکاری
  • آشنایی با نرم افزار چندمنظوره MATLAB
  • حل مدل ها و مسائل کاربردی در نرم افزار MATLAB به کمک الگوریتم های فراابتکاری

سرفصل های دوره آموزش Matlab-Meta

  • آشنایی با الگوریتم های فرا ابتکاری و کاربردهای آن
  • مقدمه ای بر بهینه سازی و انواع آن
  • مقدمه ای بر نرم افزار MATLAB
  • آشنایی با توابع مرتبط و رسم نمودار
  • آشنایی با نحوه ارتباط نرم افزار با سایر نرم افزارها از جمله Excel, GAMS و …
  • آشنایی با اصول برنامه نویسی در MATLAB
  • آشنایی با الگوریتم شبیه سازی تبرید (SA) + کدنویسی در MATLAB
  • آشنایی با الگوریتم جستجوی ممنوعه (TS) + کدنویسی در MATLAB
  • آشنایی با الگوریتم ژنتیک (GA) + کدنویسی در MATLAB
  • آشنایی با الگوریتم کلونی مورچگان (ACO) + کدنویسی در MATLAB
  • آشنایی با الگوریتم بهینه سازی ازدحام ذرات (PSO) + کدنویسی در MATLAB
  • مقدمه ای بر بهینه سازی چندهدفه و الگوریتم های آن
  • آشنایی با الگوریتم NSGA-II
  • کدنویسی انواع مثال های کاربردی با الگوریتم های فرا ابتکاری

پروژه نهایی دوره

برای یادگیری بهتر و کارامدتر، چندین پروژه در طی دوره با فراگیران کار خواهد شد. برای هر قسمت به صورت جداگانه مدل های مقالات به عنوان پروژه پایانی مطرح می شود.