آموزش Matlab-Meta|آموزش مطلب
آموزش MATLAB-META
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.