✅ اطلاع‌رسانی و پشتیبانی دوره‌های آپتیم‌یار
✅ آرشیو محتوا
𝗢𝗽𝘁𝗶𝗺𝗶𝘇𝗮𝘁𝗶𝗼𝗻 & 𝗢.𝗥.
𝗠𝗮𝗰𝗵𝗶𝗻𝗲 𝗟𝗲𝗮𝗿𝗻𝗶𝗻𝗴 & 𝗗𝗮𝘁𝗮 𝗔𝗻𝗮𝗹𝘆𝘁𝗶𝗰𝘀
🔗لینک: https://t.me/Optimyar
👨🏻💻مدیریت:
@sms_optimyar
@my_optimyar
@Ali_PapiRad
Post #161
1.58K
Channel Public Channel
📘 📘 Optimyar | آپتیم‌یار
@optimyar
- Subscribers
- 2.49K
- Photos
- 111
- Videos
- 20
- Links
- 140
Showing posts older than #162 · Back to latest
Older Posts 20 shown
Post #160
1.59K
Forwarded from 𝙰𝚕𝚒 𝙿𝚊𝚙𝚒
خطی سازی ضرب دو متغیر
"اين خطي سازي تقربي هست و بعضا نتايج خوبي حاصل نمي شود"
#Linearization
"اين خطي سازي تقربي هست و بعضا نتايج خوبي حاصل نمي شود"
#Linearization
Post #159
1.6K
Forwarded from 𝙰𝚕𝚒 𝙿𝚊𝚙𝚒
تبدیل عدد صحیح به باینری
کاربرد: خطی سازی ضرب متغیر عددصحیح در پیوسته
محدودیت: اگر کران بالا متغییر عددصحیح زیاد باشد، انگاه این رویکرد متغیرهای باینری زیادی نیازی دارد و باعث سخت شدن مسئله خطی میشود
کاربرد: خطی سازی ضرب متغیر عددصحیح در پیوسته
محدودیت: اگر کران بالا متغییر عددصحیح زیاد باشد، انگاه این رویکرد متغیرهای باینری زیادی نیازی دارد و باعث سخت شدن مسئله خطی میشود
Post #158
1.59K
Forwarded from 𝙰𝚕𝚒 𝙿𝚊𝚙𝚒
📘 Optimyar | آپتیم‌یار سلام دوستان. دو سوال داشتم یکی اینکه آخرین روش‌های حل مسائل چند هدفه با استفاده از روش حل دقیق رو اطلاع دارید؟ جز روش اپسیلون کانستریت و روش لکسیکوگراف، آیا روش حل دقیق دیگه‌ای هست که جبهه پارتو بده؟ ممنون میشم راهنمایی بفرمایید.
دقیق بودن یک رویکرد حل در مسائل MODM به این معناست که جواب یا جوابهای اون روی جبهه پارتو سراسری قرار میگیره و یا اصطلاحا نامغلوب (nondominated) هستن و پاسخ کارا (Efficient) برای مسئله به حساب میاد.
روش هایی مثل مجموع وزنی، اپسیلون محدودیتو امثالهم رو در ادبیات گرچه دقیق میگن، ولی این زیاد درست نیست و تضمینی نیست که لزوما جواب اونا کارا و نامغلوب باشه (البته کارای ضعیف هست که اثبات داره) .
روش اپسلون محدودیت تکامل یافته عملکرد خوبی داره و معمولا جبهه پارتو اون سراسری هست.
روش مجموع وزنی گرچه جبهه پارتو میده ولی امکان داره سراسری نباشه و مغلوب باشن. مثل روش اپسیلون محدودیت کلاسیک
نرم بینهایت LP متریک یک تک جواب همواره نامغلوب هست
لکسیکوگرافیک تک جواب میده و همیشه نامغلوب هست. لکسیکوگرافیک وزنی گرچه چندین جواب داره ولی تضمینی بر نامغلوب بودن اون نیست
روش TH ترکیب نرم 1 و نرم بینهایت در روش LP متریک هست و بنظر بند نتایج خوبی میده و پیاده سازی ساده ای هم داره
برنامه ریزی آرمانی ، و یا آرمانی فازی هم تقریبا شبیه LP متریک کار میکنن که نرمال شده باشه
#MODM
روش هایی مثل مجموع وزنی، اپسیلون محدودیتو امثالهم رو در ادبیات گرچه دقیق میگن، ولی این زیاد درست نیست و تضمینی نیست که لزوما جواب اونا کارا و نامغلوب باشه (البته کارای ضعیف هست که اثبات داره) .
روش اپسلون محدودیت تکامل یافته عملکرد خوبی داره و معمولا جبهه پارتو اون سراسری هست.
روش مجموع وزنی گرچه جبهه پارتو میده ولی امکان داره سراسری نباشه و مغلوب باشن. مثل روش اپسیلون محدودیت کلاسیک
نرم بینهایت LP متریک یک تک جواب همواره نامغلوب هست
لکسیکوگرافیک تک جواب میده و همیشه نامغلوب هست. لکسیکوگرافیک وزنی گرچه چندین جواب داره ولی تضمینی بر نامغلوب بودن اون نیست
روش TH ترکیب نرم 1 و نرم بینهایت در روش LP متریک هست و بنظر بند نتایج خوبی میده و پیاده سازی ساده ای هم داره
برنامه ریزی آرمانی ، و یا آرمانی فازی هم تقریبا شبیه LP متریک کار میکنن که نرمال شده باشه
#MODM
Post #157
1.51K
Forwarded from Sajad Kazemi
سلام دوستان. دو سوال داشتم
یکی اینکه آخرین روش‌های حل مسائل چند هدفه با استفاده از روش حل دقیق رو اطلاع دارید؟
جز روش اپسیلون کانستریت و روش لکسیکوگراف، آیا روش حل دقیق دیگه‌ای هست که جبهه پارتو بده؟
ممنون میشم راهنمایی بفرمایید.
یکی اینکه آخرین روش‌های حل مسائل چند هدفه با استفاده از روش حل دقیق رو اطلاع دارید؟
جز روش اپسیلون کانستریت و روش لکسیکوگراف، آیا روش حل دقیق دیگه‌ای هست که جبهه پارتو بده؟
ممنون میشم راهنمایی بفرمایید.
Post #156
1.51K
Forwarded from 𝙰𝚕𝚒 𝙿𝚊𝚙𝚒
#SUM
Post #155
1.53K
Forwarded from 𝙰𝚕𝚒 𝙿𝚊𝚙𝚒
پاسخ سوال 3 کنکور دکتری مهندسی صنایع سال 98
Post #154
1.51K
Forwarded from 𝙰𝚕𝚒 𝙿𝚊𝚙𝚒
Post #152
1.52K
روش Lp-متریک
در این روش که از روش های حل مسائل MODM به صورت تک جواب هستش، ابتدا مقدار بهینه هر هدف به دست میاد (یعنی چند بار مسئله تک هدفه حل میکنید). بعدش مجموع فاصله اهداف از مقدار بهینه شون رو به عنوان یک هدف جدید تعریف میکنید که میخواید کمینه کنید مقدارش رو. بسته به اینکه شما فاصله رو چطوری تعریف کنید (نرم p چند باشه)، مدلهای مختلفی بدست میاد. در حالت p=1 روش مجموع وزنی سادست و مدل خطی میشه. در p=2 مدل درجه دوم میشه و فاصله اقلیدسی مد نظره (در این حالت میشه مجذور فاصله رو در نظر گرفت که مسئله بهتر حل شه). در p=بینهایت، مسئله minimax میشه یعنی بیشنه انحراف از بهینگی کمینه میشه (در این حالت هم مدل خطی میشه). به طور کلی، هرچی مقدار p افزایش پیدا میکنه حساسیت نسبت به انحرافات بزرگ بیشتر میشه و معمولا مجموع انحرافات افزایش پیدا کنه.
در این روش که از روش های حل مسائل MODM به صورت تک جواب هستش، ابتدا مقدار بهینه هر هدف به دست میاد (یعنی چند بار مسئله تک هدفه حل میکنید). بعدش مجموع فاصله اهداف از مقدار بهینه شون رو به عنوان یک هدف جدید تعریف میکنید که میخواید کمینه کنید مقدارش رو. بسته به اینکه شما فاصله رو چطوری تعریف کنید (نرم p چند باشه)، مدلهای مختلفی بدست میاد. در حالت p=1 روش مجموع وزنی سادست و مدل خطی میشه. در p=2 مدل درجه دوم میشه و فاصله اقلیدسی مد نظره (در این حالت میشه مجذور فاصله رو در نظر گرفت که مسئله بهتر حل شه). در p=بینهایت، مسئله minimax میشه یعنی بیشنه انحراف از بهینگی کمینه میشه (در این حالت هم مدل خطی میشه). به طور کلی، هرچی مقدار p افزایش پیدا میکنه حساسیت نسبت به انحرافات بزرگ بیشتر میشه و معمولا مجموع انحرافات افزایش پیدا کنه.
Post #151
1.5K
Forwarded from 𝙰𝚕𝚒 𝙿𝚊𝚙𝚒
در این روش که از روش های حل مسائل MODM به صورت تک جواب هستش، ابتدا مقدار بهینه هر هدف به دست میاد (یعنی چند بار مسئله تک هدفه حل میکنید). بعدش مجموع فاصله اهداف از مقدار بهینه شون رو به عنوان یک هدف جدید تعریف میکنید که میخواید کمینه کنید مقدارش رو. بسته به اینکه شما فاصله رو چطوری تعریف کنید (نرم p چند باشه)، مدلهای مختلفی بدست میاد. در حالت p=1 روش مجموع وزنی سادست و مدل خطی میشه. در p=2 مدل درجه دوم میشه و فاصله اقلیدسی مد نظره (در این حالت میشه مجذور فاصله رو در نظر گرفت که مسئله بهتر حل شه). در p=بینهایت، مسئله minimax میشه یعنی بیشنه انحراف از بهینگی کمینه میشه (در این حالت هم مدل خطی میشه). به طور کلی، هرچی مقدار p افزایش پیدا میکنه حساسیت نسبت به انحرافات بزرگ بیشتر میشه و معمولا مجموع انحرافات افزایش پیدا کنه.
Post #150
1.56K
📘 Optimyar | آپتیم‌یار DEA _ Ali Papi _ ForAll.gms
کد GAMS مسئله تحلیل پوششی داده (DEA).
این کد روی یک مثال عددی هم پیاده شده برای اینکه براتون قابل درک باشه.
لازم به توضیح است که مثال عددی 10 واحد تصمیم گیری (DMU) رو دربرمیگره که بر اساس دو پارامتر ورودی و دو پارامتر خروجی (از جنس مثب) ارزیابی میشن و کارایی اونا و ضرایب بهینه وردی (v) , خروجی (u) محاسبه و گزارش میشن. موفق باشید.
این کد روی یک مثال عددی هم پیاده شده برای اینکه براتون قابل درک باشه.
لازم به توضیح است که مثال عددی 10 واحد تصمیم گیری (DMU) رو دربرمیگره که بر اساس دو پارامتر ورودی و دو پارامتر خروجی (از جنس مثب) ارزیابی میشن و کارایی اونا و ضرایب بهینه وردی (v) , خروجی (u) محاسبه و گزارش میشن. موفق باشید.
Post #148
1.53K
Forwarded from 𝙰𝚕𝚒 𝙿𝚊𝚙𝚒
📘 Optimyar | آپتیم‌یار DEA _ Ali Papi _ ForAll.gms
کد GAMS مسئله تحلیل پوششی داده (DEA).
این کد روی یک مثال عددی هم پیاده شده برای اینکه براتون قابل درک باشه.
تقدیم به دوستان خوبم در گروه🌺❤️🌺
این کد روی یک مثال عددی هم پیاده شده برای اینکه براتون قابل درک باشه.
تقدیم به دوستان خوبم در گروه🌺❤️🌺
Post #147
1.53K
Post #146
1.54K
Forwarded from 𝙰𝚕𝚒 𝙿𝚊𝚙𝚒
#CCP
#uniform
#uniform
Post #145
1.53K
Forwarded from 𝙰𝚕𝚒 𝙿𝚊𝚙𝚒
📘 Optimyar | آپتیم‌یار اندیس وابسته به اندیس در گمز.pdf
نحوه بیان قیود با اندیس وابسته به اندیس در نرم افزار GAMS
Post #144
1.51K
Post #143
1.51K
Post #142
1.51K
Forwarded from 𝙰𝚕𝚒 𝙿𝚊𝚙𝚒
EWOLagrangeanGrossmann.pdf991.2 KB#تجزیه_لاگرانژ
همین رو چند بار بخونید کفایت میکنه
همین رو چند بار بخونید کفایت میکنه
Post #141
1.49K
Forwarded from 𝙰𝚕𝚒 𝙿𝚊𝚙𝚒
AppliedMathematicalProgramming.pdf19.6 MBیک کتاب خوب از دانشگاه MIT در زمینه برنامه ریزی ریاضی.
بیان و محتواش مفیده.
بیان و محتواش مفیده.
Post #140
1.49K
Forwarded from 𝙰𝚕𝚒 𝙿𝚊𝚙𝚒
VRP.gms2.8 KBنمونه کد مسئله مسیریابی با چند دپو و چند وسیله نقلیه با ظرفیت محدود دپو و وسایل نقلیه