آقای مهندس معین فیروزه، مدرس دانشگاه و مدرس رسمی فنی حرفه ای، ابتدای در این دوره به ارائه توضیحاتی در مورد اهمیت استفاده حرفه ای تر از این نرم افزار و کاربرد های آن پرداخت.

فیروزه گفت: فرآیند بهینه سازی بطور کلی در چهار مرحله فرموله کردن، مدل سازی، بهینه سازی و استقرار مسئله انجام می شود:

فرموله کردن مسئله

در این مرحله، یک مسئله ­ی تصمیم ­گیری، همراه با یک ساختار کلی از آن تعریف میشود. این ساختار کلی ممکن است خیلی دقیق نباشد اما وضعیت کلی مسئله را، که شامل فاکتورهای ورودی و خروجی و اهداف مسئله است، بیان می­ کند. شفاف­ سازی و ساختاردهی به مسئله، ممکن است برای بسیاری از مسایل بهینه­ سازی، کاری پیچیده باشد.

مدل­ سازی مسئله

در این مرحله یک مدل ریاضی کلی برای مسئله، ساخته می­ شود. مدل­سازی ممکن است از مدل­ های مشابه در پیشینه ­ی موضوع کمک بگیرد. این گام موجب تجزیه مسئله به یک یا چند مدل بهینه‌سازی می­ گردد.

بهینه­ سازی مسئله

پس از مدل سازی مسئله، روال حل، یک راه ­حل خوب برای مسئله تولید می­ کند. این راه‌حل ممکن است بهینه یا تقریباً بهینه باشد. نکته ­ای که باید به آن توجه داشت این است که راه ­حل به دست آمده، راه­ حلی برای مدل طراحی شده است، نه برای مسئله ­ی واقعی. در هنگام فرموله کردن و مدلسازی ممکن است تغییراتی در مسئله واقعی به وجود آمده و مسئله­ ی جدید، نسبت به مسئله­ ی واقعی تفاوت زیادی داشته باشد.

استقرار مسئله

راه ­حل به دست آمده توسط تصمیم گیرنده بررسی می­ شود و در صورتی که قابل قبول باشد، مورد استفاده قرار می­ گیرد و در صورتی که راه­حل قابل قبول نباشد، مدل یا الگوریتم بهینه­ سازی باید توسعه داده شده و فرایند بهینه­ سازی تکرار گردد.

مقایسه الگوریتم ها

در سورس کدی که در متلب برای شما آماده شده است به مقایسه 12 الگوریتم بهینه سازی و نتایج حاصل از آنها پرداخته شده است. این الگوریتم ها مبتنی بر جمعیت یا population based بوده که با الهام گیری از طبیعت و محیط پیرامون ما اقدام به حل مسئله می کنند.

و در ادامه به بررسی چند نمونه الگوریتم و کد نویسی در آن ها پرداخت:

الگوریتم ژنتیک GA

الگوریتم ازدحام ذرات PSO

الگوریتم کلونی مورچگان ACO

الگوریتم زنبور عسل مصنوعی BEE

 

در پایان دوره جلسه پرسش و پاسخ برگزار شد.