| 1 |
جایگاه درس در برنامه درسی دوره |
یکی از دروس دوره کارشناسی ارشد در گرایش ریاضی کاربردی است. |
| 2 |
هدف کلی |
آشنای دانشجویان با مفاهیم بهینه‌سازی غیرخطی و کاربردهای آن، بررسی شرایط لازم و کافی بهینگی برای مسایل نامقید و مقید و ارایه و بررسی الگوریتم‌هایی برای مسایل بهینه‌سازی غیر خطی |
| 3 |
شایستگی های پایه |
شنایی با مفاهیم بهینه‌سازی و دروس مربوط به بهینه سازی در دوره کارشناسی |
| 4 |
اهداف یادگیری |
آشنایی با بهینه‌سازی غیرخطی، آشنایی با شرایط لازم و کافی بهینگی برای مسایل نامقید و مقید، آشنایی با روش تندترین کاهش و روش نیوتن، درک اهمیت مفهوم تحدب در بهینه‌سازی به علاوه در این درس روشهای حل مسائل بهینه سازی به کمک اگوریتم های شهودی و تکاملی مانند GA و PSO تدریس خواهد شد |
| 5 |
روش تدریس |
استفاده از سامانه های تدریس مجازی برای تدریس و استفاده از زبان برنامه نویسی Python برای کد نویسی الگوریتم های معرفی شده در محیط Jupyter |
| 6 |
وظایف دانشجو |
حضور مستمر در کلاس و شرکت در فعالیت های کلاسی، تحویل به موقع تمرینات و تکالیف کلاسی و پروژه های تعریف شده |
| 7 |
منبع |
1- Algorithms for Optimization, Mykel J. Kochenderfer, Tim A. Wheeler, 2019 2- Introduction to Algorithms for Data Mining and Machine Learning, Xin-She Yang, 2019 |
| 8 |
مواد و امکانات آموزشی |
ابزارهای هوشمند مانند گوشی و لپ تاپ برای حضور در کلاس های مجازی و دریافت فایل PDF کتاب های معرفی شدهو اینترنت و هم چنین ویدیوهای درسی در اینترنت |
| 9 |
نحوه ارزشیابی |
تمرین های تحویلی، آزمون های کلاسی، ارائه ها و تحویل پروژه های داده شده به همراه آزمون پایان ترم |