اپلیکیشن اندرویدی فلش‌کارت آموزشی بهره‌برداری از پراکندگی در بهینه‌سازی چندجمله‌ای

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهره‌برداری از پراکندگی در بهینه‌سازی چندجمله‌ای

موضوع کلی: بهینه‌سازی و علوم کامپیوتر

موضوع میانی: بهینه‌سازی ریاضی و الگوریتم‌ها

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر بهینه‌سازی چندجمله‌ای
• 2. مفاهیم اساسی بهینه‌سازی
• 3. تابع هدف چندجمله‌ای
• 4. قیدهای چندجمله‌ای
• 5. فضای متغیرها
• 6. مقدمه‌ای بر پراکندگی
• 7. اهمیت پراکندگی در علوم کامپیوتر
• 8. انواع پراکندگی
• 9. ماتریس‌های پراکنده
• 10. نمایش ماتریس‌های پراکنده
• 11. عملیات با ماتریس‌های پراکنده
• 12. مقدمه‌ای بر الگوریتم‌های بهینه‌سازی
• 13. روش‌های تکراری در بهینه‌سازی
• 14. روش گرادیان کاهشی
• 15. روش نیوتن
• 16. روش‌های شبه‌نیوتن
• 17. بهینه‌سازی محدب
• 18. مقدمه‌ای بر بهینه‌سازی نامحدب
• 19. توابع چندجمله‌ای تخت
• 20. قضایای اساسی در بهینه‌سازی چندجمله‌ای
• 21. حل مسائل بهینه‌سازی با ابعاد بالا
• 22. روش‌های مبتنی بر لاگرانژ
• 23. تابع لاگرانژ
• 24. شرایط کاروش-کوهن-تاکر
• 25. حل عددی شرایط کاروش-کوهن-تاکر
• 26. مقدمه‌ای بر روش‌های مبتنی بر هم‌ترازی
• 27. مشتقات جزئی توابع چندجمله‌ای
• 28. ماتریس هسین
• 29. محاسبه هسین برای توابع چندجمله‌ای
• 30. استفاده از پراکندگی در محاسبه هسین
• 31. روش‌های تجزیه ماتریس
• 32. تجزیه مقادیر منفرد (SVD)
• 33. تجزیه مقادیر ویژه (EVD)
• 34. کاربرد SVD در بهینه‌سازی
• 35. کاربرد EVD در بهینه‌سازی
• 36. مقدمه‌ای بر روش‌های مبتنی بر دنباله
• 37. دنباله ساندویچ
• 38. دنباله بالا
• 39. دنباله پایین
• 40. ارتباط دنباله‌ها با بهینه‌سازی
• 41. تئوری دوگانگی در بهینه‌سازی
• 42. دوگان لاگرانژی
• 43. مسائل دوگان
• 44. شرایط قوی دوگانگی
• 45. حل مسائل دوگان با استفاده از پراکندگی
• 46. مقدمه‌ای بر روش‌های مبتنی بر سایز
• 47. روش سایز تصادفی
• 48. روش سایز جهت‌دار
• 49. کاربرد روش‌های سایز در بهینه‌سازی
• 50. مقدمه‌ای بر بهینه‌سازی با قیدهای نابرابری
• 51. شرایط KKT برای قیدهای نابرابری
• 52. نرم‌سازی قیدها
• 53. روش‌های نقطه داخلی
• 54. مقدمه‌ای بر روش‌های مبتنی بر فضا-حالت
• 55. روش‌های مبتنی بر فضا-حالت در سیستم‌های خطی
• 56. کاربرد فضا-حالت در بهینه‌سازی
• 57. بهینه‌سازی در سیستم‌های دینامیکی
• 58. مقدمه‌ای بر بهینه‌سازی توزیع‌شده
• 59. الگوریتم‌های بهینه‌سازی توزیع‌شده
• 60. کاربرد پراکندگی در بهینه‌سازی توزیع‌شده
• 61. شبکه‌های عصبی و بهینه‌سازی
• 62. آموزش شبکه‌های عصبی
• 63. بهینه‌سازی در یادگیری عمیق
• 64. کاربرد پراکندگی در یادگیری عمیق
• 65. تحلیل پیچیدگی الگوریتم‌های بهینه‌سازی
• 66. پیچیدگی محاسباتی
• 67. پیچیدگی زمانی
• 68. پیچیدگی مکانی
• 69. تحلیل پیچیدگی الگوریتم‌های مبتنی بر پراکندگی
• 70. مقدمه‌ای بر بهینه‌سازی قطعی
• 71. بهینه‌سازی قطعی با قیدهای خطی
• 72. بهینه‌سازی قطعی با قیدهای غیرخطی
• 73. حل مسائل بهینه‌سازی قطعی
• 74. مقدمه‌ای بر بهینه‌سازی تصادفی
• 75. روش‌های گرادیان تصادفی
• 76. روش‌های شبه‌گرادیان تصادفی
• 77. حل مسائل بهینه‌سازی تصادفی
• 78. مقدمه‌ای بر بهینه‌سازی چندهدفه
• 79. توابع مطلوبیت
• 80. روش‌های مبتنی بر وزن‌دهی
• 81. روش‌های مبتنی بر اپسیلون
• 82. حل مسائل بهینه‌سازی چندهدفه
• 83. مقدمه‌ای بر رباتیک و کنترل
• 84. مسائل برنامه‌ریزی حرکت
• 85. مسائل کنترل بهینه
• 86. کاربرد بهینه‌سازی در رباتیک
• 87. مقدمه‌ای بر تحلیل داده‌های بزرگ
• 88. پردازش موازی داده‌ها
• 89. الگوریتم‌های مقیاس‌پذیر
• 90. کاربرد بهینه‌سازی در تحلیل داده‌ها
• 91. مقدمه‌ای بر گراف‌ها و شبکه‌ها
• 92. مسائل روی گراف‌ها
• 93. الگوریتم‌های جستجوی گراف
• 94. کاربرد بهینه‌سازی در شبکه‌ها
• 95. مقدمه‌ای بر الگوریتم‌های فراابتکاری
• 96. الگوریتم ژنتیک
• 97. بهینه‌سازی کلونی مورچگان
• 98. بهینه‌سازی ازدحام ذرات
• 99. کاربرد الگوریتم‌های فراابتکاری
• 100. مقدمه‌ای بر نرم‌افزارهای بهینه‌سازی