دوره تسلط حرفه‌ای بر همسایگی‌ها و توابع جریمه در جستجوی محلی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تسلط حرفه‌ای بر همسایگی‌ها و توابع جریمه در جستجوی محلی

موضوع کلی: بهینه‌سازی ترکیبیاتی و الگوریتم‌های فراابتکاری

موضوع میانی: جستجوی محلی و مدیریت محدودیت‌ها

📋 سرفصل‌های دوره

• 1. مفهوم جستجوی محلی و جایگاه آن در بهینه‌سازی
• 2. تفاوت جستجوی محلی با الگوریتم‌های جمعیت‌محور
• 3. تعریف فضای حل و نمایش جواب در مسائل ترکیبیاتی
• 4. مفهوم همسایگی و عملگرهای حرکت
• 5. انواع همسایگی‌های پایه شامل جابجایی و درج
• 6. همسایگی معکوس‌سازی و کاربرد آن در مسائل مسیریابی
• 7. همسایگی k-opt و تعمیم آن
• 8. طراحی همسایگی سفارشی برای مسائل خاص
• 9. ارزیابی اندازه و ساختار همسایگی
• 10. تعادل بین اندازه همسایگی و زمان محاسبات
• 11. استراتژی‌های پیمایش همسایگی شامل اولین بهبود و بهترین بهبود
• 12. پیمایش تصادفی همسایگی و تأثیر آن بر تنوع
• 13. مفهوم بهینه‌سازی محلی و دام بهینگی محلی
• 14. روش‌های فرار از بهینگی محلی
• 15. الگوریتم تپه‌نوردی ساده و محدودیت‌های آن
• 16. جستجوی محلی تکراری و راه‌اندازی مجدد
• 17. شبیه‌سازی تبرید به‌عنوان گسترش جستجوی محلی
• 18. جستجوی ممنوعه و نقش لیست ممنوعه
• 19. مدیریت حافظه کوتاه‌مدت و بلندمدت در جستجوی ممنوعه
• 20. الگوریتم جستجوی همسایگی متغیر
• 21. تغییر سیستماتیک همسایگی‌ها در VNS
• 22. جستجوی همسایگی بزرگ و تخریب-تعمیر
• 23. طراحی عملگرهای تخریب و تعمیر مؤثر
• 24. مفهوم محدودیت‌های سخت و نرم در مسائل بهینه‌سازی
• 25. روش‌های برخورد با محدودیت‌ها در جستجوی محلی
• 26. معرفی توابع جریمه و فلسفه آن‌ها
• 27. جریمه ایستا و تعیین ضریب جریمه ثابت
• 28. مشکلات جریمه خیلی بزرگ یا خیلی کوچک
• 29. جریمه پویا و تنظیم تدریجی ضرایب
• 30. روش‌های تطبیقی تنظیم پارامتر جریمه
• 31. جریمه مبتنی بر میزان نقض محدودیت
• 32. توابع جریمه درجه دو و غیرخطی
• 33. ترکیب چند نوع جریمه برای محدودیت‌های مختلف
• 34. جریمه مرگبار و حذف جواب‌های غیرموجه
• 35. تعمیر جواب غیرموجه به‌جای جریمه صرف
• 36. ترکیب جریمه و تعمیر در چارچوب ترکیبی
• 37. طراحی تابع هدف گسترش‌یافته با جریمه‌ها
• 38. تأثیر جریمه بر چشم‌انداز فضای جستجو
• 39. تحلیل حساسیت ضرایب جریمه
• 40. تنظیم خودکار جریمه با یادگیری در حین جستجو
• 41. استفاده از جریمه در مسائل زمان‌بندی
• 42. کاربرد جریمه در مسائل تخصیص منابع
• 43. همسایگی‌های تخصصی برای مسائل مسیریابی وسیله نقلیه
• 44. همسایگی‌های مناسب برای مسائل بسته‌بندی و برش
• 45. طراحی همسایگی برای مسائل زمان‌بندی تولید
• 46. ارزیابی کیفیت همسایگی با معیارهای تنوع و شدت
• 47. پروفایل کردن زمان صرف‌شده در ارزیابی همسایگی
• 48. شتاب‌دهی ارزیابی همسایگی با ساختارهای داده کارآمد
• 49. ذخیره تفاضلی هزینه حرکت‌ها
• 50. مدیریت همسایگی‌های بسیار بزرگ با نمونه‌گیری
• 51. فیلتر کردن سریع همسایه‌های نامناسب
• 52. ترکیب چندین همسایگی در یک چارچوب واحد
• 53. انتخاب پویای همسایگی بر اساس عملکرد اخیر
• 54. یادگیری آنلاین برای انتخاب عملگر حرکت
• 55. تنظیم پارامترهای جستجوی محلی با روش‌های خودکار
• 56. مقایسه تجربی استراتژی‌های مختلف همسایگی
• 57. مقایسه روش‌های جریمه ایستا و تطبیقی
• 58. پیاده‌سازی چارچوب عمومی جستجوی محلی
• 59. طراحی آزمایش‌های مقایسه‌ای عادلانه
• 60. تحلیل آماری نتایج الگوریتم‌های مبتنی بر همسایگی
• 61. مطالعه موردی حل مسئله فروشنده دوره‌گرد با همسایگی‌های پیشرفته
• 62. مطالعه موردی مسئله زمان‌بندی با محدودیت‌های پیچیده و جریمه
• 63. عیب‌یابی همگرایی زودرس در جستجوی محلی
• 64. بهینه‌سازی پیاده‌سازی برای مسائل با ابعاد بالا
• 65. مستندسازی طراحی همسایگی و توابع جریمه
• 66. بهترین شیوه‌های توسعه الگوریتم جستجوی محلی قابل اعتماد