دوره بهینه‌سازی محدب با روش‌های نقطه داخلی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهینه‌سازی محدب با روش‌های نقطه داخلی

موضوع کلی: علوم محاسباتی و ریاضیات کاربردی

موضوع میانی: روش‌های عددی در بهینه‌سازی و حل معادلات دیفرانسیل

📋 سرفصل‌های دوره

• 1. مقدمه ای بر بهینه‌سازی محدب
• 2. مجموعه‌های محدب و ویژگی‌ها
• 3. توابع محدب و ویژگی‌ها
• 4. تبدیل‌های محدب و کاربردها
• 5. دوگانگی در بهینه‌سازی محدب
• 6. شرایط Karush-Kuhn-Tucker (KKT)
• 7. بهینه‌سازی خطی: فرمول‌بندی و حل
• 8. بهینه‌سازی درجه دوم: فرمول‌بندی و حل
• 9. روش‌های گرادیانی در بهینه‌سازی محدب
• 10. روش‌های نیوتن در بهینه‌سازی محدب
• 11. روش‌های شبه‌نیوتن (BFGS, DFP)
• 12. مقدمه‌ای بر روش‌های نقطه داخلی
• 13. الگوریتم نقطه داخلی برای بهینه‌سازی خطی
• 14. الگوریتم نقطه داخلی برای بهینه‌سازی درجه دوم
• 15. مسائل بهینه‌سازی با محدودیت نامساوی
• 16. شرایط مکمل اسلاکی (Slackness)
• 17. حساسیت در بهینه‌سازی محدب
• 18. برنامه‌ریزی مخروطی مرتبه دوم (SOCP)
• 19. برنامه‌ریزی نیمه‌معین (SDP)
• 20. کاربردهای SDP در بهینه‌سازی
• 21. روش‌های نقطه داخلی برای مسائل مقیاس بزرگ
• 22. تحلیل همگرایی روش‌های نقطه داخلی
• 23. انتخاب پارامتر در روش‌های نقطه داخلی
• 24. توقف معیارها در روش‌های نقطه داخلی
• 25. پیاده‌سازی روش‌های نقطه داخلی در MATLAB
• 26. پیاده‌سازی روش‌های نقطه داخلی در Python (CVXOPT, Scipy)
• 27. بهینه‌سازی توزیع‌شده با روش‌های نقطه داخلی
• 28. بهینه‌سازی قوی (Robust Optimization) با روش‌های نقطه داخلی
• 29. بهینه‌سازی محدب در یادگیری ماشین
• 30. بهینه‌سازی محدب در کنترل بهینه
• 31. بهینه‌سازی محدب در پردازش سیگنال
• 32. بهینه‌سازی محدب در شبکه‌های ارتباطی
• 33. کاربردهای صنعتی بهینه‌سازی محدب
• 34. تحلیل پایداری و Robustness الگوریتم‌های نقطه داخلی