برای مسئله‌هایی که پاسخ عمومی برایشان کافی نیست

مدل‌سازی، بهینه‌سازی و طراحی الگوریتم برای مسائل پیچیده

صورت‌بندی ریاضی، طراحی الگوریتم، بهینه‌سازی و محاسبات عددی برای مسئله‌هایی مثل تخصیص منابع، زمان‌بندی، تصمیم‌گیری و مسائل محاسباتی تخصصی.

مسئله

وقتی باید خود مسئله را مدل کرد

در این نوع پروژه‌ها انتخاب الگوریتم یا کتابخانه قبل از فهم ساختار مسئله می‌تواند نتیجه را محدود کند.

بهینه‌سازی منابع یا تصمیم‌ها
وقتی باید بین چند تصمیم، محدودیت و هدف، یک راهکار قابل دفاع پیدا شود.
زمان‌بندی و تخصیص
وقتی منابع محدود، قیود متعدد یا هدف‌های متعارض وجود دارند.
مسئله‌ای که نیاز به الگوریتم اختصاصی دارد
وقتی روش‌های عمومی برای اندازه، ساختار یا دقت موردنیاز کافی نیستند.
مدل عددی که باید قابل اعتماد باشد
وقتی conditioning، پایداری، validation و رفتار عددی بخشی از خود مسئله هستند.

دامنه همکاری

مدل‌سازی ریاضی و محاسباتی
تبدیل مسئله واقعی به متغیرها، تابع هدف، قیود و ساختار قابل محاسبه.
طراحی و پیاده‌سازی الگوریتم
انتخاب، تطبیق یا طراحی روش مناسب بر اساس ساختار و محدودیت‌های مسئله.
بهینه‌سازی و metaheuristicها
حل مسائل تخصیص، زمان‌بندی و جست‌وجوی پیچیده با روش‌های مناسب و قابل ارزیابی.
اعتبارسنجی عددی و benchmark
مقایسه، تست، بررسی حساسیت و ارزیابی رفتار الگوریتم و خروجی.

رویکرد

01
صورت‌بندی
هدف، متغیرها، قیود، داده‌ها و معیار موفقیت به شکل قابل محاسبه تعریف می‌شوند.
02
انتخاب روش
روش عددی یا الگوریتم بر اساس ساختار مسئله و محدودیت‌های محاسباتی انتخاب یا طراحی می‌شود.
03
پیاده‌سازی و آزمایش
مدل به کد قابل اجرا تبدیل می‌شود و با تست و benchmark از نظر رفتار و کیفیت جواب بررسی می‌شود.
04
اعتبارسنجی
تشخیص‌های عددی، مقایسه با روش‌های مرجع و محدودیت‌های راهکار مستند می‌شوند.

شواهد

پروژه‌های زیر نمونه‌هایی از تبدیل مدل و الگوریتم به پیاده‌سازی قابل آزمون هستند.

لازم نیست از ابتدا مدل ریاضی یا الگوریتم را بدانید. توضیح مسئله، داده‌ها، محدودیت‌ها و نتیجه مورد انتظار برای شروع گفت‌وگو کافی است.