در این مطلب، ویدئو 10 مسئله بهینه سازی w. راه حل های پایتون با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:12:50
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,030 –> 00:00:02,639
سلام نام من تامی است و این
2
00:00:02,639 –> 00:00:04,680
ضبطی از ارائه ای است که به
3
00:00:04,680 –> 00:00:07,020
نام تاریخ های سرعت با مشکلات بهینه سازی
4
00:00:07,020 –> 00:00:09,599
در این گفتگو ارائه کردم،
5
00:00:09,599 –> 00:00:12,870
6
00:00:12,870 –> 00:00:14,639
اگر مایلید
7
00:00:14,639 –> 00:00:16,770
ارائه یا کد منبع نوشته شده
8
00:00:16,770 –> 00:00:20,100
در آن را دانلود کنید، ده مشکل را در ده دقیقه مرور می کنم. پایتون برای آنها گرافیک ایجاد می کند و
9
00:00:20,100 –> 00:00:22,410
راه حل های این مشکلات را می توانید
10
00:00:22,410 –> 00:00:25,640
در توضیحات ویدیو پیدا کنید.
11
00:00:25,640 –> 00:00:28,470
سه مرحله برای کار با
12
00:00:28,470 –> 00:00:30,750
مشکلات وجود دارد، یکی درک
13
00:00:30,750 –> 00:00:33,239
مشکل، دوم جستجوی
14
00:00:33,239 –> 00:00:35,370
راه حلی برای مثال
15
00:00:35,370 –> 00:00:37,620
قطعه فناوری کد یا یک فرمول ریاضی.
16
00:00:37,620 –> 00:00:40,110
که به شما کمک می کند
17
00:00:40,110 –> 00:00:42,450
مشکل خود را حل کنید و سومی در
18
00:00:42,450 –> 00:00:45,570
واقع حل مشکل است و
19
00:00:45,570 –> 00:00:47,250
منظور من این است که به شما مشکلی داده می شود که قبلاً
20
00:00:47,250 –> 00:00:49,500
هیچ کس واقعاً آن را حل نکرده است و
21
00:00:49,500 –> 00:00:51,030
شما اولین کسی هستید که واقعاً
22
00:00:51,030 –> 00:00:53,430
این مشکل را حل می کنید و به ندرت
23
00:00:53,430 –> 00:00:55,649
اتفاق می افتد یک بهینه سازی
24
00:00:55,649 –> 00:00:57,870
الگوریتم های کارآمدی هستند که
25
00:00:57,870 –> 00:01:00,750
پیاده سازی های خوبی دارند و کاری که اغلب
26
00:01:00,750 –> 00:01:02,460
باید انجام دهید این است که باید مشکل خود را
27
00:01:02,460 –> 00:01:04,019
به عنوان یک بهینه فرموله کنید. مشکل حل
28
00:01:04,019 –> 00:01:06,210
را مشخص کنید که کدام یک
29
00:01:06,210 –> 00:01:08,159
درست است و سپس آن را به یک
30
00:01:08,159 –> 00:01:10,409
الگوریتم برای یک راه حل سریع و خوب وارد کنید،
31
00:01:10,409 –> 00:01:14,520
بنابراین بیایید به ده مسئله نگاه کنیم.
32
00:01:14,520 –> 00:01:16,860
اولین مشکل مربوط به جعبه کاغذ است که می
33
00:01:16,860 –> 00:01:19,979
خواهید یک تکه کاغذ را ببرید. به طوری که می
34
00:01:19,979 –> 00:01:24,210
توانید آن را در یک جعبه بدون درب تا کنید و
35
00:01:24,210 –> 00:01:26,820
می خواهید حجم را به حداکثر
36
00:01:26,820 –> 00:01:30,780
برسانید، بنابراین در اینجا ما حجم منفی را
37
00:01:30,780 –> 00:01:33,420
که همان حجم حداکثری است را به حداقل می رسانیم
38
00:01:33,420 –> 00:01:36,210
و این یک مشکل دبیرستانی است
39
00:01:36,210 –> 00:01:38,369
که شما محدودیت خود را بردارید و قرار دهید آن
40
00:01:38,369 –> 00:01:42,119
را در تابع هدف خود قرار می دهید سپس آن را
41
00:01:42,119 –> 00:01:44,490
متمایز می کنید و به شما راه حلی را می
42
00:01:44,490 –> 00:01:48,060
دهد که مشتق را با
43
00:01:48,060 –> 00:01:51,000
صفر برابر می کنید و چیزی که پیدا می کنید این است که
44
00:01:51,000 –> 00:01:52,799
بهترین مکان برای برش این
45
00:01:52,799 –> 00:01:56,520
کاغذ یک ششم طول است و
46
00:01:56,520 –> 00:01:59,180
مشکل بعدی جعبه صنعتی است. مشکل به
47
00:01:59,180 –> 00:02:03,719
شما قیمتی برای
48
00:02:03,719 –> 00:02:06,030
مواد یک جعبه داده می شود و می
49
00:02:06,030 –> 00:02:08,878
خواهید جعبه ای بدون درب بسازید تا
50
00:02:08,878 –> 00:02:12,050
حجم آن یک
51
00:02:12,400 –> 00:02:14,860
واحد حجم باشد اما می خواهید
52
00:02:14,860 –> 00:02:18,160
قیمت کل را به حداقل برسانید
53
00:02:18,160 –> 00:02:21,010
این مشکل با استفاده از لاگرانژ حل می شود. ضرب بنابراین
54
00:02:21,010 –> 00:02:22,690
شما یک تابع لاگرانژ می سازید و
55
00:02:22,690 –> 00:02:25,330
این معادلات را حل می کنید و این
56
00:02:25,330 –> 00:02:26,770
تکنیکی است که زمانی کار می کند که
57
00:02:26,770 –> 00:02:28,209
محدودیت دارید و می توانید یک
58
00:02:28,209 –> 00:02:31,209
تابع برای حل آن ایجاد کنید و این
59
00:02:31,209 –> 00:02:32,950
چیزی است که
60
00:02:32,950 –> 00:02:35,140
اگر در حال تحصیل در رشته اقتصاد یا
61
00:02:35,140 –> 00:02:38,050
ریاضی هستید ممکن است در دانشگاه یاد بگیرید. یا فیزیک یا هر چیز کمی
62
00:02:38,050 –> 00:02:41,470
واقعاً مشکل تبلیغات
63
00:02:41,470 –> 00:02:43,540
تصور کنید که شما یک شرکت هستید و
64
00:02:43,540 –> 00:02:46,480
میخواهید به زیرجمعیتهای
65
00:02:46,480 –> 00:02:49,239
زنان و مردان جوان و پیرزنان
66
00:02:49,239 –> 00:02:52,720
و پیرمردها دسترسی داشته باشید و به ازای هر دلاری که
67
00:02:52,720 –> 00:02:54,760
خرج میکنید تعداد بازدید یا
68
00:02:54,760 –> 00:02:57,910
برداشتی دریافت میکنید. بنابراین تلویزیون و روزنامه
69
00:02:57,910 –> 00:02:59,920
ممکن است پروفایل های متفاوتی داشته باشند و شما
70
00:02:59,920 –> 00:03:01,269
دوست دارید پول خود را خرج کنید تا
71
00:03:01,269 –> 00:03:03,430
به هر چهار
72
00:03:03,430 –> 00:03:07,150
زیرجمعیت به یک اندازه خوب برسید.
73
00:03:07,150 –> 00:03:09,310
74
00:03:09,310 –> 00:03:12,489
75
00:03:12,489 –> 00:03:15,010
خطاها و معلوم می شود
76
00:03:15,010 –> 00:03:17,769
که این یک مشکل حداقل مربعات است
77
00:03:17,769 –> 00:03:19,739
و می توان آن را به طور موثر برای
78
00:03:19,739 –> 00:03:22,420
هزاران متغیر به راحتی در یک
79
00:03:22,420 –> 00:03:24,610
رایانه رومیزی حل کرد و شما درست است
80
00:03:24,610 –> 00:03:27,220
، راه حل را می بینید که ما بیشتر به همه مردان
81
00:03:27,220 –> 00:03:29,260
دسترسی پیدا می کنیم تا زنان جوان واکنش نشان می دهند، اما
82
00:03:29,260 –> 00:03:30,880
با هر چهار
83
00:03:30,880 –> 00:03:34,600
84
00:03:34,600 –> 00:03:37,570
85
00:03:37,570 –> 00:03:39,850
86
00:03:39,850 –> 00:03:43,030
زیرجمعیت بسیار نزدیک می شویم.
87
00:03:43,030 –> 00:03:45,519
پول برای خرج کردن در
88
00:03:45,519 –> 00:03:49,150
مجموع مشکل مشابه است، اما محدودیتی برای پول وجود دارد،
89
00:03:49,150 –> 00:03:53,890
بنابراین واقع بینانه تر است و
90
00:03:53,890 –> 00:03:56,109
این با استفاده از ضرب کننده های لاگرانژ و
91
00:03:56,109 –> 00:03:57,640
جبر خطی حل می شود، مجموعه ای از معادلات را دریافت می کنید
92
00:03:57,640 –> 00:03:59,650
که باید آنها را حل
93
00:03:59,650 –> 00:04:02,140
کنید و دوباره حل آن در هر رایانه ای بسیار آسان است.
94
00:04:02,140 –> 00:04:04,329
این با هزاران
95
00:04:04,329 –> 00:04:06,250
ناشناخته واقعاً مشکلی نیست
96
00:04:06,250 –> 00:04:11,980
آنها را در زمان مکعب اجرا می کند و اگر n
97
00:04:11,980 –> 00:04:16,089
این اندازه ماتریس شما باشد اساساً در
98
00:04:16,089 –> 00:04:18,880
مسئله انتساب کارگر شما می خواهید
99
00:04:18,880 –> 00:04:20,228
چهار کارگر را
100
00:04:20,228 –> 00:04:22,470
به چهار کار اختصاص دهید و یک ماتریس
101
00:04:22,470 –> 00:04:24,310
مشخص
102
00:04:24,310 –> 00:04:26,680
می کند که تا چه حد کارگران از وظایف لذت می برند،
103
00:04:26,680 –> 00:04:29,410
بنابراین یک رویکرد این است که
104
00:04:29,410 –> 00:04:31,930
کارگران را یک به یک بررسی کنید و به
105
00:04:31,930 –> 00:04:33,940
آنها وظایفی را بدهید که بیشترین لذت را دارند
106
00:04:33,940 –> 00:04:36,669
و این به شما احساس رضایت می کند.
107
00:04:36,669 –> 00:04:40,330
سطح رضایت کلی 19 است و اگر به
108
00:04:40,330 –> 00:04:42,070
آن فکر کنید فضای راه حل
109
00:04:42,070 –> 00:04:44,440
خیلی سریع رشد می کند اگر چهار نفر دارید،
110
00:04:44,440 –> 00:04:47,530
نفر اول چهار
111
00:04:47,530 –> 00:04:50,380
گزینه دارد نفر بعدی سه گزینه دارد نفر
112
00:04:50,380 –> 00:04:53,530
سوم دو و غیره بنابراین شما
113
00:04:53,530 –> 00:04:59,980
چهار گزینه هیئت علمی دارید. فاکتوریل و 50
114
00:04:59,980 –> 00:05:03,610
فاکتوریل عددی با 65 رقم است، بنابراین
115
00:05:03,610 –> 00:05:05,770
واقعاً به سرعت رشد می کند، اما
116
00:05:05,770 –> 00:05:09,070
یک الگوریتم کارآمد برای این
117
00:05:09,070 –> 00:05:10,720
مسئله وجود دارد که به آن
118
00:05:10,720 –> 00:05:13,000
مشکل انتساب می گویند، الگوریتم به نام الگوریتم مجارستانی نامیده می
119
00:05:13,000 –> 00:05:14,919
شود و
120
00:05:14,919 –> 00:05:18,400
به جای n فاکتوریل این را در زمان مکعب حل می کند.
121
00:05:18,400 –> 00:05:21,190
زمان و راه حل بهینه
122
00:05:21,190 –> 00:05:23,290
در اینجا نشان داده شده است که به شما سطح رضایت
123
00:05:23,290 –> 00:05:28,900
23 را نشان می دهد، مشکل رژیم غذایی که ما می خواهیم
124
00:05:28,900 –> 00:05:32,860
هزینه غذا را به حداقل برسانیم، اما با توجه
125
00:05:32,860 –> 00:05:35,470
به برخی محدودیت های رژیم غذایی، بنابراین
126
00:05:35,470 –> 00:05:37,630
می خواهیم مقداری نان و شیر تخم مرغ را
127
00:05:37,630 –> 00:05:41,140
برای خرید انتخاب کنیم. اینکه ما قیمت را به حداقل میرسانیم،
128
00:05:41,140 –> 00:05:43,690
اما همچنان به عنوان مثال 100
129
00:05:43,690 –> 00:05:46,120
گرم پروتئین و بین 2000 تا
130
00:05:46,120 –> 00:05:49,419
2500 کالری دریافت میکنیم، این مشکلی است که
131
00:05:49,419 –> 00:05:55,240
ارتش آمریکا روی آن کار کرده است. nk
132
00:05:55,240 –> 00:05:57,220
ممکن است در دهه 50 یا چیزی شبیه به
133
00:05:57,220 –> 00:06:01,990
این باشد که به آن برنامه خطی می گویند و
134
00:06:01,990 –> 00:06:04,479
امروزه الگوریتم های کارآمدی وجود دارد و
135
00:06:04,479 –> 00:06:06,220
شما به راحتی می توانید این مشکل را برای هزاران
136
00:06:06,220 –> 00:06:08,800
ناشناخته در رایانه خود حل کنید، بنابراین
137
00:06:08,800 –> 00:06:12,310
اگر بتوانید مشکل خود را به عنوان فرمول بندی کنید
138
00:06:12,310 –> 00:06:14,919
مشکلی نیست. یک برنامه خطی که میتوانید
139
00:06:14,919 –> 00:06:16,300
آن را حل شده در نظر بگیرید،
140
00:06:16,300 –>