آشنایی با موضوع

برنامه سازی غیرخطی (Nonlinear programming) یا به طور اختصار NLP فرایند حل یک سیستم از برابری‌ها و نابرابری‌ها بر روی مجموعه‌ای از متغیرهای ناشناخته حقیقی، در یک تابع هدف که باید کمینه یا بیشینه شود و بخشی از محدودیت‌های آن غیر خطی است، می‌باشد. اگر همه توابع خطی باشند پس با یک برنامه ریزی خطی روبه رو هستیم. با توجه به پیشرفت های اخیر در توسعه الگوریتم ها و مدل سازی ها و مزایای استفاده از کامپیوترهای پر سرعت، برنامه ریزی خطی را به یکی از ابزارهای مهم در حل مسأله ها در زمینه های مختلف مبدل گردانیده است. اما بسیاری از مسائل در دنیای واقعی خطی و یا قابلیت تخمین بصورت خطی را دارا نیستند و دارای توابع هدف یا محدودیت های غیر خطی می باشند. یکی از مسائل پرکاربرد و معمول برای توابع غیر خطی و برنامه سازی غیر خطی مسائل مربوط به بهینه‌سازی است. مثلاً بهینه‌سازی هزینه حمل و نقل با انتخاب روش یا روش‌هایی از میان چندین روش نقل و انتقال است که هرکدام ظرفیت‌ها و محدودیت‌های متفاوتی دارند. به عنوان مثال نقل و انتقال نفت خام با انتخاب روش‌های ترکیبی از خط لوله، تانکر، راه آهن، حمل کننده‌های دریایی که هرکدام توابع هزینه‌ای متفاوتی دارند می‌تواند در نهایت به ما یک تابع غیر خطی از هزینه بدهد. از جمله روشهای برنامه ریزی غیرخطی میتوان به این موارد اشاره کرد: روش لاگرانژ: در این روش تابع هدف به صورت تابع F در نظر گرفته می‌شود. این تابع بر زیرمجموعه‌ای چون X از فضای اقلیدسی تعریف شده است (پس عناصر X می‌توانند بردار باشند). این زیرمجموعه، توسط قیود به شکل g(x)=b تعریف می‌شود. تابع لاگرانژ در این حالت عبارت خواهد بود از: L(x،y)=F(x)+y. (b-g(x)) شرایط لازم برای حل مسئله را می‌توان از طریق یافتن نقاط بحرانی تابع لاگرانژ (ماکزیمم‌سازی بدون قید) به دست آورد. روش برنامه‌ریزی مرتبه دوم: برنامه ‌ریزی مرتبه دوم (QP) روشی برای مینیمم سازی توابع مرتبه دوم n متغیره با m محدودیت خطی نامساوی یا مساوی یا هر دو است. مسائل برنامه‌ریزی مرتبه دوم ساده‌ترین فرم مسائل برنامه‌ریزی غیر خطی با محدودیت نا مساوی می‌باشد. روش گرادیان کاهش یافته عمومی: این الگوریتم برای محدودیتهای خطی اصلاح شده که تابع هدف و محدودیت آنها غیر خطی است محسوب می‌شود. در اصل روش محدودیت‌های خطی یا خطی شده را شامل می‌شود و متغیر جدید با محدودیت تعریف خواهد شد. بیشتر روش‌های حل مسائل برنامه‌ریزی غیر خطی عمومی شامل خطی کردن مسئله و به کار بردن تکنیک برنامه‌ریزی خطی است که بطور خلاصه مراحل زیر طی می‌شود. • به دست آوردن مدل با نقاط عملیاتی و خطی کردن تمام محدودیت‌های تابع هدف حول نقاط عملیاتی. بطوریکه مسئله به فرم برنامه‌ریزی خطی تبدیل شود. سپس استفاده از برنامه‌ریزی خطی برای حل مسئله خطی. • تکرار روش برنامه‌ریزی خطی برای رسیدن به جواب مناسب با خطی کردن توابع محدودیت‌ها و تابع هدف و چنانچه به جواب مناسب نرسید با خطی کردن دوباره محدودیت‌ها و توابع هدف حول نقطه جدید optimum مسئله پیدا می‌شود. در روشهای ذکر شده ممکن است روش به همگرایی نرسد و این خود یکی از معایب روشهای فوق است به واقع بهترین الگوریتم عمومی حاضر استفاده از الگوریتم گرادیان کاهش یافته عمومی است.
در این صفحه تعداد 637 مقاله تخصصی درباره برنامه سازی غیرخطی که در نشریه های معتبر علمی و پایگاه ساینس دایرکت (Science Direct) منتشر شده، نمایش داده شده است. برخی از این مقالات، پیش تر به زبان فارسی ترجمه شده اند که با مراجعه به هر یک از آنها، می توانید متن کامل مقاله انگلیسی همراه با ترجمه فارسی آن را دریافت فرمایید.
در صورتی که مقاله مورد نظر شما هنوز به فارسی ترجمه نشده باشد، مترجمان با تجربه ما آمادگی دارند آن را در اسرع وقت برای شما ترجمه نمایند.
مقالات ISI برنامه سازی غیرخطی (ترجمه نشده)
مقالات زیر هنوز به فارسی ترجمه نشده اند.
در صورتی که به ترجمه آماده هر یک از مقالات زیر نیاز داشته باشید، می توانید سفارش دهید تا مترجمان با تجربه این مجموعه در اسرع وقت آن را برای شما ترجمه نمایند.
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: برنامه سازی غیرخطی; CSTR; continuous stirred tank reactor; DMC; dynamic matrix control; EKF; extended Kalman filtering; E1-E3; modes in the estimation phase; HET; high-error threshold; IAE; integral of the absolute magnitude of error; IMC; internal model control; LET; low-er
دانلود رایگان متن کامل مقاله ISI 11 صفحه سال انتشار : 2008 سفارش ترجمه