بهینه سازی ۱ (تحقیق در عملیات ۱)

هدف درس "تحقیق در عملیات ۲" (OR 2) تکمیل دانش درس اول با تمرکز بر مدل‌سازی ریاضی پیشرفته و توسعه روش‌های تحلیلی برای حل مسائل پیچیده‌تر و واقعی‌تر تصمیم‌گیری است . اگر در درس یک با برنامه‌ریزی خطی و روش سیمپلکس آشنا شده‌اید، در این درس با مفاهیم و تکنیک‌هایی آشنا می‌شوید که امکان مدل‌سازی شرایط دقیق‌تر و دست‌یابی به پاسخ‌های بهینه را فراهم می‌کند .

به طور کلی، اهداف این درس را می‌توان در قالب توانمندسازی شما برای حل سه دسته اصلی از مسائل خلاصه کرد:

۱. مدل‌سازی شرایط دنیای واقعی با دقت بیشتر

در بسیاری از مسائل عملی، فرضیات ساده‌کننده درس یک (مانند تقسیم‌پذیر بودن متغیرها) صادق نیست. هدف این درس، ارائه ابزارهایی برای رفع این محدودیت‌هاست.

• برنامه‌ریزی با اعداد صحیح: در مسائل واقعی، بسیاری از متغیرهای تصمیم‌گیری باید عدد صحیح باشند (مثلاً تعداد دستگاه‌های خریداری‌شده، تعداد نیروی انسانی). در این بخش با روش‌هایی مانند انشعاب و تحدید (Branch and Bound) و صفحات برش (Cutting Planes) برای یافتن جواب بهینه در این شرایط آشنا می‌شوید .
• برنامه‌ریزی غیرخطی: وقتی توابع هدف یا محدودیت‌ها به صورت خطی نباشند (مانند توابع هزینه با نرخ‌های متفاوت)، باید از روش‌های بهینه‌سازی غیرخطی استفاده کرد .

۲. تحلیل مسائل ساختاریافته و شبکه‌ای

بسیاری از مسائل مدیریتی و صنعتی ذاتاً ساختاری شبکه‌ای دارند. این درس روش‌های خاص و کارآمدی را برای بهینه‌سازی این ساختارها معرفی می‌کند.

• تحلیل شبکه: این مبحث شامل الگوریتم‌های قدرتمندی برای مسائلی مانند یافتن کوتاه‌ترین مسیر (در مسیریابی)، حداکثر جریان (در خطوط لوله یا مخابرات) و کمترین هزینه (در شبکه‌های حمل و نقل) است .

۳. مدیریت عدم قطعیت و تحلیل تغییرات

دنیای واقعی پر از تغییر و عدم قطعیت است. این درس شما را برای تحلیل تأثیر این تغییرات بر جواب بهینه آماده می‌کند.

• برنامه‌ریزی پویا: این رویکرد برای مسائلی به کار می‌رود که بتوان آن‌ها را به زیرمسئله‌های کوچک‌تر وابسته به هم تقسیم کرد. هدف، یافتن زنجیره‌ای از تصمیم‌گیری‌های بهینه در طول زمان است .
• تئوری بازی‌ها: در شرایطی که تصمیم شما به تصمیم رقبا یا سایر بازیگران وابسته است (رقابت در بازار، مناقصات)، تئوری بازی‌ها چارچوبی برای تحلیل و انتخاب بهترین استراتژی فراهم می‌کند .