بهینه سازی مهندسی توسعه مدل های ریاضی تصمیمات مهندسی و تعیین ریاضی حداکثر یا حداقل مقادیر مطلوب توابع هدف است. مهندسان صنایع باید ایده های تغییر مهندسی خود را به مدل های ریاضی تبدیل کنند و بهترین راه حل یا راه حل بهینه را بیابند. اما در مطالعات مهندسی صنایع، اولین بررسی، یافتن تغییرات مهندسی است که امکان پذیر است. سپس هم پیکربندی موجود و هم پیکربندی ممکن جدید تحت فرآیند بهینه سازی مهندسی قرار می گیرند تا بهترین نتیجه را پیدا کنند.
تحقیقات در زمینه بهینه سازی از طراحی و تجزیه و تحلیل الگوریتم های جدید تا اجرای نرم افزار آنها را شامل می شود. یکی از حوزه‌های حیاتی بهینه‌سازی کاربردی، فرمول‌بندی مدل‌هایی است که هم قابل اجرا و هم نماینده کاربردهای واقعی هستند.
حوزه‌های مورد تأکید بهینه‌سازی غیرخطی، تصادفی و گسسته، اغلب در زمینه برنامه‌های یادگیری ماشین هستند. در بسیاری از تحقیقات ما در بهینه‌سازی، طعم روش‌شناختی قوی وجود دارد، که با انگیزه‌های حوزه‌هایی مانند درمان پزشکی، یادگیری ماشین، امنیت و سیستم‌های انرژی است.
مشکلات بهینه‌سازی در همه حوزه‌های مهندسی و علمی به وجود می‌آید. اکثر مدل‌های واقع‌گرایانه باید با عدم قطعیت در پارامترها و داده‌های مدل سروکار داشته باشند و یکی از مشکلات اصلی باز این است که چگونه بهینه‌سازی را در تنظیمات مقیاس بزرگ انجام دهیم.
دوره ها
مطالعه بهینه سازی بر موارد زیر تمرکز دارد:
- مبانی در تجزیه و تحلیل و جبر خطی
- بررسی بسیاری از الگوریتم ها و فرمول بندی های متنوع
- خدمات و زبان ها برای برقراری ارتباط بین فرمول ها و الگوریتم ها
- تحقیق در زمینه تخصصی در حوزه های کاربردی خاص
