Doğrusal Programlama – Ödev Hazırlatma – Proje Yaptırma – Tez Yaptırma Fiyatları – Sunum Örnekleri – Ücretli Ödev Yaptırma – Ödev Yaptıarma Ücretleri
Öğrencinin Doğrusal Programlama Modelleme Yaklaşımı
Yazılım tasarımı, gerçek dünya ile istenen yazılım arasında yeterli bir morfizmin aranması ve oluşturulması anlamına gelir. Morfizmler, aynı zamanda bazı özellikler korunurken farklı alanlar arasında yazışmalar kurar. Gerçek olanın yerine geçen imajı alarak farklı şeyleri aynı görmeyi sağlar. Morfizm gerçeğe ne kadar uyarlanırsa, sistem gerçek durumu o kadar iyi modeller.
Nesne yönelimli kavramları öğretmek ve ayrıca daha iyi yazılım tasarımını teşvik etmek için morfizmlerin pedagojik bir araç olarak kullanılmasını öneriyoruz. Morfizmin açık kullanımına dayalı bir kurs geliştirdik. Deney yoluyla, sonuçları morfizm kullanmayan eşdeğer bir kursla karşılaştırdık. Sonuçlardan, morfizmleri kullanmanın, analiz etmek ve yeterli yazılım modellerini oluşturmak için stratejiler geliştirmeye yardımcı olduğu sonucunu çıkarabiliriz.
Bu çalışma, öğrencilerin programlama (LP) problemlerini modelleme becerisini nasıl kazandıklarını anlamayı amaçlamaktadır. Motivasyonumuz, daha iyi öğretim yöntemleri ve modelleme dilleri kullanarak LP öğretimini geliştirmektir.
Öğretim yöntemleriyle ilgili mevcut çalışmalar, geleneksel yöneylem araştırması (VEYA) derslerinden bir memnuniyetsizliği belirtir ve birden fazla değişiklik önerir. Murphy ve Pachandam, öğretim yöntemlerinin öğrencinin modelleme becerilerini edinmesi üzerindeki etkisini deneysel olarak inceledi.
Şema önceki yaklaşımı, analojilere ve en etkili yöntem olduğu gösterilenlere dayalı bilgiyi organize etmek için bir çerçeve sağlar. Stevens ve Palocsay, sözlü problem çözmenin zorluğunu incelediler ve sözlü olarak bir kısıtlama formüle etmek için ardışık tümce yeniden formüllerinden oluşan bir çeviri yaklaşımının LP modellemenin başarısını geliştirdiğini gösterdiler.
Modelleme dilleri üç aşamada gelişmiştir: çözücü odaklı (MPS gibi), analist odaklı (AMPL gibi) ve görsel (MGPL gibi). AMPL gibi cebirsel diller bugün en popüler olanlardır. LP dilleri, LP analistinden beklenen çalışma miktarı, yetenek ve anlayış açısından esasen farklı olabilir.
Analistin çabasını ölçmek için iki kriter önerilmiştir: Murphy ve ark. iş yoğunluğunu analistten gereken ayrıntılı çalışma miktarı olarak tanımlar ve Geoffrion, kullanım kolaylığını modelleme araçlarının gerekli bir özelliği olarak ilan eder.
Potansiyel dilleri test etme ihtiyacı birçok yazar tarafından uzun süredir dile getirilmekte, ancak bildiğimiz kadarıyla böyle bir çalışma yayınlanmamıştır. Modelleme dilleri ve öğretim süreci hakkında mevcut bilgi, LP modellemesi alanında azdır.
Bu nedenle, burada açıklanan yarı-deneyin amacı, bir modelleme sürecinin etkinliğini ölçmek için kriterleri test etmektir. Bu araştırmayı okuyucular için daha anlaşılır kılmak için kasıtlı olarak deneysel jargondan kaçınıyoruz.AMPL dilini değerlendirmenin sonuçlarını açıklar, kısaca modelleme verimliliği ve stili konularını tartışır. Makale, sonuçlar ve gelecekteki çalışmalarla sona ermektedir.
Doğrusal PROGRAMLAMA Modeli Grafik çözümü
Doğrusal PROGRAMLAMA modeli çözümü
Doğrusal PROGRAMLAMA Soruları
Doğrusal PROGRAMLAMA örnek
Yöneylem Araştırması doğrusal PROGRAMLAMA örnek SORULAR
Doğrusal PROGRAMLAMA minimizasyon örnekleri
Doğrusal PROGRAMLAMA üretim problemleri ve çözümleri
Doğrusal PROGRAMLAMA problemleri
Deneysel çalışma
Modelleme sürecinin karakterizasyonu, bir analistin belirli bir dili kullanarak bir problemi nasıl modellediğini tanımlamalıdır. Karşılaştırmalı nitelendirmeler öğretim sürecini iyileştirebilir ve/veya dilin nasıl olması gerektiği konusunda geri bildirim verebilir. Bu nedenle, deneysel çalışma aşağıdaki sorulara yanıt vermelidir: Katılımcılar nasıl performans gösteriyor ve başlıca güçlükleri neler? Katılımcılar nasıl modellenir?
Öğrenciler LP modellemeyi öğrendiler mi?
Deneye, yaş ortalaması 21 olan 50 erkek ve altı kadın olmak üzere elli altı bilgisayar bilimi öğrencisi katıldı. Ortalama kümülatif notlarının ortalaması %59’dur. Öğrencilerin hiçbiri daha önce LP eğitimi almamıştı. Deney, eğitimle başladı ve laboratuvar seanslarında performans ölçümü ile devam etti.
Eğitim dört seans sürdü. Öğretim yöntemi şema oluşturmaya ve en etkili olduğu gösterilen analojik akıl yürütmeye dayanıyordu. Eğitimde en yaygın sorun türleri yer almaktadır: üretim, harmanlama, nakliye, atama ve sabit maliyetler.
Eğitim etkinliği, son oturumda, katılımcılardan AMPL’deki model parçalarının doğru formülasyonunu belirlemelerini isteyen bir test aracılığıyla ölçüldü. Çoğu öğrenci doğru modeli tanıdı, ancak sözdizimsel olarak doğru olanın yerine sözdizimsel olarak yanlış bir sürümü seçti. Bilgisayar başında çalışırken bu sorunun aşılması bekleniyordu.
Daha sonra katılımcılara 6 laboratuvar seansı uygulandı. İlk oturum onları bir modelleme ortamının kullanımıyla tanıştırdı ve sonraki oturumlar giderek daha karmaşık problemler için bireysel modelleme performanslarını ölçtü. Öğrenciler çalışmalarıyla ilgili herhangi bir geri bildirim almadıkları için kendi kalite kontrol yöntemlerini geliştirdiler.
Modellenen problemler, eğitimde yer alan problem türlerine aittir ve iyi bilinen ders kitaplarından 1.5 saatten daha kısa sürede çözülebilecek şekilde uyarlanmıştır. Modellenen problemler bundan sonra “yüzücüler”, “madencilik”, “jeneratörler” (elektrik), “orman” ve “depo” olarak adlandırılacak ve burada belirtilen sırayla sunulmuştur. Modelleme performansı aşağıdaki iki açıdan karakterize edilir:
– Kalite: Elde edilen modelin optimal modele yakınlığı (sıra: 0-100).
– Çözüm: Modelden bir çözüm elde edilip edilemeyeceğinin göstergesi (sıra: 0 veya 1).
Öğrencilerin her laboratuvardaki performansı çok kötüden mükemmele doğru değişmektedir ancak artan problem karmaşıklığı dikkate alındığında öğrencilerin LP modellemeyi gerçekten öğrendikleri söylenebilir. Çoğu katılımcı kabul edilebilir modeller geliştirdi, ancak öğrencilerin yarısından azı, katılımcıların %50’sinin bir çözüm bulduğu tek bir problem (“yüzücüler”) dışında herhangi bir çözüme ulaştı.
Model kalitesi tüm laboratuvar oturumları boyunca benzerdir: Model kalitesi muhtemelen zorluğundan dolayı önemli ölçüde düşük olan “orman” sorunu dışında aralarında önemli bir kalite farkı yoktur.
Öğrenciler kısıtlamaları, ardından değişkenleri ve amaç fonksiyonlarını tanımlamada daha fazla zorluk yaşadılar. Aslında, bir çözüme ulaşan öğrenciler ile sadece kabul edilebilir bir model geliştirebilen öğrenciler arasındaki fark, bu model bileşenlerini tanıma yeteneği ile açıklanmaktadır. Bu sonuç dikkat çekicidir çünkü problem ifadeleri aslında öğretim elemanlarına göre bileşen tanımlamasını kolaylaştırmaktadır. Bu nedenle, LP modellemenin etkili bir şekilde öğrenilmesi için sağlam bir cebirsel altyapının gerekli olduğu ancak yeterli olmadığı görülmektedir.
Öğrenciler nasıl model oldu?
Modelleme stili, yineleme ve yürütme sayıları ile bunların kalite ve çözümle ilişkisi dikkate alınarak çalışılmıştır. Bu iki sayı, her öğrencinin her laboratuvar oturumu için kaydedilen bir günlük dosyası aracılığıyla toplanmıştır.
– Yinelemeler: Hatalarla sonuçlansın ya da çıkmasın model denemelerinin sayısı.
– Yürütmeler: bir çözüme götüren model yürütme sayısı
Çözüme ulaşan öğrenciler, tüm problemler için yüksek sayıda infaz sundular. “Orman” sorunu dışında tüm laboratuvar oturumlarında uygulama sayısı aynıydı. Bu fark, “orman” probleminin nispeten daha büyük veri hacmi ile açıklanabilir. Bununla birlikte, bazı öğrenciler sözdizimi revizyonlarını asla geçmedi, bu da modellerini hiçbir zaman yürütemeyecekleri anlamına geliyor.
Doğrusal PROGRAMLAMA minimizasyon örnekleri Doğrusal PROGRAMLAMA modeli çözümü Doğrusal PROGRAMLAMA Modeli Grafik çözümü Doğrusal PROGRAMLAMA örnek Doğrusal PROGRAMLAMA problemleri Doğrusal PROGRAMLAMA Soruları Doğrusal PROGRAMLAMA üretim problemleri ve çözümleri Yöneylem Araştırması doğrusal PROGRAMLAMA örnek SORULAR