مجموعه  اول: (مبانی و تقسیم بندی انواع بهینه سازی و کاربردها) توسط دکترزهره داورزنی متخصص هوش مصنوعی از دانشگاه فردوسی

• -  بهینه سازی و کاربردهای آن     
• -   مقدمه
• -  تعریف مفهوم بهینه سازی
• -  مفاهیم اولیه
• -  انواع بهینه سازی
• -  روش های حل مسایل بهینه سازی
• -  برنامه ریزی خطی و غیر خطی
• -  الگوریتم های تکاملی
• -  یادگیری ماشین

مجموعه  دوم : آموزش ابزارهای بهینه سازی در (گرس هاپر)

آموزش ابزار Silvereye ( بهینه سازی با کمک هوش ازدحامی ذرات (PSO) )

• -  مقدمه
• -  تاریخچه
• -  چرا  Silvereye
• -  مزایا Silvereye
• -  نصب Silvereye
• -  شروع کار با  Silvereye
• -  آشنایی با محیط Silvereye
• -  مقایسه با ابزار گالاپاگوس
• -  انجام بهینه سازی با Silvereye

آموزش ابزار Octopus (بهینه سازی چند هدفه یا multi objective optimization) 

• -  مقدمه
• -  تاریخچه
• -  چرا Octopus
• -  مزایا Octopus
• -  نصب Octopus
• -  شروع کار با  Octopus
• -  آشنایی با محیط Octopus
• -  مقایسه با ابزار گالاپاگوس
• -  انجام بهینه سازی با Octopus

بهینه سازی چند هدفه با استفاده از ابزار Wallacei بخش اول

 قسمت اول: مبانی

• -  چرا  Wallacei ؟
• -  مقایسه ابزار های بهینه سازی با Wallacei
• -  آشنایی با روش  headless research
• -  اهمیت استفاده از هوش مصنوعی برای بهینه سازی
• -  آشنایی با عملکرد روش های تکاملی
• -  تاریخچه Wallacei
  1.  

قسمت دوم : Grasshopper و  Rhino

• -  آشنایی با محیط  Grasshopper و Rhino
• -  دانلود Wallacei
• -  نصب  Wallacei

قسمت سوم : فرآیند بهینه سازی

• -  بررسی ورودی ها
• -  موارد قابل پذیرش ورودی
• -  بررسی انواع ورودی ها
• -  آشنایی با میانبر های ورودی
• -  افزایش سرعت پردازش و جلوگیری از کرش کردن گرس هاپر
• -  بررسی خروجی
• -  خروجی مورد انتظار از بهینه سازی
• -  رمز گشایی نتایج بهینه سازی
• -  نحوه نمایش فنوتایپ ها در گرس هاپر
• -  نمایش جدولی نتایج
• -  تنظیمات بهینه سازی
• -  آشنایی با فروم Wallacei
• -  آشنایی با توضیحات Wallacei
• -  نحوه ایجاد تصویر از محیط Wallacei X(برای اشتراک نتایج و مشکلات احتمالی)
• -  آشنایی با مفاهیم بهینه سازی تکاملی (نسل و فرد و جهش)
• -  آشنایی با تنظیمات بهینه سازی تکاملی
• -  بررسی چارت و گراف های PCP ، Parto front ، Standard deviation(SD)، Object space
• -  نمایش و تجزیه تحلیل نتایج به تفکیک توابع اهداف بهینه سازی
• -  بررسی نتایج و رنک بندی بر اساس مقادیر تابع هدف
• -  انتخاب نتایج مطلوب
• -  آشنایی با روش انتخاب نتایج با کمک چهار متد PCP
• -  آشنایی با روش انتخاب نتایج با کمک ماشین لرنینگ
• -  آشنایی با روش انتخاب نتایج با کمک جبهه پارتو Parto front
• -  آشنایی با روش انتخاب نتایج با کمک انتخاب نسل دلخواه و مطلوب
• -  استخراج نتایج مطلوب
• -  نمایش فنوتایپ ها در گرس هاپر
• -  نمایش جدولی نتایج

قسمت چهارم : تجزیه تحلیل نتایج

• -  Wallacei Analytics
• -  آشنایی با Wallacei Analytics
• -  بررسی کامپوننت چارت  SD
• -  ایجاد چارت SD با کمک  Wallacei Analytics
• -  نمایش چارت SD در راینو و گرس هاپر 

مجموعه  سوم: مثال های کاربردی بهینه سازی همراه با انجام  شبیه سازی صفر تا صد

- مثال اول: بهینه یابی درصد پنجره به دیوار (WWR) با ابزار colibri در  پلاگین LBT 
- مثال دوم: بهینه یابی مشخصات سایبان ( یا طاقچه نوری) با ابزار Galapagos در پلاگین LBT 
- مثال سوم: بهینه یابی جهت گیری و ساختمان ساختمان با ابزار Octopus  در پلاگین LBT
- مثال چهارم : مثال جامع از ترکیب مثال های 1 تا 3 با ابزار Wallacei  در پلاگینLBT (نیاز به شبیه سازی مجدد و تحلیل نتایج دارد)
- مثال پنجم : نحوه مدل سازی نما متحرک و انجام شبیه سازی سایه اندازی با ابزار octopus  در پلاگینLBT
- مثال ششم : بهینه یابی نوع مصالح  و نوع سیستم HVAC و مقادیر ست پوینت با ابزار colibri در پلاگین LBT -