آموزش بهینه سازی با پایتون: کامل Pyomo Bootcamp A-Z
Optimization with Python: Complete Pyomo Bootcamp A-Z
بهینه‌سازی ریاضی در بیشتر رشته‌های کمی مانند مهندسی، مدیریت، اقتصاد و تحقیقات عملیاتی روز به روز محبوب‌تر می‌شود. علاوه بر این، پایتون یکی از معروف ترین زبان های برنامه نویسی است که امروزه بیشتر مورد توجه قرار گرفته است. بنابراین تصمیم گرفتیم دوره ای برای تسلط بر توسعه مسائل بهینه سازی در محیط پایتون ایجاد کنیم. در این دوره، نحوه برخورد با انواع مختلف مسائل بهینه سازی ریاضی را به شرح زیر یاد خواهید گرفت:
برنامه نویسی خطی (LP)
برنامه نویسی خطی عدد صحیح مختلط (MILP)
برنامه نویسی غیر خطی
برنامه نویسی غیرخطی عدد صحیح مختلط
از آنجایی که این دوره برای همه سطوح (از مبتدی تا پیشرفته) طراحی شده است، ما از ابتدا شروع می کنیم که شما باید یک مسئله را فرموله کنید. بنابراین، پس از اتمام این دوره، قادر خواهید بود متغیرهای تصمیم، تابع هدف، محدودیت ها را پیدا و فرموله کنید و پارامترهای خود را تعریف کنید. علاوه بر این، شما یاد خواهید گرفت که چگونه مدل فرموله شده را در محیط پایتون (با استفاده از بسته Pyomo) توسعه دهید.
در اینجا برخی از مهارت‌های مهمی که هنگام استفاده از پایتون در این دوره خواهید آموخت:
تعریف مجموعه پارامترهای مدل بهینه سازی
بیان تابع هدف و قیود به صورت تابع پایتون
وارد کردن و خواندن داده ها از یک منبع خارجی (فایل CSV یا Excel)
مشکل بهینه سازی را با استفاده از حل کننده های مختلف مانند CPLEX، IPOPT، COUENNE و غیره حل کنید.
در این دوره، مسائل بهینه سازی ساده تا پیچیده را از رشته های مختلف مانند مهندسی، مدیریت تولید، برنامه ریزی، حمل و نقل، زنجیره تامین و ... حل می کنیم.
این دوره بر اساس 3 مثال برای هر یک از بخش های اصلی برنامه نویسی ریاضی ساختار یافته است. در دو مثال اول، نحوه برخورد با آن نوع مشکل خاص را خواهید آموخت. سپس از شما خواسته می شود تا با توسعه مشکل چالش در محیط پایتون، خود را به چالش بکشید. با این وجود، حتی مشکل چالش نیز با جزئیات توضیح داده شده و حل خواهد شد.
معرفی Introduction
-
معرفی دوره Course Introduction
-
محتوای دوره Course Content
مقدمه ای بر بهینه سازی ریاضی Introduction to Mathematical Optimization
-
مروری بر مفاهیم مهم بهینه سازی A Review on Optimization’s Important Concepts
نصب پایتون Python Installation
-
چرا گوگل کولب؟ Why Google Colab?
-
مروری بر محیط کولب Review on Colab Environment
-
نصب Pyomo Pyomo Installation
برنامه ریزی خطی (LP) Linear Programming (LP)
-
مقدمه ای بر مشکلات LP Introduction to LP problems
-
مثال 1: فرمول مسئله Example1: Problem Formulation
-
مثال 1: توسعه مدل در پایتون Example 1: Model Development in Python
-
مثال 2: فرمول مسئله Example2: Problem Formulation
-
مثال 2: توسعه مدل در پایتون Example2: Model Development in Python
-
توجه داشته باشید! Note!
-
مشکل چالش LP LP Challenge Problem
-
راه حل چالش LP در پایتون LP Challenge Solution in Python
-
لیست حل کننده ها List of Solvers
برنامه ریزی خطی عدد صحیح مختلط (MILP) Mixed-Integer Linear Programming (MILP)
-
مقدمه ای بر برنامه نویسی عدد صحیح Introduction to Integer Programming
-
مثال 1: فرمول مسئله Example1: Problem Formulation
-
مثال 1: توسعه مدل در پایتون Example1: Model Development in Python
-
مثال 2: فرمول مسئله Example2: Problem Formulation
-
مثال 2: توسعه مدل در پایتون Example2: Model Development in Python
-
مشکل چالش MILP MILP Challenge Problem
-
راه حل چالش MILP در پایتون MILP Challenge Solution in Python
برنامه نویسی غیر خطی (NLP) Non-Linear Programming (NLP)
-
مقدمه ای بر برنامه نویسی غیر خطی Introduction to Non-Linear Programming
-
مثال 1: فرمول مسئله Example1: Problem Formulation
-
توجه داشته باشید! Note!
-
مثال 1: توسعه مدل در پایتون Example1: Model Development in Python
-
مثال 2: فرمول مسئله Example2: Problem Formulation
-
مثال 2: توسعه مدل در پایتون Example2: Model Development in Python
-
مشکل چالش NLP NLP Challenge Problem
-
راه حل چالش NLP NLP Challenge Solution
برنامه نویسی غیرخطی عدد صحیح مختلط (MINLP) Mixed-Integer Nonlinear Programming (MINLP)
-
مقدمه ای بر برنامه ریزی غیرخطی اعداد صحیح مختلط Introduction to Mixed-Integer Non-Linear Programming
-
مثال 1: فرمول مسئله Example1: Problem Formulation
-
نکته در مورد حل کننده! Note Regarding Solver!
-
مثال 1: توسعه مدل در پایتون Example1: Model Development in Python
-
مثال 2: فرمول مسئله Example2: Problem Formulation
-
مثال 2: توسعه مدل در پایتون Example2: Model Development in Python
-
مشکل چالش MINLP MINLP Challenge Problem
-
راه حل چالش MINLP MINLP Challenge Solution
نتیجه Conclusion
-
بررسی و خواندن پیشنهادات Review & Reading Suggestions
جایزه Bonus
-
**پاداش ویژه شما** **Your Special Bonus**
https://donyad.com/d/97f9e8
Navid Shirzadi
Data Analyst - Optimization Expert نام من نوید شیرزید است و من بسیار خوشحالم که شما برای خواندن این بخش اینجا هستید! من یک محقق با بیش از 7 سال تجربه در زمینه کنترل سیستم های انرژی یکپارچه با مهارت گسترده در استفاده از استراتژی های بهینه سازی ریاضی هستم. من همچنین در برنامه نویسی با پایتون و توسعه مدل های یادگیری ماشین و یادگیری عمیق برای برنامه های مختلف مهارت دارم. من چندین نشریه در زمینه طراحی و کنترل استراتژی های سیستم های انرژی با استفاده از یادگیری ماشین ، یادگیری عمیق و هوش مصنوعی دارم. به عنوان نتیجه گیری ، من علاقه زیادی به علم داده و یادگیری ماشین و برنامه های بهینه سازی در مشکلات دنیای واقعی دارم و واقعاً دوست دارم تجربه خود را با شما در میان بگذارم!
نمایش نظرات