کانال تلگرام پشتیبانی تلگرام شماره تماس پشتیبانی: 0930 395 3766
ورود ثبت نام

آموزش بهینه سازی با پایتون: کامل Pyomo Bootcamp A-Z

Optimization with Python: Complete Pyomo Bootcamp A-Z

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: آموزش نحوه استفاده از حل‌کننده‌های CPLEX، IPOPT و COUENNE برای حل مسائل برنامه‌نویسی خطی، غیرخطی و عدد صحیح در پایتون مفاهیم اساسی و اصطلاحات مرتبط با بهینه‌سازی نحوه فرمول‌بندی یک مسئله ریاضی برنامه‌نویسی خطی و کدنویسی مسائل LP در پایتون با استفاده از Pyomo Mixed Programming Liger Integer (MILP) و کدنویسی مسائل MILP در پایتون با استفاده از برنامه نویسی غیر خطی Pyomo (NLP) و کدنویسی مسائل NLP در پایتون با استفاده از برنامه نویسی غیرخطی عدد صحیح مختلط Pyomo (MINLP) و کدنویسی مسائل MINLP در پایتون با استفاده از Pyomo پیش نیازها:General مهارت ها

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:


  1. تعریف مجموعه پارامترهای مدل بهینه سازی

  2. بیان تابع هدف و قیود به صورت تابع پایتون

  3. وارد کردن و خواندن داده ها از یک منبع خارجی (فایل CSV یا Excel)

  4. 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.


سرفصل ها و درس ها

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**

نمایش نظرات

نظری ارسال نشده است.

آموزش بهینه سازی با پایتون: کامل Pyomo Bootcamp A-Z
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
9.5 hours
40
Udemy (یودمی) udemy-small
11 فروردین 1402 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
967
4.6 از 5
دارد
دارد
دارد

https://donyad.com/d/97f9e8

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

آموزش نصب و پیکربندی آپاچی کاساندرا

آموزش نصب و پیکربندی آپاچی کاساندرا

Apache Cassandra Installation & Configuration

نحوه نصب و پیکربندی Apache Cassandra را بیاموزید

آموزش تسلط بر Git و GitHub: از مبتدی تا متخصص

آموزش تسلط بر Git و GitHub: از مبتدی تا متخصص

Mastering Git & GitHub: From Novice to Expert

بر گردش کار Git مسلط شوید و با Github به طور مؤثر همکاری کنید: یک بوت کمپ جامع برای مبتدیان و فراتر از آن

آموزش تسلط بر فرمول های مایکروسافت اکسل

آموزش تسلط بر فرمول های مایکروسافت اکسل

Mastering Microsoft Excel Formulas

دانش اکسل خود را با فرمول های اکسل ارتقا دهید

آموزش کارکنان: نقشه راه سریع شما برای موفقیت در کلاس درس

آموزش کارکنان: نقشه راه سریع شما برای موفقیت در کلاس درس

Employee Training: Your Rapid Roadmap to Classroom Success

میانبر برای مدیران، SMEها و مربیان جدید برای ایجاد و ارائه آموزش هایی که کارکنان را متحول می کند.

Navid Shirzadi 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!

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.