آموزش بهینه سازی با پایتون: حل مسائل تحقیق در عملیات

سرفصل ها و درس ها

معرفی دوره Introduction to the course

• معرفی Introduction

• بهینه سازی چیست What is optimization

نصب پایتون Installing Python

• نصب پایتون Installing Python

• بسته ها Packages

• نکته مهم در مورد پایتون Important note about Python

• IDE Spyder IDE Spyder

• نوت بوک\آزمایشگاه Jupyter Jupyter Notebook\Lab

• تمرینات Exercises

شروع با پایتون Starting with Python

• فهرست ها، تاپل ها و فرهنگ لغت Lists, Tuples, and Dictionary

• اگر، برای، در حالی که If, For, While

• کارکرد Functions

• ناپخته Numpy

• پانداها Pandas

• پانداها: خواندن اکسل Pandas: reading Excel

• نمودارها Graphs

• تمرینات Exercises

• تمرینات Exercises

• فایل های PDF برای آشنایی بیشتر با پایتون PDFs to learn more about Python

مقدمه ای بر مدل سازی ریاضی Introduction to mathematical modelling

• مدلسازی ریاضی چیست؟ What is Mathematical Modelling?

• چگونه مسائل بهینه سازی را حل کنیم؟ How do we solve optimization problems?

• نوع متغیرها Type of Variables

• تابع هدف و محدودیت ها Objective Function and Constraints

• چگونه مشکل خود را مدل سازی کنیم؟ How to model your problem?

• اولین فرمول ما Our first formulation

• مثال 1: سرمایه گذاری Example 1: investiment

• مثال 2: سرمایه گذاری Example 2: investiment

• مثال 3: هزینه تولید Example 3: production cost

• مثال 4: مشکل مسیر Example 4: route problem

• مثال 5: تکلیف ساخت و ساز Example 5: construction assignment

• مثال 6: تکلیف ساخت و ساز Example 6: construction assignment

• مثال 7: تعیین شغل Example 7: job assignment

• مثال 8: تعیین شغل Example 8: job assignment

• چگونه بیشتر بیاموزیم؟ How to Learn More?

• برخی از مراجع برای کسب اطلاعات بیشتر (مشکلات VRPTW، TSP، JobShop...) Some references for you learn more (problems of VRPTW, TSP, JobShop...)

برنامه ریزی خطی (LP) Linear Programming (LP)

• LP: مقدمه LP: Introduction

• چارچوب و حل کننده ها Framework and Solvers

• LP: Ortools LP: Ortools

• LP: SCIP LP: SCIP

• LP: SCIP | خطا در هنگام نصب LP: SCIP | errors during installation

• LP: Gurobi، CPLEX، و GLPK (نصب) LP: Gurobi, CPLEX, and GLPK (installation)

• مجوز تحصیلی برای Gurobi [به روز رسانی] Academic License for Gurobi [Updates]

• LP: Pyomo (با استفاده از Gurobi، CPLEX، و GLPK) LP: Pyomo (using Gurobi, CPLEX, and GLPK)

• LP: Pyomo | غلبه بر خطاها LP: Pyomo | overcoming errors

• LP: پالپ LP: PuLP

• کدام حل کننده و فریم ورک را انتخاب کنیم؟ Which solver and frameworks should we choose?

• LP: ورزش کن، خودت حلش کن LP: Exercise, solve it by yourself

• LP: مفاهیم LP: Concepts

کار با Pyomo Working with Pyomo

• Pyomo: استفاده از حل کننده های دیگر (CBC) Pyomo: Using other solvers (CBC)

• Pyomo: جمع بندی ها Pyomo: Summations

• Pyomo: جمع دوگانه و متغیرها با 2 یا بیشتر شاخص Pyomo: Double Summations and Variables with 2 or more indexes

• Pyomo: Pprint Pyomo: Pprint

• Pyomo: دستی Pyomo: Manual

برنامه ریزی خطی عدد صحیح مختلط (MILP) Mixed-Integer Linear Programming (MILP)

• MILP: مقدمه MILP: Introduction

• MILP: پیمو MILP: Pyomo

• MILP: Ortools MILP: Ortools

• MILP: SCIP MILP: SCIP

• MILP: ورزش کنید، خودتان آن را حل کنید MILP: Exercise, solve it by yourself

• MILP: محلول ورزش MILP: Exercise solution

• MILP: مفاهیم MILP: Concepts

برنامه نویسی غیرخطی (NLP) Nonlinear Programming (NLP)

• NLP: مقدمه NLP: Introduction

• NLP: Pyomo (IPOPT) NLP: Pyomo (IPOPT)

• NLP: SCIP NLP: SCIP

• NLP: ورزش کنید، خودتان آن را حل کنید NLP: Exercise, solve it by yourself

• NLP: راه حل تمرین NLP: Exercise Solution

• NLP: مفاهیم NLP: Concepts

برنامه نویسی غیرخطی عدد صحیح مختلط (MINLP) Mixed-Integer Nonlinear Programming (MINLP)

• MINLP: مقدمه MINLP: Introduction

• MINLP: پیمو (کوئن) MINLP: Pyomo (Couenne)

• MINLP: Pyomo (تجزیه با استفاده از mindtpy) MINLP: Pyomo (decomposition using mindtpy)

• MINLP: SCIP MINLP: SCIP

الگوریتم ژنتیک و ازدحام ذرات Genetic Algorithm and Particle Swarm

• الگوریتم ژنتیک: مقدمه Genetic Algorithm: Introduction

• الگوریتم ژنتیک: مثال موردی پایه Genetic Algorithm: Base Case Example

• الگوریتم ژنتیک: مسئله مسیریابی Genetic Algorithm: Routing Problem

• مسائل چند هدفه با استفاده از NSGA-II - مقدمه Multi-Objective Problems using NSGA-II - An introduction

• ازدحام ذرات (PSO): مثال موردی پایه Particle Swarm (PSO): Base Case Example

• PSO: مفاهیم PSO: Concepts

برنامه نویسی محدود (CP) Constraint Programming (CP)

• CP: Ortools CP: Ortools

• CP: مفاهیم CP: Concepts

موارد خاص Special Cases

• معرفی Introduction

• SCOP: برنامه نویسی مخروطی مرتبه دوم SCOP: Second-Order Cone Programming

• برنامه نویسی درجه دوم غیر محدب NonConvex Quadratic Programming

• مشکلات مسیریابی خودرو (VRP) با Or-Tools، مقدمه Vehicle Routing Problems (VRP) with Or-Tools, An introduction

• خطی سازی: باینری*پیوسته با استفاده از BigM Linearization: binary*continuos using BigM

• خطی سازی: باینری*دودویی Linearization: binary*binary

ویژگی های پیشرفته برای Pyomo Advanced Features for Pyomo

• مقدمه و مطالعه موردی جدید با جمع دوگانه Introduction and a new Case Study with double summations

• پیشرفت حل کننده را بررسی کنید Check the solver progress

• حد شکاف را تعریف کنید Define a Gap Limit

• یک محدودیت زمانی تعریف کنید Define a Time Limit

• پارامترهای بیشتر برای حل کننده ها More parameters for the solvers

• نحوه استفاده از SCIP در Pyomo How to use SCIP in Pyomo

• متغیرهای دوگانه مشکل (قیمت های سایه) Dual variables of the Problem (Shadow Prices)

• کار با نابرابری Working with inequality

• pyo.summation pyo.summation

• پارامترها و مجموعه ها Parameters and Sets

• قوانین درون محدودیت ها Rules inside Constraints

• قوانین با نمایه ها Rules with indexes

• شروع گرم WarmStart

• معادلات دیفرانسیل جبری (DAE) Differential Algebraic Equations (DAE)

تمرینات و مدل سازی بیشتر More exercises and modeling

• معرفی Introduction

• معرفی Introduction

• مشکل باغ Garden problem

• مشکل درآمد Revenue problem

• مشکل مسیر - فرمولاسیون Route problem - Formulation

• مشکل مسیر - راه حل Route problem - Solution

• جریان قدرت بهینه - مقدمه Optimal power flow - Introduction

• جریان قدرت بهینه - فرمولاسیون Optimal power flow - Formulation

• جریان برق بهینه - راه حل Optimal power flow - Solution

نتیجه Conclusion

• تبریک میگم Congratulation