لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش بهینه سازی با پایتون: حل مسائل تحقیق در عملیات
Optimization with Python: Solve Operations Research Problems
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
حل مسائل بهینه سازی با CPLEX، Gurobi، Pyomo... با استفاده از برنامه نویسی خطی، غیرخطی، الگوریتم های تکاملی... حل مسائل بهینه سازی با استفاده از برنامه نویسی خطی، برنامه ریزی خطی عدد صحیح مختلط، برنامه نویسی غیرخطی، برنامه نویسی غیرخطی عدد صحیح مختلط، LP، MILP، NLP , MINLP, SCOP, NonCovex Problems حلکنندهها و چارچوبهای اصلی شامل الگوریتم ژنتیک CPLEX، Gurobi و Pyomo، ازدحام ذرات و برنامهنویسی محدودیتها از ابزارهای اولیه تا پیشرفته، نحوه نصب پایتون و نحوه استفاده از بستههای اصلی را بیاموزید (Numpy، Pandas, Matplotlib...) نحوه حل مسائل با آرایه ها و جمع بندی ها پیش نیازها: دانشی در منطق برنامه نویسی چرا و کجا از بهینه سازی استفاده کنیم نیازی به دانستن پایتون نیست.
برنامه ریزی عملیاتی و برنامه ریزی بلند مدت برای شرکت ها در سال های اخیر پیچیده تر شده است. اطلاعات به سرعت تغییر می کند و تصمیم گیری کار سختی است. بنابراین از الگوریتم های بهینه سازی (تحقیق در عملیات) برای یافتن راه حل های بهینه برای این مسائل استفاده می شود. حرفه ای ها در این زمینه یکی از با ارزش ترین ها در بازار هستند.
در این دوره آموزشی می آموزید که برای حل مسائل مربوط به بهینه سازی ریاضی و فراابتکاری چه مواردی لازم است:
برنامه نویسی خطی ( LP )
برنامه نویسی خطی عدد صحیح مختلط ( MILP )
برنامه نویسی غیرخطی ( NLP )
برنامهنویسی خطی عدد صحیح مختلط (MINLP)
الگوریتم ژنتیک ( GA )
مشکلات بهینه سازی چند هدفه با NSGA-II (مقدمه)
ازدحام ذرات ( PSO )
برنامه نویسی محدود ( CP )
برنامه نویسی مخروطی مرتبه دوم ( SCOP )
برنامه نویسی درجه دوم غیر محدب ( QP )
حلکنندهها و چارچوبهای زیر بررسی خواهند شد:
حل کننده ها: CPLEX – Gurobi – GLPK – CBC – IPOPT – Couenne – SCIP
علاوه بر این، نحوه اعمال برخی از تکنیک های خطی سازی را هنگام استفاده از متغیرهای باینری خواهید آموخت.
علاوه بر کلاس ها و تمرین ها، مشکلات زیر نیز مرحله به مرحله حل می شود:
بهینه سازی نحوه نصب حصار در باغ
مشکل بهینه سازی مسیر
درآمد را در یک فروشگاه اتومبیل کرایه ای به حداکثر برسانید
جریان توان بهینه: سیستمهای الکتریکی
بسیاری مثال های دیگر، برخی ساده، برخی پیچیده، از جمله جمع بندی و بسیاری از محدودیت ها.
کلاسها از نمونههایی استفاده میکنند که گام به گام ایجاد میشوند، بنابراین الگوریتمها را با هم ایجاد میکنیم.
علاوه بر این که این دوره بیشتر بر رویکردهای ریاضی متمرکز است، همچنین یاد خواهید گرفت که چگونه با استفاده از هوش مصنوعی (AI)، الگوریتم ژنتیک و ازدحام ذرات، مسائل را حل کنید.
اگر پایتون یا نحوه کدنویسی را بلد نیستید نگران نباشید، من همه چیزهایی را که برای شروع بهینه سازی نیاز دارید، از نصب پایتون و اصول اولیه آن گرفته تا مسائل پیچیده بهینه سازی را به شما آموزش می دهم. همچنین، من یک مقدمه خوب در مورد مدل سازی ریاضی ایجاد کرده ام، بنابراین شما می توانید شروع به حل مسائل خود کنید.
امیدوارم این دوره بتواند به شما در حرفه شما کمک کند. با این حال، شما یک گواهینامه از Udemy دریافت خواهید کرد.
تحقیق در عملیات | تحقیقات عملیاتی | بهینه سازی ریاضی
شما را در کلاس ها می بینیم!
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)
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.
نمایش نظرات