لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش بهینه سازی با جولیا: تسلط بر تحقیقات عملیات
Optimization with Julia: Mastering Operations Research
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
حل مسائل بهینه سازی با Gurobi، CPLEX، GLPK، IPOPT، JuMP... با استفاده از برنامه نویسی خطی، غیرخطی، MILP... 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 حل کننده های اصلی، شامل Gurobi, CPLEX, GLPK, CBC, IPOPT, Couenne, SCIP, Bonmin نحوه استفاده از JuMP برای حل مسائل بهینه سازی با جولیا نحوه حل مسائل با جمع و محدودیت های متعدد نحوه نصب و استفاده جولیا نحوه نصب و فعال سازی هر حل کننده پیش نیازها : برخی دانش در منطق برنامه نویسی تحقیق در عملیات چیست نیازی به دانستن جولیا نیست
پیچیدگی روزافزون محیط کسبوکار مدرن، برنامهریزی عملیاتی و بلندمدت را برای شرکتها چالشبرانگیزتر از همیشه کرده است. برای رفع این مشکل، از الگوریتمهای بهینهسازی برای یافتن راهحلهای بهینه استفاده میشود و متخصصان ماهر در این زمینه در بازار امروز ارزش بالایی دارند.
من به عنوان یک رهبر باتجربه تیم علوم داده و دارنده مدرک دکترا، به خوبی مجهز هستم تا هر آنچه را که برای حل مشکلات بهینهسازی در هر دو بخش عملی و آکادمیک نیاز دارید به شما آموزش دهم.
در این دوره آموزشی، نحوه حل مسائل با استفاده از بهینه سازی ریاضی را یاد می گیرید که شامل موارد زیر می شود:
این دوره برای آموزش شما از طریق مثالهای عملی طراحی شده است و یادگیری و به کارگیری مفاهیم را برای شما آسانتر میکند.
اگر با جولیا یا به طور کلی برنامه نویسی تازه کار هستید، نگران نباشید! من شما را از طریق همه چیزهایی که برای شروع بهینه سازی نیاز دارید، از نصب جولیا و یادگیری اصول اولیه آن تا مقابله با مشکلات پیچیده بهینه سازی، راهنمایی می کنم.
با تکمیل این دوره، نه تنها مهارتهای خود را افزایش میدهید، بلکه گواهینامه ارزشمندی از Udemy کسب میکنید.
تحقیق عملیات | تحقیقات عملیاتی | تحقیق در عملیات | بهینه سازی ریاضی
من مشتاقانه منتظر دیدار شما در کلاس ها هستم و به شما کمک می کنم تا حرفه خود را در تحقیقات عملیاتی پیش ببرید!
سرفصل ها و درس ها
معرفی
Introduction
بهینه سازی چیست و چرا از جولیا استفاده کنیم
What is optimization and why use Julia
تابع هدف، متغیرها، پارامترها و محدودیت ها
Objective function, variables, parameters and constraints
نحوه حل مسائل بهینه سازی
How to solve optimization problems
نمونه هایی از چیزهایی که قرار است یاد بگیرید
Examples of what you are gonna learn
شروع با جولیا
Starting with Julia
در حال نصب جولیا
Installing Julia
نصب VSCode
Installing VSCode
اولین کد ما
Our first code
اگر بیانیه
If statement
کارکرد
Functions
حلقه ها
Loops
فهرست ها، آرایه ها و دیکته ها
Lists, arrays and dicts
بسته ها
Packages
خواندن فایل های اکسل
Reading Excel Files
درباره جولیا بیشتر بدانید
Learning more about Julia
برنامه نویسی خطی (LP)
Linear Programming (LP)
مقدمه: مسائل خطی و غیرخطی
Introduction: Linear and Nonlinear problems
مدل سازی یک مسئله خطی
Modeling a linear problem
حل مسئله خطی اول
Solving the first linear problem
با استفاده از CBC
Using CBC
لیست حل کننده ها
List of solvers
نصب و استفاده از Gurobi
Installing and using Gurobi
نصب و استفاده از CPLEX
Installing and using CPLEX
مثال LP 1: برنامه ریزی غذا - مدل سازی
Example LP 1: Meal Planning - Modeling
مثال LP 1: برنامه ریزی غذا - حل
Example LP 1: Meal Planning - Solving
مثال LP 1 - کار با شاخص ها
Example LP 1 - Working with indexes
مثال LP 2: سرمایه گذاری مالی - مدل سازی
Example LP 2: Financial Investment - Modeling
مثال LP 2: سرمایه گذاری مالی - حل
Example LP 2: Financial Investment - Solving
مفاهیم LP
LP Concepts
برنامه ریزی خطی عدد صحیح مختلط (MILP)
Mixed-Integer Linear Programming (MILP)
متغیرهای عدد صحیح و باینری
Integer and Binary Variables
تعریف متغیرهای عدد صحیح در جولیا
Defining Integer Variables in Julia
حل کننده های MILP
MILP Solvers
مثال MILP: JobShop - Modeling
Example MILP: JobShop - Modeling
MILP مثال: JobShop - حل
Example MILP: JobShop - Solving
مفاهیم MILP
MILP Concepts
کار با جمع مضاعف و محدودیت های چندگانه
Working with Double Summation and Multiple Constraints
مقدمه و فرمولاسیون
Introduction and formulations
چند شاخص در جولیا
Multiple Indexes in Julia
جمع دوگانه در جولیا
Double Summations in Julia
محدودیت های متعدد در جولیا
Multiple Constraints in Julia
قیود چندگانه با جمع
Multiple Constraints with Summation
محدودیت های نامگذاری
Naming Constraints
استفاده از ورودی های خارجی برای حل مشکل مسیریابی (VRP)
Using external inputs to solve a routing problem (VRP)
فرمول مسئله مسیریابی
Routing Problem Formulation
ساختار ورودی داده
Data Input structure
خواندن اکسل
Reading Excel
خواندن منابع دیگر
Reading other sources
ایجاد مجموعه ها و فیلتر کردن DataFrames
Creating sets and filtering DataFrames
حل مشکل مسیریابی
Solving the routing problem
صادرات راه حل
Exporting the solution
پارامترها و پیشرفت حل کننده
Parameters and Progress of the Solver
پیشرفت حل کننده
Progress of the Solver
بررسی پارامترها
Checking the parameters
تحمل شکاف
Gap Tolerance
محدودیت زمانی
Time Limit
برنامه نویسی غیرخطی (NLP)
Nonlinear Programming (NLP)
چالش های NLP
NLP challenges
حل کننده های NLP
NLP Solvers
مشکل حمل و نقل با استفاده از منحنی exp() - مدل سازی
Transportation problem using exp() curve - Modelling
مشکل حمل و نقل - راه حل - استفاده از Ipopt
Transportation problem - Solution - Using Ipopt
حل مسئله با کسینوس و سینوس - راه حل های محلی - با استفاده از IPOPT
Solving problem with cosines and sines - local solutions - using IPOPT
استفاده از Couenne برای یافتن یک راه حل جهانی
Using Couenne to find a global solution
مفاهیم NLP
NLP Concepts
برنامه نویسی غیرخطی عدد صحیح مختلط (MINLP)
Mixed-Integer Nonlinear Programming (MINLP)
مفاهیم و حل کننده های MINLP
MINLP Concepts and Solvers
حل یک مشکل MINLP با Couenne
Solving a MINLP problem with Couenne
با استفاده از Bonmin
Using Bonmin
با استفاده از SCIP
Using SCIP
اجتناب از خطا در MINLP
Avoiding errors in MINLP
گسترش دانش و کشف فرصت ها
Expanding Your Knowledge and Exploring Opportunities
افزایش دانش خود از فرمول بندی و بهینه سازی ریاضی
Enhancing Your Knowledge of Mathematical Formulation and Optimization
توصیه دوره برای گسترش مهارت های خود: بهینه سازی با پایتون
Course recommendation to expand your skills: Optimization with Python
نمایش نظرات