مقدمه‌ای بر بهینه‌سازی در Python

مسائل بهینه‌سازی در مهندسی، علوم پایه و علوم اجتماعی همه جا وجود دارند. این دوره شما را از دانش صفر در زمینه بهینه‌سازی به یک متخصص بهینه‌سازی تبدیل خواهد کرد. شما از مدل‌سازی ریاضی برای تبدیل مسائل دنیای واقعی به مسائل ریاضی استفاده خواهید کرد و آن‌ها را با استفاده از پکیج‌های SciPy و PuLP در Python حل می‌کنید.

اعمال حساب دیفرانسیل و انتگرال بر مسائل بهینه‌سازی نامقید با SymPy

شما با یادگیری تعریف مسئله بهینه‌سازی و موارد استفاده از آن شروع خواهید کرد. شما از SymPy برای اعمال حساب دیفرانسیل و انتگرال جهت دستیابی به راه‌حل‌های تحلیلی برای بهینه‌سازی نامقید استفاده خواهید کرد. نیازی نیست مشتق بگیرید یا معادلات را حل کنید؛ SymPy به شکلی یکپارچه عمل می‌کند! به همین ترتیب، از SciPy برای به دست آوردن راه‌حل‌های عددی استفاده خواهید کرد.

مقابله مستقیم با مسائل پیچیده

در ادامه، یاد خواهید گرفت مسائل برنامه‌ریزی خطی را در SciPy و PuLP حل کنید. برای درک پیچیدگی‌های دنیای واقعی، خواهید دید که چگونه از PuLP و SciPy برای حل بهینه‌سازی محدب مقید و بهینه‌سازی با اعداد صحیح آمیخته استفاده کنید. تا پایان این دوره، شما مسائل بهینه‌سازی دنیای واقعی، از جمله تولید، سود و بودجه‌بندی، تخصیص منابع و موارد دیگر را حل کرده‌اید.