بهینه‌سازی با پایتون - حل مسائل تحقیق در عملیات‌ها

آنچه یاد خواهید گرفت:

• حل مسائل بهینه‌سازی با استفاده از برنامه‌نویسی خطی، برنامه‌نویسی خطی عدد صحیح مختلط، برنامه‌نویسی غیرخطی و برنامه‌نویسی غیرخطی عدد صحیح مختلط
• LP ،MILP ،NLP ،MINLP و SCOP و مسائل غیرمحدب
• solvers و فریمورک‌های اصلی، از جمله CPLEX و Gurobi و Pyomo
• الگوریتم ژنتیک، ازدحام ذرات و برنامه‌نویسی محدودیت
• از ابزارهای اولیه تا پیشرفته، نحوه نصب پایتون و یادگیری نحوه استفاده از پکیج‌های اصلی (Numpy ،Pandas و Matplotlib)
• نحوه حل مسائل با آرایه‌ها و جمع‌بندی‌ها

پیش‌نیازهای دوره

• کمی دانش در منطق برنامه‌نویسی
• چرا و کجا از بهینه‌سازی استفاده کنیم؟
• دانستن پایتون ضروری نیست.

توضیحات دوره

برنامه‌ریزی عملیاتی و برنامه‌ریزی بلندمدت برای شرکت‌ها در سال‌های اخیر پیچیده‌تر شده است. اطلاعات به سرعت تغییر می‌کنند و تصمیم‌گیری کار دشواری است. بنابراین، الگوریتم‌های بهینه‌سازی (تحقیق در عملیات‌ها) برای یافتن راه‌حل‌های بهینه برای این مسائل استفاده می‌شوند. متخصصان این حوزه یکی از ارزشمندترین افراد در بازار هستند. در این دوره آموزشی، شما با موارد ضروری برای حل مسائل با استفاده از بهینه‌سازی ریاضی و الگوریتم‌های فراابتکاری آشنا خواهید شد:

• برنامه‌نویسی خطی (LP)
• برنامه‌نویسی خطی اعداد صحیح مختلط (MILP)
• برنامه‌نویسی غیرخطی (NLP)
• برنامه‌نویسی غیرخطی اعداد صحیح مختلط (MINLP)
• الگوریتم ژنتیک (GA)
• مسائل بهینه‌سازی چند هدفه با NSGA-II (یک مقدمه‌)
• ازدحام ذرات (PSO)
• برنامه‌نویسی محدودیت (CP)
• برنامه‌نویسی مخروط مرتبه دوم (SCOP)
• برنامه‌نویسی درجه دوم غیرمحدب (QP)

solvers و فریمورک‌های زیر بررسی خواهند شد:

• solvers - بررسی CPLEX - Gurobi - GLPK - CBC - IPOPT - Couenne و SCIP
• فریمورک‌ها - Pyomo - Or-Tools - PuLP - Pymoo
• پکیج‌ها و ابزارهای مشابه - Geneticalgorithm - Pyswarm - Numpy و Pandas - MatplotLib - Spyder - Jupyter Notebook

علاوه بر این، شما یاد خواهید گرفت که چگونه برخی از تکنیک‌های خطی‌سازی را هنگام استفاده از متغیرهای باینری به کار ببرید.

علاوه بر کلاس‌ها و تمرین‌ها، مسائل زیر گام‌به‌گام حل خواهند شد:

• بهینه‌سازی در مورد نحوه نصب فنس در یک باغ
• مسئله بهینه‌سازی مسیر
• به حداکثر رساندن درآمد در فروشگاه اجاره خودرو
• جریان توان بهینه - سیستم‌های الکتریکی
• مثال‌های بسیار دیگر، برخی ساده، برخی پیچیده، شامل جمع‌بندی‌ها و بسیاری از محدودیت‌ها

کلاس‌ها از مثال‌هایی استفاده می‌کنند که گام‌به‌گام ایجاد می‌شوند، بنابراین ما الگوریتم‌ها را با هم ایجاد خواهیم کرد.

علاوه بر اینکه این دوره بیشتر بر رویکردهای ریاضی متمرکز است، شما 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 نمی‌دانید، نگران نباشید، ما هر آنچه را که برای شروع بهینه‌سازی نیاز دارید، از نصب پایتون و مبانی آن تا مسائل بهینه‌سازی پیچیده را به شما آموزش خواهیم داد. همچنین، یک مقدمه خوب در مورد مدل‌سازی ریاضی ایجاد کرده‌ایم تا بتوانید شروع به حل مسائل خود کنید.

امیدواریم این دوره بتواند در حرفه شما مفید باشد.

این دوره برای چه کسانی مناسب است؟

• دانشجویان کارشناسی، کارشناسی ارشد و دکترا
• شرکت‌هایی که می‌خواهند مسائل پیچیده را حل کنند.
• افراد علاقه‌مند به مسائل پیچیده و هوش مصنوعی