Build your ultimate AI agent
Opis kursu
Problemy optymalizacyjne są wszechobecne w inżynierii, naukach ścisłych i naukach społecznych. Ten kurs przeprowadzi Cię od zerowej wiedzy o optymalizacji do poziomu mistrza optymalizacji. Będziesz wykorzystywać modelowanie matematyczne, aby przekładać rzeczywiste problemy na problemy matematyczne i rozwiązywać je w Pythonie za pomocą pakietów SciPy i PuLP.
Zastosuj rachunek różniczkowy do problemów optymalizacji bez ograniczeń z SymPy
Zaczniesz od poznania definicji problemu optymalizacyjnego oraz jego zastosowań. Użyjesz SymPy, aby zastosować rachunek różniczkowy do uzyskiwania analitycznych rozwiązań w optymalizacji bez ograniczeń. Nie będziesz musiał obliczać pochodnych ani rozwiązywać równań; SymPy działa bezproblemowo! Podobnie będziesz używać SciPy do uzyskiwania rozwiązań numerycznych.Podejmij złożone problemy bezpośrednio
Następnie nauczysz się rozwiązywać problemy programowania liniowego w SciPy i PuLP. Aby uchwycić złożoność rzeczywistych problemów, zobaczysz, jak stosować PuLP i SciPy do rozwiązywania ograniczonej optymalizacji wypukłej oraz optymalizacji mieszanej całkowitoliczbowej. Pod koniec tego kursu rozwiążesz rzeczywiste problemy optymalizacyjne, w tym związane z produkcją, zyskiem i budżetowaniem, alokacją zasobów i nie tylko.Wymagania wstępne
Program kursu
Plan kursu
1
Wprowadzenie do optymalizacji
Ten rozdział wprowadza pojęcie optymalizacji, jej kluczowe składniki oraz szerokie zastosowania w różnych branżach i dziedzinach. Przedstawia szybką metodę przeszukiwania wyczerpującego do rozwiązywania problemów optymalizacyjnych. Zawiera również matematyczne wprowadzenie do pojęć niezbędnych w tym kursie.
- Wprowadzenie do optymalizacji matematycznej50 XP
- Rozumienie optymalizacji matematycznej50 XP
- Stosowanie funkcji celu100 XP
- Metoda przeszukiwania wyczerpującego100 XP
- Optymalizacja jednozmiennowa50 XP
- Wyznaczanie pochodnej100 XP
- Znajdź drugą pochodną100 XP
- Optymalizacja wielowymiarowa50 XP
- Pochodne cząstkowe z SymPy100 XP
- Ograniczenia różniczkowania100 XP
2
Optymalizacja nieograniczona i liniowo ograniczona
Ten rozdział omawia rozwiązywanie problemów optymalizacji nieograniczonej i ograniczonej za pomocą rachunku różniczkowego i biblioteki SymPy, ze wskazaniem typowych pułapek. Wprowadza również SciPy do numerycznego rozwiązywania problemów optymalizacji nieograniczonej – zarówno jednowymiarowej, jak i wielowymiarowej – zaledwie kilkoma linijkami kodu. Rozdział kończy się omówieniem programowania liniowego w SciPy i PuLP.
3
Nieliniowa optymalizacja ograniczona
Ten rozdział wprowadza wypukłe problemy optymalizacji ograniczonej z różnymi typami ograniczeń oraz omawia problemy mieszanego programowania liniowego całkowitoliczbowego – czyli problemy programowania liniowego, w których co najmniej jedna zmienna przyjmuje wartości całkowite.
4
Zaawansowane techniki optymalizacji
Ten rozdział poświęcony jest znajdowaniu globalnego optimum w sytuacji, gdy istnieje wiele dobrych rozwiązań. Przeprowadzisz analizę wrażliwości i poznasz techniki linearyzacji, które pozwalają sprowadzić problemy nieliniowe do postaci łatwej do rozwiązania za pomocą SciPy lub PuLP. W ramach zastosowań praktycznych rozwiążesz problem alokacji pracowników z uwzględnieniem kosztów szkoleń oraz problem budżetowania kapitałowego z zależnymi projektami.
Wprowadzenie do optymalizacji w Pythonie
Kurs
ukończony
