Build your ultimate AI agent
Descrierea cursului
Problemele de optimizare sunt omniprezente în inginerie, științe și științele sociale. Acest curs te va duce de la zero cunoștințe despre optimizare la un optimizator de top. Vei folosi modelarea matematică pentru a transforma problemele din lumea reală în probleme matematice și a le rezolva în Python folosind pachetele SciPy și PuLP.
Aplică calculul diferențial la probleme de optimizare neconstrânsă cu SymPy
Veți începe prin a învăța definiția unei probleme de optimizare și cazurile sale de utilizare. Vei folosi SymPy pentru a aplica calculul diferențial și integral pentru a obține soluții analitice la optimizarea neconstrânsă. Nu va trebui să calculați derivate sau să rezolvați ecuații; SymPy funcționează perfect! În mod similar, vei folosi SciPy pentru a obține soluții numerice.Abordează direct problemele complexe
Apoi, vei învăța să rezolvi probleme de programare liniară în SciPy și PuLP. Pentru a surprinde complexitatea din lumea reală, vei vedea cum să aplici PuLP și SciPy pentru a rezolva optimizarea convexă cu constrângeri și optimizarea cu numere întregi mixte. La finalul acestui curs, vei fi rezolvat probleme reale de optimizare, inclusiv în producție, profit și bugetare, alocarea resurselor și multe altele.Cerințe prealabile
Curriculum
Structura cursului
1
Introducere în optimizare
Acest capitol prezintă optimizarea, componentele sale de bază și aplicațiile sale variate în diverse industrii și domenii. Este introdusă o metodă rapidă de căutare exhaustivă pentru rezolvarea unei probleme de optimizare, alături de un primer matematic pentru conceptele necesare în acest curs.
- Introducere în optimizarea matematică50 XP
- Înțelegerea optimizării matematice50 XP
- Aplicarea unei funcții obiectiv100 XP
- Metoda căutării exhaustive100 XP
- Optimizare univariată50 XP
- Calcularea derivatei100 XP
- Găsește derivata de ordinul doi100 XP
- Optimizare multivariabilă50 XP
- Derivate parțiale cu SymPy100 XP
- Limitele diferențierii100 XP
2
Optimizare neconstrânsă și cu constrângeri liniare
Acest capitol acoperă rezolvarea problemelor de optimizare neconstrânsă și cu constrângeri prin calcul diferențial și SymPy, identificând posibilele capcane. Este introdusă și biblioteca SciPy pentru rezolvarea numerică a problemelor de optimizare neconstrânsă, în una și mai multe dimensiuni, cu câteva linii de cod. Capitolul continuă cu programarea liniară în SciPy și PuLP.
3
Optimizare neconvexă cu constrângeri
Acest capitol introduce problemele de optimizare convexă cu constrângeri de diferite tipuri și abordează problemele de programare liniară în numere întregi mixte – esențialmente probleme de programare liniară în care cel puțin o variabilă este un număr întreg.
4
Tehnici avansate de optimizare
Acest capitol acoperă găsirea optimului global atunci când există mai multe soluții bune. Vei efectua analize de sensibilitate și vei învăța tehnici de liniarizare care reduc problemele neliniare la unele ușor de rezolvat cu SciPy sau PuLP. La nivel de aplicații, vei rezolva o problemă de alocare a resurselor umane cu costuri de formare și o problemă de bugetare a capitalului cu proiecte interdependente.
Introducere în optimizare în Python
Curs
finalizat
