Build your ultimate AI agent
课程介绍
优化问题在工程、科学和社会科学中无处不在。 这门课程将带你从零优化知识成长为优化高手。 您将使用数学建模将现实世界的问题转化为数学问题，并使用 SciPy 和 PuLP 包在 Python 中解决这些问题。
使用 SymPy 将微积分应用于无约束优化问题
你将首先学习优化问题的定义及其应用场景。 您将使用 SymPy 将微积分应用于无约束优化，从而得到解析解。 你无需计算导数或求解方程；SymPy 可无缝运行！同样，你将使用 SciPy 来获得数值解。直面复杂问题
接下来，你将学习如何使用 SciPy 和 PuLP 解决线性规划问题。 为了应对真实世界的复杂性，你将学习如何运用 PuLP 和 SciPy 来解决约束凸优化和混合整数优化。 在本课程结束时，您将能够解决现实世界中的优化问题，包括制造、利润和预算、资源分配等。先修要求
课程大纲
课程大纲
1
优化概述
本章将介绍优化的基本概念、核心组成部分及其在各行业与领域的广泛应用。我们将展示一种用于求解优化问题的快速穷举思路，并补充完成本课程所需的数学基础。
2
无约束与线性约束优化
本章将使用微分法与 SymPy 求解无约束与有约束优化问题，并指出可能的误区。同时介绍 SciPy，只需几行代码即可在一维与多维情形下数值求解无约束优化。随后，使用 SciPy 和 PuLP 求解线性规划。
3
非线性约束优化
本章介绍带凸约束的优化问题，涵盖不同类型的约束，并讨论混合整数线性规划问题，即至少有一个变量为整数的线性规划。
4
稳健优化技术
本章聚焦在存在多个较优解时如何找到全局最优。我们将进行敏感性分析，并学习线性化等建模技巧，将非线性问题转化为可用 SciPy 或 PuLP 轻松求解的形式。在应用方面，将解决包含培训成本的人力资源配置问题，以及具有项目依赖关系的资本预算问题。
Python 优化入门
课程完成
