آموزش بهینه سازی با پایتون – بررسی و حل مسائل تحقیق در عملیات + گواهینامه

آموزش بهینه سازی با پایتون – بررسی و حل مسائل تحقیق در عملیات + گواهینامه

بهینه‌سازی، یکی از مهم‌ترین حوزه‌ها در اکثر رشته‌های مهندسی، مخصوصا مهندسی صنایع است. مهندسان به صورت سنتی از نرم‌افزارهایی مانند GAMS برای بهینه‌سازی استفاده می‌کنند که محدودیت‌هایی به همراه دارد. استفاده از پایتون برای بهینه‌سازی قابلیت‌های زیادی از جمله نتایج عالی در عین سادگی در اختیار کاربران قرار می‌دهد. در طی این آموزش از چارچوب‌های مختلفی مانند Pyomo و OR-Tools برای بهینه‌سازی در پایتون استفاده می‌کنیم، همچنین از ابزارهای مختلفی مانند CPLEX ،Gurobi، زبان مدل‌‌سازی بهینه Pyomo، برنامه‌ریزی خطی و غیرخطی، الگوریتم فراابتکاری و ... برای حل مشکلات پیچیده بهینه‌سازی استفاده شده و ارتباط بین نرم‌افزار GAMS با پایتون نیز آموزش داده شده است.

تریلر دوره

توضیحات کامل دوره

...

سرفصل‌های دوره

  • چکیده
    0:01:19

  • مفاهیم بهینه‌سازی
    رایگان 0:09:53
  • مدل‌سازی ریاضی – سرمایه‌گذاری
    0:05:14
  • مدل‌سازی ریاضی مثال دوم از سرمایه‌گذاری
    0:08:57
  • مدل‌سازی ریاضی – هزینه تولید
    رایگان 0:07:25
  • مدل‌سازی ریاضی – تخصیص کار
    0:05:30
  • تمرین ۱ - مدلسازی مسئله مسیریابی
  • تمرین ٢ - مدلسازی مسئله خطی
  • آزمون ۱

  • نصب پایتون
    0:06:22
  • مروری بر لیست، تاپل (Tuple) و دیکشنری
    0:08:41
  • مروری بر دستورهای if ،for و while
    0:09:19
  • مروری بر توابع (Functions)
    رایگان 0:04:00
  • مروری بر گراف‌ها
    0:03:29
  • مروری بر پکیج Numpy
    0:04:23
  • مروری بر پکیج Pandas
    0:05:26
  • مروری بر پکیج Pandas – نحوه فراخوانی داده‌ها از اکسل
    رایگان 0:04:19
  • آزمون ۲

  • Pyomo چیست؟
    0:06:19
  • استفاده از سالور CPLEX برای حل مسائل برنامه‌ریزی خطی
    0:15:22
  • استفاده از سالور Gurobi برای حل مسائل برنامه‌ریزی خطی
    0:02:16
  • تحلیل حساسیت در چارچوب Pyomo – کدنویسی مساله
    رایگان 0:15:18
  • استفاده از سالورIPOPT برای حل مسائل برنامه‌ریزی غیرخطی
    0:04:25
  • استفاده از سالور Couenne و همچنین روش تجزیه برای حل مسائل MINLP
    0:06:09
  • کار با Arrays و Summations در Pyomo در قالب حل یک مساله – معرفی یک مثال و شروع کدنویسی
    0:13:17
  • کار با Arrays و Summations در Pyomo
    0:12:02
  • حل مساله کوله‌پشتی
    رایگان 0:11:48
  • حل مساله کوله‌پشتی – حل ریلکس شده مساله کوله‌پشتی
    0:04:16
  • حل مساله Non Convex Quadratic – معرفی و شروع کدنویسی
    0:08:39
  • حل مساله Non Convex Quadratic – ادامه کدنویسی و حل
    0:12:09
  • خطی‌سازی مسائل غیرخطی به روش M بزرگ و استفاده از بهینه‌یاب خطی – بررسی مفاهیم در قالب یک مساله بهینه‌سازی
    0:05:59
  • خطی‌سازی مسائل غیرخطی به روش M بزرگ و استفاده از بهینه‌یاب خطی – شروع کدنویسی
    0:11:34
  • خطی‌سازی مسائل غیرخطی به روش M بزرگ و استفاده از بهینه‌یاب خطی – ادامه کدنویسی و حل
    0:09:37
  • تمرین ۱ - حل مسئله خطی
  • تمرین ٢ - حل مسئله عددصحیح مختلط خطی
  • تمرین ۳ - حل مسئله غیرخطی
  • تمرین ۴ - تعریف محدودیت زمان در Pyomo
  • تمرین ۵ - تعریف محدودیت گپ (Gap) در Pyomo
  • تمرین ۶ - نمایش نحوه کار و پیشرفت کار سالور
  • آزمون ۳

  • حل مسائل برنامه‌ریزی خطی و عدد صحیح مختلط خطی در چارچوب OR-Tools
    0:10:26
  • حل مسائل برنامه‌ریزی عدد صحیح مختلط غیرخطی (MINLP) با پکیج فراابتکاری Genetic Algorithm
    0:11:12
  • حل مسائل برنامه‌ریزی عدد صحیح مختلط غیرخطی (MINLP) با پکیج فراابتکاری Particle Swarm Optimization (PSO)
    0:07:45
  • کار با چارچوب Pulp
    0:07:05
  • آزمون ۴

  • جمع‌بندی
    0:04:29
  • ادامه مسیر تا ورود به بازار کار

  • تمرین ۱ - حصار در باغ
  • تمرین ٢ - حداکثر سازی درآمد

  • آموزش بهینه سازی با پایتون – بررسی و حل مسائل تحقیق در عملیات

  • خلاصه و مرور آموزش
  • واژه‌نامه (Glossary)
  • سوالات متداول (FAQ)
  • مشاغل مرتبط
  • نمونه سئوالات مصاحبه شغلی

ارسال نظر شما

نظرات کاربران

نظرات کاربران

هنوز نظری ثبت نشده است.

1,790,000 تومان
358,000 تومان
80% تخفیف

این دوره شامل:
9 فصل آموزشی
4 ساعت ساعت آموزش
دسترسی مادام‌العمر
سطح: مبتدی
گواهی پایان دوره: ندارد
تاریخ انتشار: 1403/12/09
آخرین به‌روزرسانی: 2026-10-29 14:54:51
تعداد امتیازها: 0
تعداد دانشجو: 0
خرید اقساطی: ندارد
ضمانت بازگشت وجه: ندارد
برچسب‌ها: