Contents
學習數學優化與運籌學、線性與非線性規劃、多目標優化…
從這 9 小時的課程，你會學到
- 與優化相關的基本概念和術語
- 如何找出數學問題的公式
- GAMS 中的線性規劃(LP)和為 LP 問題編寫程式
- GAMS 中的混合整數線性規劃 (MILP) 和為 MILP 問題編寫程式
- GAMS 中的非線性規劃 (NLP) 和為 NLP 問題編寫程式
- GAMS 中的混合整數非線性規劃 (MINLP) 和為 MINLP 問題編寫程式
- 多目標優化
- 順序性的目標規劃(SGP)以及如何在 GAMS 中為 SGP 問題編寫程式
要求
- 沒有先決條件，因為本課程是為數學優化的初學者設計的，我從下載和安裝 GAMS 開始，學生跟著做即可。
課程說明
近年來，決策和尋找問題最佳解決方案的藝術越來越受到關注。 在本課程中，你將學習如何處理各種類型的數學優化問題，如下各項：
- 線性規劃 (Linear Programming，LP)
- 混合整數線性規劃 (Mixed Integer Linear Programming，MILP)
- 非線性規劃(Non-Linear Programming，NLP)
- 混合整數非線性規劃(Mixed Integer Non-Linear Programming，MINLP)
- 多目標優化(Multi-Objective Optimization)
課程開始你需要制定一個問題。 由此，你將能夠找到並制定決策變量、目標函數、限制條件並定義你的參數。 此外，你將學習如何開發你在 GAMS 環境中制定的模型。 使用 GAMS，你將學習如何：
- 定義集合、參數、標量、目標函數和限制條件
- 從外部源（Excel 檔案）輸入和讀取資料
- 使用各種求解器解決優化問題，例如 CPLEX、IPOPT、COUENNE、BONMIN、…
- 根據 GAMS 結果中的結果創建報告
- 將結果輸出到外部源（Excel 檔案）
- 處理多目標問題並使用 GAMS 求解器解決它們
在本課程中，我們從工程、生產管理、調度、運輸、供應鍊等領域解決從簡單到複雜的優化範例。
本課程的結構基於每個主要數學規劃部分的 3 個範例。 在前兩個範例中，你將學習如何處理該類型的特定問題。 然後，你將被要求自我挑戰，將挑戰問題開發到 GAMS 。 不用擔心，即使是挑戰問題也將於課程中詳細說明和解決。
目標受眾
- 各級學生（大學生、研究生和博士）
- 希望在企業營運中做優化的公司主管
- 工程、管理、運籌學研究等多學科專業人才
- 任何有興趣學習優化的人！
講師簡介
Navid Shirzadi 資料分析師 – 優化專家
我的名字是 Navid Shirzaid，我很高興你能來這裡閱讀本節！
我是一名研究員，在控制綜合能源系統領域擁有超過 7 年的經驗，在使用數學優化策略方面擁有豐富的技能。
我還精通 Python 程式設計以及為不同應用開發機器學習和深度學習模型。
我在使用機器學習、深度學習和人工智能的能源系統設計和控制策略領域發表了多篇論文。
最後，我對資料科學和機器學習以及現實問題中的優化應用充滿熱情，我真的很想與你分享我的經驗！
英文字幕：有
- 想要了解如何將英文字幕自動翻譯成中文? 請參考這篇 How-To
報名參加課程
✍ 不受社群推薦演算法影響，建議 Telegram/Discord/e-mail
你必須登入才能發表留言。