Contents
學習如何使用 CPLEX、IPOPT 和 COUENNE 等求解器解決 Python 中的線性和非線性以及整數程式設計問題(Integer Programming Problems)
從這 9.5 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
- 使用 Pyomo 在 Python 中線性規劃( LP )和為 LP 問題編寫程式
- 使用 Pyomo 在 Python 中混合整數線性規劃 (MILP) 和為 MILP 問題編寫程式
- 使用 Pyomo 在 Python 中進行非線性規劃 (NLP) 和為 NLP 問題編寫程式
- 使用 Pyomo 在 Pyhton 中進行混合整數非線性規劃 (MINLP) 和為 MINLP 問題編寫程式
要求
- 通用和基本 Python 技能
課程說明
數學最佳化在大多數量化學科中越來越受歡迎，例如工程、管理、經濟學和運籌學。 此外，Python 是當今最受關注的最著名的程式語言之一。 因此，我們決定創建一門課程，用於掌握 Python 環境中最佳化問題的開發。 在本課程中，你將學習如何處理各種類型的數學最佳化問題，如下：
- 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)
由於本課程是為所有級別（從初學者到高級）設計的，因此我們從你需要制定問題的一開始就開始。 因此，完成本課程後，你將能夠找到並製定決策變數、目標函數、限制條件並定義你的參數。 此外，你將學習如何在 Python 環境中開發公式化模型（使用 Pyomo 套件）。
以下是你在本課程中使用 Python 時將學到的一些重要技能：
- 定義優化模型的集合和參數
- 以 Python 函數表達目標函數和限制條件
- 從外部源（CSV 或 Excel 檔）輸入和讀取資料
- 使用例如 CPLEX、IPOPT、COUENNE 等各種求解器解決優化問題
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最佳化問題。
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，你將被要求通過將挑戰問題在 Python 環境中做開發自我挑戰。 不用擔心，即使是挑戰問題也會在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、運籌學等多學科專業人才
- 任何有興趣學習 Python 優化和程式設計的人！
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
也許你會有興趣
- Python 相關線上課程
- ★英語學習地圖 – 練好英文是最大的學習槓桿
- 如何找工作學習地圖 – 找工作不要靠運氣！
- 從 Soft & Share 各種社團頻道挑選你喜歡的加入