Optymalizacja dyskretna: praktyczne algorytmy rozwiązywania

W wielu branżach znalezienie najbardziej efektywnego sposobu alokacji zasobów, wyznaczania tras pojazdów lub planowania zadań może zaoszczędzić miliony. Optymalizacja dyskretna dostarcza matematycznych narzędzi do systematycznego rozwiązywania tych złożonych problemów decyzyjnych. Ten kurs prowadzi przez podstawowe pojęcia dyskretnej optymalizacji, pokazując, jak formułować problemy w świecie rzeczywistym matematycznie i rozwiązywać je za pomocą zaawansowanych technik algorytmicznych. Przejdziesz od zrozumienia podstawowych przestrzeni wyszukiwania do wdrażania nowoczesnych heurystyk i rozwiązań opartych na solwerach. Czego się nauczysz: 1. Zrozumieć podstawowe pojęcia optymalizacji dyskretnej, w tym programowania całkowitego i kombinatorycznych przestrzeni wyszukiwania. 2. Zastosuj algorytmy branch-and-bound i branch- and-cut, aby znaleźć dokładne optymalne rozwiązania. 3. Formułować złożone problemy harmonogramowania i routingu przy użyciu nowoczesnych bibliotek modelowania opartych na Pythonie. 4. Wdrożyć podejścia heurystyczne i metaheurystyczne, takie jak wyszukiwanie lokalne, dla problemów na dużą skalę. 5. Analiza złożoności algorytmów i ocena wydajności różnych silników solwerowych. 6. Konfigurować modele programowania ograniczeń dla wysoce ograniczonych problemów decyzyjnych. Zaczynamy od podstawowych definicji, terminologii i technik formułowania, zanim przejdziemy do dokładnych algorytmów, heurystyki i nowoczesnych programów programowych. Będziesz czytać jasne wyjaśnienia, studiować przykłady kodu strukturalnego i ćwiczyć pisemne ćviczenia optymalizacyjne. Ten kurs jest przeznaczony dla początkujących w badaniach operacyjnych, informatyce lub analizie danych, którzy chcą zbudować silne podstawy w optymalizacji. Nie jest wymagane zaawansowane tło matematyczne. Zacznij opanowywać algorytmy, które napędzają nowoczesne systemy logistyczne i decyzyjne już dziś.