Discrete Optimization: Practical Solving Algorithms (bằng tiếng Anh).

Trong nhiều ngành công nghiệp, tìm cách hiệu quả nhất để phân bổ tài nguyên, xe lộ hoặc lên lịch các nhiệm vụ có thể tiết kiệm hàng triệu. Tối ưu rời rạc cung cấp các công cụ toán học để giải quyết các vấn đề quyết định phức tạp này một cách có hệ thống. Chương trình này hướng dẫn bạn qua các khái niệm cơ bản của tối ưu rời rạc, cho bạn thấy cách xây dựng các vấn đề thực tế bằng toán học và giải quyết chúng bằng cách sử dụng các kỹ thuật thuật toán mạnh mẽ. Bạn sẽ chuyển từ việc hiểu các không gian tìm kiếm cơ bản đến việc thực hiện heuristics hiện đại và các giải pháp dựa trên solver. Bạn sẽ học được: 1. Hiểu các khái niệm cốt lõi của tối ưu rời rạc, bao gồm lập trình số nguyên và không gian tìm kiếm tổ hợp. 2. Apply branch-and-bound và branch- and-cut algorithms để tìm ra các giải pháp tối ưu chính xác. 3.Công thức phức tạp và định tuyến các vấn đề sử dụng hiện đại Python-based modeling libraries. 4.Thực hiện các phương pháp heuristic và metaheuristic, chẳng hạn như tìm kiếm địa phương, cho các vấn đề quy mô lớn. 5. phân tích độ phức tạp của thuật toán và đánh giá hiệu suất của các động cơ giải khác nhau. 6. Cấu hình các mô hình lập trình ràng buộc cho các vấn đề quyết định hạn chế cao. Chúng ta bắt đầu với các định nghĩa cơ bản, thuật ngữ và kỹ thuật công thức trước khi chuyển sang các thuật toán chính xác, heuristics và các giải pháp lập trình hiện đại. Bạn sẽ đọc các giải thích rõ ràng, nghiên cứu các ví dụ mã có cấu trúc, và thực hành thông qua các bài tập tối ưu hóa viết. Lớp học này được thiết kế cho người mới bắt đầu nghiên cứu hoạt động, khoa học máy tính, hoặc phân tích dữ liệu tìm kiếm để xây dựng một nền tảng vững chắc trong tối ưu hóa. Không cần có nền tảng toán học cao cấp. Bắt đầu làm chủ các thuật toán cung cấp năng lượng cho hệ thống hậu cần và ra quyết định hiện đại.