or
यह अभ्यास पाठ्यक्रम का हिस्सा है
यह अध्याय ऑप्टिमाइज़ेशन, उसके मुख्य अवयवों, और विभिन्न उद्योगों व डोमेनों में उसके व्यापक उपयोग का परिचय देता है। यह किसी ऑप्टिमाइज़ेशन समस्या को हल करने के लिए एक त्वरित, exhaustive search विधि प्रस्तुत करता है। साथ ही, इस कोर्स के लिए आवश्यक अवधारणाओं का एक गणितीय प्राइमर भी देता है।
यह अध्याय differential calculus और SymPy के साथ unconstrained और constrained ऑप्टिमाइज़ेशन समस्याएँ हल करने को कवर करता है और संभावित मुश्किलों की पहचान कराता है। SciPy का परिचय भी दिया गया है ताकि आप कुछ पंक्तियों के कोड में, एक-आयामी और बहु-आयामी, unconstrained ऑप्टिमाइज़ेशन समस्याएँ संख्यात्मक रूप से हल कर सकें। अध्याय आगे SciPy और PuLP में linear programming भी हल करता है।
यह अध्याय विभिन्न constraints के साथ convex-constrained ऑप्टिमाइज़ेशन समस्याओं का परिचय देता है और mixed integer linear programming समस्याओं को देखता है—मूलतः वे linear programming समस्याएँ जिनमें कम से कम एक वैरिएबल integer होता है।
यह अध्याय तब global optimum खोजना कवर करता है जब कई अच्छे समाधान मौजूद हों। हम sensitivity analysis करेंगे और ऐसी linearization तकनीकें सीखेंगे जो non-linear समस्याओं को SciPy या PuLP के साथ आसानी से हल होने योग्य रूप में बदल देती हैं। अनुप्रयोगों के रूप में, हम training costs के साथ HR allocation और dependent projects वाली capital budgeting समस्याएँ हल करेंगे।
वर्तमान अभ्यास