or
Den här övningen är en del av kursen
Det här kapitlet introducerar optimering, dess grundläggande komponenter och dess breda tillämpningar inom olika branscher och områden. Det presenterar en enkel, uttömmande sökmetod för att lösa optimeringsproblem och ger en matematisk genomgång av de begrepp som behövs i kursen.
Det här kapitlet behandlar lösning av obegränsade och begränsade optimeringsproblem med differentialkalkyl och SymPy, samt identifiering av vanliga fallgropar. SciPy introduceras också för att lösa obegränsade optimeringsproblem – i en och flera dimensioner – numeriskt med bara några rader kod. Kapitlet avslutas med linjär programmering i SciPy och PuLP.
Det här kapitlet introducerar konvext begränsade optimeringsproblem med olika typer av bivillkor och undersöker blandad heltalslinjär programmering – det vill säga linjära programmeringsproblem där minst en variabel är ett heltal.
Det här kapitlet handlar om att hitta det globala optimumet när det finns flera goda lösningar. Du genomför känslighetsanalys och lär dig linjäriseringstekniker som omvandlar icke-linjära problem till lättlösta problem med SciPy eller PuLP. Som tillämpningar löser du ett problem med personalallokering och utbildningskostnader samt kapitalbudgetering med beroende projekt.
Aktuell övning