دوره بهینه سازی شی گرا در پایتون

 

تعجبی ندارد که زبان پایتون محبوب‌ترین زبان برنامه‌نویسی در سال ۲۰۲۰ شناخته شد! این زبان هم ساده است و هم قابلیت‌های متنوعی برای کار با انواع داده‌ها فراهم می‌کند. کسانی که با پایتون آشنایی ولو کم دارند می‌دانند که فرایند استخراج، پالایش و گرفتن خروجی در پایتون با سهولتی بی‌نظیر صورت می‌گیرد. از طرفی بار سنگین محاسبات ریاضی را کتابخانه‌های منحصربفردی چون numpy به کمک تکنیک‌های برداری و پردازش موازی، در پایتون به دوش می‌کشد. همچنین پایتون در پوشش پارادایم شی‌گرایی چیزی کم نگذاشته است و به کمک این پارادایم می‌توان برنامه‌های پیچیده و ساختاریافته‌تری توسعه داد.

در این دوره، مبحث شی‌گرایی در قالب علم بهینه‌سازی و در توسعه مدل‌های خطی و عدد صحیح تشریح می‌شود. به همین ترتیب توابع هدف و محدودیت‌های مدل خواص یک شی و مساله مقداردهی شده به عنوان یک شی تداعی می‌شوند. این موارد به کمک کتابخانه‌های pyGurobi و doCplex در پایتون پیاده‌سازی می‌گردند. این رویکرد کمک شایانی به ارتقای کدهای بهینه‌سازی و نوشتن مدل‌های ساختاریافته می‌کند. از طرفی از ابزارهای پالایش داده پایتون جهت تولید پارامترها و همچنین پردازش خروجی‌های مدل بهینه‌سازی استفاده کرد. شرکت در این دوره را به علاقه‌مندان حوزه بهینه‌سازی محاسباتی پیشنهاد می‌کنم.

 

لینک ثبت نام

تولید تمام جواب های بهینه در CPLEX

پارامترهای کنترل تولید جواب در CPLEX

شمارش تعداد جواب‌های بهینه بالاخص زمانی که مساله دارای جواب بهینه چندگانه است از اهمیت خاصی برخوردار است. اهمیت این موضوع در مسایل بهینه‌سازی ترکیبیاتی Combinatorial Optimization یا برنامه‌ریزی عدد صحیح Integer Programming بیشتر احساس می‌شود؛ مخصوصا زمانی که تعداد جواب‌های بهینه نامزد بسیار زیاد بوده و شناسایی این مورد باعث حذف بخش عمده‌ای از فضای شدنی شده و توسعه قواعد غلبه Dominance Rules می‌شود.

بیشتر بخوانید

صفر تا صد مدل سازی گروبی gurobi در پایتون python (بخش دوم)

 

با کامنت‌هایی که از دوستان عزیز گرفتم متوجه شدم که بسیاری در مراحل اجرای کدهای گروبی gurobi تحت زبان برنامه‌نویسی پایتون python به مشکل بر می‌خورند. در این پست و پست قبلی صفر تا صد اجرای یک مساله زنجیره تامین ساده تک سطحی و در هر مرحله احتمال بروز برخی مشکلات را بررسی می‌کنیم. در صورتی که هنوز موتور بهینه‌سازی گروبی را با آناکوندا یکپارچه نکرده‌اید، اکیدا توصیه می‌کنم به پست قبلی مراجعه نمایید و تمامی مراحل آن را به دقت اجرا کنید.

بیشتر بخوانید

صفر تا صد مدل سازی گروبی gurobi در پایتون python (بخش اول)

 

با کامنت‌هایی که از دوستان عزیز گرفتم متوجه شدم که بسیاری در مراحل اجرای کدهای گروبی gurobi تحت زبان برنامه‌نویسی پایتون python به مشکل بر می‌خورند. در این پست و پست بعدی صفر تا صد اجرای یک مساله زنجیره تامین ساده تک سطحی و در هر مرحله احتمال بروز برخی مشکلات را بررسی می‌کنیم.

بیشتر بخوانید

نسخه جدید CPLEX با طعم یادگیری ماشینی !

 

بالاخره پس از سال‌ها گفتمان در خصوص امکان حل مسایل بهینه‌سازی با استفاده از مفاهیم یادگیری ماشینی، نرم‌افزار CPLEX از نسخه جدید ۱۲٫۱۰ با امکان بهره‌گیری از ابزارهای یادگیری ماشینی machine learning رونمایی کرد. این رویکرد مزایای فراوانی در پی دارد، مانند تخمین توابع هدف مبهم unknown objective functions، تخمین فضای حل نامحدب، مسایل بهنیه‌سازی ترکیبیاتی با تعداد متغیر بسیار زیاد یا محدودیت‌های سخت ارضاشونده اشاره کرد. در این پست قصد داریم گام به گام یک مساله ساده را با اتصال نرم‌افزار به فضای ابری IBM Watson حل نماییم.

بیشتر بخوانید

بهینه سازی و فناوری پردازش گرافیکی GPU

 

توسعه دهندگان بسته‌های بهینه‌سازی در سال‌های اخیر فناوری پردازش موازی parallel computing به کمک کارت های گرافیکی نسل پیشرفته و قابلیت GPU computing را با حساسیت بالایی پیگیری می‌کنند. محدودیت‌های جدی در حل مسایل برنامه‌ریزی خطی linear programming، عدد صحیح integer programming و درجه دو quadratic programming با استفاده از پردازش GPU وجود دارد. شایان ذکر است که این امر تا این لحظه محقق نشده است. دلایل متعددی برای عدم تحقق این پدیده ‌می‌توان عنوان کرد. این محدودیت‌ها در این پست بحث و بررسی می‌شود.

بیشتر بخوانید

تحلیل سبد سرمایه گذاری ارزهای دیجیتال در پایتون

 

تبدیل شدن به یک میلیونر کریپتو چنان که به نظر می رسد، ساده نیست. اما با به کار بردن استراتژی سرمایه گذاری مناسب می‌توان حاشیه‌ی سود زیادی در مدت زمان کمتری کسب کرد. در این پست قصد داریم یک استراتژی سبد سرمایه گذاری را برای ارزهای دیجیتال Cryptocurrency با بکارگیری ابزارهای علوم داده پلتفرم پایتون Python و مدل پایه‌ای پورتفولیو مارکویتز Markowitz Portfolio Optimzation پیشنهاد دهیم.

بیشتر بخوانید