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

سمینار مقدمه ای بر بلاک چین – دانشگاه علم و صنعت

 

خب! تا اینجای کار یک سمینار به اتفاق همدیگه برگزار کردیم. اگه موفق به شرکت در این سمینار نشدید در روزهای آتی فایل صوتی و اسلایدها را در سایت قرار می دهیم.

همانطور که در سمینار صحبتش رو هم کردیم، در صورتی که تجربه یا ایده‌ی خاصی در خصوص حفاظت از حقوق مولفین در فضای تولید محتوی با استفاده از فناوری بلاک‌چین داشتید، لطفا در این صفحه به اشتراک بگذارید.

بیشتر بخوانید

چاپ مقاله بهینه سازی استوار مبتنی بر رویداد و خصیصه

 

بهینه‌سازی استوار یکی از مفاهیم مهم در زمینه‌ی مدل‌سازی رویدادهای غیرقطعی به کمک مجموعه‌های عدم قطعیت uncertainty sets است. این رویکرد در سال‌های اخیر با موفقیت‌های بسیاری روبرو شده است. مهم‌ترین دلیل این موفقیت را می‌توان مزایای رایانشی مدل‌های ریاضی آمیخته با این رویکرد، در قیاس با سایر رویکردهای مواجهه با عدم قطعیت دانست.

بیشتر بخوانید

بهینه سازی مبتنی بر داده Data Driven Optimization

حوزه تحقیق در عملیات به دلایل تاریخی و کمبود اطلاعات لزوما بر پایه‌های مدل‌ها و مسایل کلاسیک بنا شده است. بسیاری از روش‌های کمی جهت تصمیم‌گیری، بر اساس مدل‌سازی‌ها و مفروضات آماری بنا شده که اهمیت چندانی به کیفیت و ویژگی داده‌هایی که باید در آن بستر بکار گرفته شوند داده نمی‌شود. تنها خروجی آنها در نهایت تخمین یا بهینه‌سازی است. همچین در رویکردهای سنتی مواجهه با عدم قطعیت، فرض می‌شود که به دلیل کمبود یا نبود اطلاعات متوسل به ابزارهای تصمیم‌گیری تحت شرایط عدم قطعیت شده‌ایم. برعکس، در رویکردهای تصمیم‌گیری مبتنی بر داده، عدم قطعیت به دلیل حجم انبوه داده‌ها و انفجار اطلاعاتی رخ می‌دهد.

بیشتر بخوانید

علوم کامپیوتر چه نقشی در آینده علم تحقیق در عملیات ایفا خواهد کرد؟

پس از انقلاب صنعتی، بسیاری از قدرت‌های بزرگ سرنوشتی ایجابی از دو جنس بهره‌برداری بهینه از منابع مشترک و بلافاصله به حداکثر رسانیدن سود اقتصادی را برای خود رقم زدند. این صور از ایده‌آل گرایی محض اهداف متضادی را نیز در برداشت: جنگ و رفاه. تاریخچه‌ی رسمی تحقیق در عملیات و اولین جرقه‌های بهره‌برداری از این علم، به اواخر سال‌های ۱۹۳۰ الی ۱۹۴۰ برمی‌گردد؛ دقیقا زمانی که امپراتوری بریتانیا برای جنگ جهانی دوم آماده می‌شد. از طرفی طراحی و توسعه‌ی فناوری‌های نظامی (مانند رادارها) منجر به پیدایش انواع متعددی از مسایل سازمانی و مدیریتی در این برهه از زمان شد …

مطالعه ادامه متن در اخبار مهندسی صنایع (کلیک کنید)