بهینه‌سازی در پایتون با پکیج‌های گروبی و سیپلکس
(همراه با مدل‌سازی و کدنویسی مسائل متنوع و کاربردی و تحلیل/مقایسه نتایج)

Optimization in Python using GurobiPy & DOCPLEX

بهینه سازی در پایتون با گروبی Gurobi و CPLEX

معرفی دوره

عنوان:

بهینه‌سازی در پایتون با پکیج‌های گروبی و سیپلکس (همراه با مدل‌سازی و کدنویسی مسائل متنوع و کاربردی و تحلیل/مقایسه نتایج)

Optimization in Python using GurobiPy & DOCPLEX

وضعیت:

برگزار شده (ویدیو در دسترس)

مدت زمان:

بیش از 30 ساعت

مکان:

این دوره به صورت آنلاین و در پلتفرم برگزاری دوره‌های آنلاین همین سایت (آپتیم‌یار) برگزار می‌شود.

مدل‌های بهینه‌سازی ریاضی (Mathematical Optimization Model) از جمله‌ پرکاربردترین ابزارها برای حل بسیاری از مسائل بهینه‌سازی در تصمیمات مهندسی و مدیریت است. به عبارت دیگر، هر مسئله مدیریتی و مهندسی که در آن، هدف یافتن تصمیم/برنامه بهینه باشد، اصطلاحا یک مسئله بهینه‌سازی تصمیم (Decision Optimization Problem) است که می‌توان از رویکردهای مختلف به آن پرداخت؛ یکی از این رویکردهای سیستماتیک که تضمین بهینگی و دقت بیشتری دارد، تحقیق در عملیات (Operations Research) و تکنیک‌‌های موجود در آن از جمله برنامه‌ریزی ریاضی (Mathematical Programming) یا بهینه‌سازی ریاضی (Mathematical Optimization) است که در آن، ابتدا جزئیات مسئله از منظر تابع هدف، قیود، اطلاعات و ... را مشخص شده و سپس به صورت برنامه/مدل ریاضی (Mathematical Model) فرموله می‌شود که نهایتا این مدل توسط سالورهای مختلف از جمله CPLEX و Gurobi قابل حل است.
در این دوره، به مرحله بعد از فرمولاسیون/مدل‌سازی ریاضی پرداخته می‌شود که پیاده‌سازی مدل به زبان مدل‌سازی ریاضی (Optimization Modeling Language) و حل آن توسط سالورهای مدل‌های بهینه‌سازی است. برای این منظور آلترناتیو‌های مختلفی وجود دارد که

از جمله آنها می‌توان به نرم‌افزارهای تخصصی بهینه‌سازی از جمله Gurobi، CPLEX، GAMS و AMPL اشاره کرد. با وجود نرم‌افزارهای مذکور، بعضا به دلایل مختلف از جمله I) توسعه روش حل کاراتر، II) قابلیت زبان‌های برنامه‌نویسی عمومی، III) دسترسی به پکیج‌های رایگان و open-source بهینه‌سازی، IV) امکان مشارکت در پروژه، و نهایتا V) یکپارچه‌سازی پیش‌پردازش‌ها تحلیل داده/پارامترها و پس‌پردازش‌های تحلیل خروجی، بسیاری از پژوهشگران ترجیح می‌دهند برای پیاده‌سازی و حل مدل بهینه‌سازی خود از یک زبان برنامه‌نویسی (معمولا Python) برای پلتفرم اصلی برنامه‌نویسی در کنار یک سالور بهینه‌سازی (مثل سیپلکس (CPLEX) و گروبی (Gurobi)) استفاده کنند.
با توجه به آنکه بسیاری از دانشجویان، پژوهشگران، متخصصین مدل‌سازی و بهینه‌سازی (Optimization Specialist) و تحلیل‌گران تحقیق در عملیات در مسائل صنعتی (Operations Research Analyst) تمایل دارند که مدل‌های بهینه‌سازی خود را در یک IDE مناسب به زبان پایتون و توسط سالورهای حل‌کننده دقیق و سریع از جمله سیپلکس و گروبی حل کنند، آپتیم‌یار در این دوره تلاش می‌کند که یکی از بهترین محتواهای آموزشی برای بهینه‌سازی در پایتون، با استفاده از پکیج‌های بهینه‌سازی از جمله سیپلکس و گروبی را ارائه دهد.
برای دو سالور حرفه‌ای حال حاضر CPLEX و Gurobi، پکیج‌های آنها برای استفاده در پایتون به ترتیب با عناوین DOCPLEX (برای سیپلکس) و GurobiPy (برای گروبی) ارائه شده است که پس از نصب و وارد کردن (Import) آنها در پایتون، می‌توان به سادگی از قابلیت‌های این دو نرم‌افزار بهینه‌سازی بهره‌مند شد. آپتیم‌یار، با ارائه این دوره تحت عنوان "بهینه‌سازی در پایتون (Python) با استفاده از پکیج‌های سیپلکس DOCPLEX و گروبی GurobiPy" با مدل‌سازی و کدنویسی مسائل مختلف، به طور کامل و جامع به آموزش این مهارت می‌پردازد چراکه مورد توجه بسیاری از دانشگاه‌ها و دپارتمان‌های مهندسی، مدیریت و کسب‌وکار قرار گرفته است.
لازم به توضیح است که به جز آشنایی با مفاهیم پایه بهینه‌سازی، این دوره هیچ پیش‌نیاز خاصی ندارد و از ابتدا تا انتها (از مرحله نصب اولیه تا تحلیل خروجی) همگی آموزش داده می‌شود و با کدنویسی چندین مسئله مهم و مدل‌های کاربردی بهینه‌سازی، تسلط بسیار مناسبی برای فراگیران فراهم می‌شود. با این وجود، برای علاقه‌مندان به مباحث تئوری بهینه‌سازی، تحقیق در عملیات و مدل‌سازی ریاضی، دوره "اصول و مقدمات علم بهینه‌سازی، مدل‌سازی ریاضی و تحقیق در عملیات کاربردی" پیشنهاد می‌شود که یکی از جامع‌ترین دوره‌ها برای علاقه‌مندانی است که قصد دارند به طور اصولی و از پایه به یادگیری بهینه‌سازی و تحقیق در عملیات کاربردی بپردازند.

+
اشتراک‌گذاری:
Share on telegram
Share on whatsapp
Share on facebook
Share on twitter
Share on email
Share on linkedin

برای کسب اطلاعلات بیشتر از محتوای این دوره آموزشی، می‌توانید مستقیما از طریق ID تلگرام زیر با مدرس دوره در ارتباط باشید:

سرفصل‌ها

  • مقدمه‌ای بر زبان برنامه‌نویسی پایتون (Python) و IDE های رایج آن
  • توضیحات و نصب توزیع آناکوندا پایتون (Python Anaconda Distribution) و قابلیت‌های آن
  • نصب پکیج‌های ماتریسی و ریاضی-محاسباتی (NumPy)، پردازش/تحلیل داده (Pandas) و نمودارها (Matplotlib)
  • نصب پکیج GurobiPy برای بهینه‌سازی در پایتون با سالور گروبی
  • نصب پکیج DOCPLEX برای بهینه‌سازی در پایتون با سالور سیپلکس
  • بهینه‌سازی با GurobiPy ← تعریف مدل، متغیرها، داده‌ها، تابع هدف، قیود و نکات مهم در پیاده‌سازی مدل در گروبی
  • بهینه‌سازی با DOCPLEX ← تعریف مدل، متغیرها، داده‌ها، تابع هدف، قیود و نکات مهم در پیاده‌سازی مدل در سیپلکس
  • دسته‌بندی انواع مدل‌های بهینه‌سازی خطی، غیرخطی، محدب و ...
  • مشخص کردن مدل‌های بهینه‌سازی قابل حل توسط سالورهای CPLEX و Gurobi
  • مدل‌سازی و کدنویسی چند مسئله کاربردی در GurobiPy و DOCPLEX به همراه تحلیل نتایج و مقایسه
  • کدنویسی مسئله اندازه انباشته در برنامه‌ریزی تولید و موجودی چنددوره‌ای (Dynamic Production/Inventory Lot-Sizing)
    • مدل بهینه‌سازی (Optimization Model)
    • کدنویسی به زبان پایتون با import پکیج GurobiPy برای حل توسط گروبی/Gurobi
    • کدنویسی به زبان پایتون با import پکیج DOCPLEX برای حل توسط سیپلکس/CPLEX
    • مقایسه و تحلیل نتایج
  • کدنویسی مسئله مسیریابی (Routing)
    • مدل بهینه‌سازی (Optimization Model)
    • کدنویسی به زبان پایتون با import پکیج GurobiPy برای حل توسط گروبی/Gurobi
    • کدنویسی به زبان پایتون با import پکیج DOCPLEX برای حل توسط سیپلکس/CPLEX
    • مقایسه و تحلیل نتایج
  • کدنویسی مسئله توزیع اقتصادی/بهینه بار (Economic Dispatching)
    • مدل بهینه‌سازی (Optimization Model)
    • کدنویسی به زبان پایتون با import پکیج GurobiPy برای حل توسط گروبی/Gurobi
    • کدنویسی به زبان پایتون با import پکیج DOCPLEX برای حل توسط سیپلکس/CPLEX
    • مقایسه و تحلیل نتایج
  • کدنویسی مسئله مکان‌یابی-حمل‌ونقل با هزینه ثابت (Fixed Cost Location-Transportation Problem)
    • مدل بهینه‌سازی (Optimization Model)
    • کدنویسی به زبان پایتون با import پکیج GurobiPy برای حل توسط گروبی/Gurobi
    • کدنویسی به زبان پایتون با import پکیج DOCPLEX برای حل توسط سیپلکس/CPLEX
    • مقایسه و تحلیل نتایج
  • کدنویسی مسئله طراحی شبکه زنجیره تامین حلقه بسته (Closed-Loop Supply Chain Network Design)
    • انواع شبکه‌های زنجیره تامین (.Forward SC, Reverse SC, Closed-Loop SC, Open SC, Circular SC, etc)
    • مدل بهینه‌سازی (Optimization Model) برای مسئله SCND و CLSCND
    • کدنویسی به زبان پایتون با import پکیج GurobiPy برای حل توسط گروبی/Gurobi
    • کدنویسی به زبان پایتون با import پکیج DOCPLEX برای حل توسط سیپلکس/CPLEX
    • مقایسه و تحلیل نتایج
  • کدنویسی مسئله زمان‌بندی تولید کارگاهی منعطف (Flexible Job-Shop Scheduling)
    • انواع مدل‌های زمانبندی در سیستم‌های تولیدی
    • مدل بهینه‌سازی (Optimization Model)
    • کدنویسی به زبان پایتون با import پکیج GurobiPy برای حل توسط گروبی/Gurobi
    • کدنویسی به زبان پایتون با import پکیج DOCPLEX برای حل توسط سیپلکس/CPLEX
    • مقایسه و تحلیل نتایج
  • مسئله تحلیل پوششی داده و ارزیابی واحدهای تصمیم‌گیرنده (Data Envelopment Analysis)
    • انواع مدل‌های تحلیل پوششی داده‌ (DEA)
    • کاربرد مدل‌های DEA در محاسبه کارایی، ارزیابی عملکرد، رتبه‌بندی، تصمیم‌گیری و انتخاب
    • مدل بهینه‌سازی (Optimization Model) برای مدل DEA پایه و DEA شبکه‌ای (Network DEA)
    • کدنویسی به زبان پایتون با import پکیج GurobiPy برای حل توسط گروبی/Gurobi
    • کدنویسی به زبان پایتون با import پکیج DOCPLEX برای حل توسط سیپلکس/CPLEX
    • مقایسه و تحلیل نتایج
  • مسئله تخصیص ناوگان پرواز و مدیریت درآمد استراتژیک خطوط هوایی (Airline Fleet Assignment & RM)
    • مروری بر مسائل بهینه‌سازی در صنعت هواپیمایی
    • مدل بهینه‌سازی (Optimization Model) برای مسائل تاکتیکال Airline Fleet Assignment & RM
    • کدنویسی به زبان پایتون با import پکیج GurobiPy برای حل توسط گروبی/Gurobi
    • کدنویسی به زبان پایتون با import پکیج DOCPLEX برای حل توسط سیپلکس/CPLEX
    • مقایسه و تحلیل نتایج
  • کدنویسی مسئله Bin-Packing در جابجایی بهینه بارها در کریدور حمل‌ و نقل داخلی
    • تشریح مدل بهینه‌سازی Bin-Packing و کاربردهای آن
    • کدنویسی به زبان پایتون با import پکیج GurobiPy برای حل توسط گروبی/Gurobi
    • کدنویسی به زبان پایتون با import پکیج DOCPLEX برای حل توسط سیپلکس/CPLEX
    • مقایسه و تحلیل نتایج
  • ارائه تمرین‌های مکمل برای تقویت فراگیران
  • نحوه انجام تحلیل حساسیت (Sensitivity Analysis) و اعتیارسنجی (Validation)

سوالات متداول

بله، برحسب اعتماد گروه آپتیم‌یار به تمام فراگیران عزیز، با نظر مدرس دوره، ویدئو بازپخش هر بخش، یک سال در داشبورد شخصی هر فراگیر در سایت آپتیم‌یار قرار می‌گیرد. لازم به توضیح است که بعد از این مدت، در صورت صلاحدید مدرس دوره، امکان بارگذاری مجدد محتوا وجود دارد.

ویدئو هر جلسه در داشبورد شخصی شما قرار دارد و به صورتی برنامه‌ریزی شده است که فقط روی یک سیستم و با کد شخصی شما قابل پخش باشد. برای حفظ حقوق مدرسین گروه تخصصی آپتیم‌یار، لطفا از اشتراک‌گذاری خودداری نمایید.

گرچه سیاست اصلی ما این است که ویدیو فقط در داشبورد شخصی افراد شرکت‌کننده در دوره قرار گیرد، ولی برای این مورد می‌توانید با شماره تماس 09120044190 (به صورت پیامک/تلگرام) در ارتباط باشید.

لطفا به احترام حقوق مدرس و همچنین سایر شرکت کنندگان، فقط فرد ثبت‌نام ‌کننده حضور داشته باشد.

بله، در انتهای دوره (و یا تماشای ویدیو دوره توسط فراگیر)، در بخش گواهی‌ها درخواست داده می‌شود و بعد از تایید مدرس، گواهی اصلی آپتیم‌یار صادر می‌شود.

بله؛ به طور کامل.

بله؛ افراد شرکت‌کننده در هر دوره به گروه مرتبط با آن دوره اضافه می‌شوند و علاوه بر تعامل و هم‌فکری با یکدیگر طی و بعد از دوره، مدرس دوره هم در حد توان و وجود زمان، با آنها هم‌فکری دارد.

این مورد در اختیار مدرس دوره است. در صورت تمایل مدرس، کدها در داشبورد فراگیر قرار می‌گیرد و می‌تواند فقط و فقط به صورت شخصی استفاده نماید.

برای ثبت‌نام‌‌های زودهنگام معمولا تخفیف لحاظ می‌شود.

برای پاسخ به این مورد باید با مدرس دوره در ارتباط باشید.

 

مدرس دوره

دکتر علی پاپی
Ali Papi

  • مقطع/مدرک تحصیلی: دانشجوی دکتری مهندسی صنایع و سیستم [بهینه‌سازی و تحقیق در عملیات]
  • تخصص شاخص: بهینه‌سازی و تحقیق در عملیات، یادگیری ماشین و علم تحلیل داده، تکنیک‌های تجزیه و روش‌های حل دقیق، بهینه‌سازی استوار داده‌محور، هوش محاسباتی و الگوریتم‌های فراابتکاری، نظریه بازی، بهینه‌سازی چندهدفه و تصمیم‌گیری چندمعیاره

    Optimization & Operations Research, Machine Learning & Data Analytics, Computational Intelligence & Metaheuristics, Decomposition Techniques & Exact Methods, Data-Driven Robust Optimization, Game Theory, Multi Criteria Decision Making

  • علاقه‌مندی‌: بکارگیری مدل‌های بهینه‌سازی استوار داده‌محور و رویکردهای حل هوشمند و دقیق برای حل مسائل مختلف صنعتی/سازمانی
  • زبان/نرم‌افزار شاخص‌: GAMS, IBM CPLEX, MATALB, Python, C++, MiniZinc, Vensim

کلاس آنلاین + ویدئو بازپخش + کدهای نرم‌افزاری + ارتباط با مدرس و مشاوره + گواهی/Certificate
پرسش و پاسخ و رفع ابهام فراگیران
تضمین کیفیت و گارانتی بازگشت کامل وجه
تضمین کیفیت و گارانتی بازگشت کامل وجه

آپتیم‌یار، با اطمینان از کیفیت دوره‌های آموزشی آنلاین خود و همچنین با اعتماد به فراگیران عزیز، تضمین می‌کند که اگر تا 1 ماه پس از دریافت محتوا و مشاهده فقط 5 ساعت از آن، عدم رضایت اعلام شود، کل وجه واریزی بازگشت داده ‌می‌شود.

ارتباط مستقیم با مدرس دوره، مشاوره و بیان سوالات:

دیدگاه و سوالات

(برای تسریع در فرایند بررسی و پاسخ به سوال شما، پیشنهاد می‌شود در سایت عضویت داشته باشید.)
18 دیدگاه/سوال
جدید‌ترین
قدیمی‌ترین محبوب‌ترین
بازخورد داخلی
نمایش تمام دیدگاه‌ها
حسینی

دوره ای بسیار خوبی هست و قطعا به دانشجوهام پیشنهاد میکنم. متشکر از این دوره مفید و محتوای جالبی که تعریف کردید

خانزاده

چقدر سرفصل های خوبی… چه مسائل و مدلهای جذابی… چقدر خوش سلیقه در آوردن گروبی و سیپلکس در کنار هم… چقدر خفن هستی علی جووووون

منصوره

ببخشید آیا در خصوص نحوه نصب و دسترسی به پکیچ ها هم آموزش میدید؟

فرشید

بسیار مقید هم سرفصل ها و هم مسائلی که تعریف کردید.

سپیده راغبی

من نظرات رو میخوندم و کاری به نظرات ندارم ولی واقعا با وحید موافقم که دکتر پاپی خیلی خیلی فن بیان و انتقال موضوع رو مسلط هستند. این مهارت واقعا عالی هست و آفرین به ایشون

وحید

من در دوره اصول و مقدمات بهینه سازی با آپتیم یار و مدرس خوب ایشون دکتر پاپی آشنا شدم. در اینکه خیلی مسلط هستند و دوره هاشون مفید هست هیچ شکی نیست و بنظرم نیاز به تعریف هم نیست چون کارشون واقعا درسته. ولی چیزی که خیلی دوست داشتم بگم اینه که استعداد بسیار زیاد در فن بیان و انتقال محتوا دارن و این ویژگی ایشون رو خیلی خاص میکنه

محمدجواد

خوبی دکتر پاپی اینه که واقعا روی موضوعات تسلط دارن و بدون تعصب نسبت به نرم افزار خاصی تدریس میکنن. عالی هستید و ممنون از دوره خوبتون

زهره

عالی عالی عالی و عالی همین

پارسا

مسائلی که برای کد کردن انتخاب کردید بسیار مقید و کاربردی هستن. مچکرم و زنده باشید ایشالله

ژاله

واقعا از سرفصل ها و توضیحات میشه متوجه شد چقدر دوره خوب و مفید هست. بینهایت سپاس از شما

مهدی

همیشه دوره های خاص رو با علی پاپی دوست داشتنی داشتم. خیلی دوست دارم دوست خوبم

سعیده

چقدر مسائلی که برای کد کردن انتخاب کردید عالی هستن. خوشحالم از این دوره و ممنونم از تیم خوب شما

حسین

آقای دکتر پاپی نامبر وان بهینه سازی ایران (و انصافا از خوب های کل دنیا). هیچ دوره ای نیست ایشون برگزار کنن و ثبت نام نکرده باشم. عالی هستی علی جون

افشین

چقدر سرفصل ها عاااااااااااالی هستند. ممنونم از شما

مهسا نوری

به پیشنهاد استادم ثبت نام کردم. خیلی خیلی خوبه دوره ممنونم از آپتیم یار و دکتر پاپی

رضا

چقدر این دوره خوبه. ممنون از تیم اپتیم یار

سید مهدی ذهبی

جلسه اول خیلی خوب بودن. بعدا کل دوره رو هم نظر میدم. ولی مدرس دوره کاملا مسلط هست و خوشحالم از ثبت نام