Optimization Algorithms : Python, Julia, Matlab, R

MP4|视频：h264,1920×1080|音频：AAC,44.1 KHz

语言：英语|大小：3.74 GB|持续时间：10小时56分钟

使用Python、Julia、MATLAB和R掌握优化算法–线性、整数、非线性和元启发式方法

你将学到什么

了解基本的优化技术，包括线性规划（LP）、整数规划（IP）和非线性规划

通过在Python、Julia、MATLAB和R中实施优化算法来开发实用的编码技能，以解决复杂的决策问题

探索和应用元启发式优化方法，如粒子群优化（PSO）、模拟退火和蚁群优化

将优化技术与机器学习和随机方法集成，以增强金融、物流等行业的决策过程

要求

对编程概念的基本理解将有所帮助，但不是必需的。

熟悉基本的数学和线性代数将使掌握优化概念更容易，但我将以所有学习者都能理解的方式解释一切。

不需要优化的先验知识-您将逐步学习所有内容。

描述

优化是工程、商业、金融、人工智能和运筹学决策的核心。如果你想高效地解决复杂的问题，理解优化算法是必不可少的。本课程提供了对优化技术的全面了解，从基本的方法，如线性规划（LP）和整数规划（IP）到高级的元启发式算法，如粒子群优化（PSO）、模拟退火和蚁群优化。我们将使用Python、Julia、MATLAB和R来实现这些技术，确保您可以在不同的平台上应用它们。在整个课程中，我们将处理现实世界的优化问题，涵盖旅行推销员问题，投资组合优化，工作车间调度等基本主题。您将获得数值优化、随机优化和基于机器学习的方法的实践经验。我们还将探索优化背后的关键数学概念，并讨论这些方法如何在不同行业中应用。无论您是工程师、数据科学家、研究人员还是分析师，本课程都将提供有效优化解决方案所需的实用技能。不需要有优化经验；我们将从基础开始，逐步进入高级主题。在本课程结束时，您将能够自信地将优化技术应用于实际应用中。立即加入并开始学习！

概述

第1节：引言

第1课介绍

讲座2课程指南

第二节：Python编程（可选）

第3课Python是什么？

讲座4 Anaconda&Jupyter&Visual Studio代码

讲座5 Google Colab

第六讲环境设置

第7课Python语法和基本操作

第8课数据结构：列表，元组，集合

第九讲控制结构与循环

第10课函数与基本函数式编程

讲座11中间函数

第12课词典和高级数据结构

第13课模块、包和导入库

第14讲文件处理

第15课异常处理与健壮代码

第16讲基本面向对象编程（OOP）概念

第17讲数据可视化基础

第18讲高级列表操作与理解

第3节：整数规划

第19讲分支与边界|介绍

讲座20分支和边界|图表

讲座21分支和束缚|背包

第22讲分支与边界|生产计划

第四节：非线性规划

第23讲介绍

讲座24 Karush-Kuhn-Tucker(KKT)条件

第5节：元启发式优化

第25讲粒子群优化

第26讲粒子群优化-数学模型

第27讲粒子群优化–Python

讲座28模拟退火

讲座29模拟退火–Python

讲座30模拟退火–Python输出

第31讲蚁群优化

第32讲NSGA-II算法

讲座33 NSGA-II算法–理论

讲座34 NSGA-II算法–Python

第35讲NSGA-II算法–Python输出

第36课禁忌搜索与Python

第6节：随机优化

第37讲概率论回顾

第38课：使用Julia进行稳健优化

第7节：使用R编程进行优化

第39课线性规划

第8节：使用Julia进行优化项目

讲座40库存路径问题与Julia

第41讲旅行推销员问题

第42讲作业车间计划

第43讲投资组合优化

第9节：使用MATLAB进行优化

第44课运输问题

第10节：机器学习和优化

讲座45 RMSProp

讲座46 ADAGrad

讲座47 ADAGrad–Python

第48课梯度下降法

第11节

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删