Лінійне програмування та дискретна оптимізація за допомогою Python за допомогою PuLP
- Блог/Новини
- Думки
- Підручники
- Найкращі історії
- Компанії
- Курси
- Набори даних
- Освіта
- Події (онлайн)
- Робота
- Програмне забезпечення
- Вебінари
Знання таких методів оптимізації надзвичайно корисно для науковців даних та фахівців з машинного навчання (ML), оскільки дискретна і безперервна оптимізація лежить в основі сучасних систем ML та AI, а також процесів бізнес-аналітики, керованих даними.
Вступ
Дискретна оптимізація - це розділ методології оптимізації, який має справу з дискретними величинами, тобто неперервними функціями. Це досить повсюдно в різних сферах застосування, таких як фінансові інвестиції, планування дієти, виробничі процеси та вибір гравця або графіка для професійних видів спорту.
Лінійне та (змішане) цілочисельне програмування - це методи вирішення проблем, які можна сформулювати в рамках дискретної оптимізації.
Знання таких методів оптимізації надзвичайно корисно для науковців даних та фахівців з машинного навчання (ML), оскільки дискретна і безперервна оптимізація лежить в основі сучасних систем ML та AI, а також процесів бізнес-аналітики, керованих даними.
Існує багато інструментів комерційного оптимізатора, але наявність практичного досвіду з програмним способом оптимізації є безцінним.
Існує довга і багата історія теоретичної розробки надійних та ефективних вирішувачів задач оптимізації. Однак, зосередившись на практичних додатках, ми пропустимо цю історію і перейдемо безпосередньо до тієї частини навчання, як використовувати програмні засоби для формулювання та вирішення таких задач оптимізації.
У Python є багато чудових пакетів оптимізації. У цій статті ми конкретно поговоримо про PuLP. Але перед тим, як перейти до бібліотеки Python, давайте зрозуміємо, яку проблему ми можемо вирішити за допомогою неї.