400-050-6600

运筹学解读数据集训营

方式:面授   时间:

价格:820元/面授

分享至:
  • 第9章 离散优化求解方法

     9.1 全枚举法求解 
     9.2 离散优化模型的松弛模型及其应用 
     9.3 分支定界搜索
     9.4 分支定界法的改良
     9.5 分支切割法 

           9.6 割平面理论
  • 第8章 离散优化模型

     8.1 块状/批量线性规划及固定成本
     8.2 背包模型与资本预算模型
     8.3 集合包装、覆盖和划分模型
     8.4 分配模型及匹配模型
     8.5 旅行商和路径模型
     8.6 设施选址和网络设计模型
     8.7 处理机调度及排序模型



  • 第7章 网络流与图

     7.1 图、网络与流 
     7.2 用于网络流搜索的圈方向
     7.3 消圈算法求最优流
     7.4 网络单纯形法求最优流
     7.5 运输及分配模型
     7.6 用匈牙利算法求解分配问题 
     7.7 多商品及增益/损耗流
     7.8 最小/最大生成树
      

  • 第6章 最短路与离散动态规划

     6.1 最短路模型
     6.2 利用动态规划解决最短路问题
     6.3 CPM项目计划和最长路
     6.8 离散动态规划模型
     6.9 利用动态规划解决整数规划问题

  • 第5章 目标规划

     5.1 多目标优化模型
     5.2 有效点和有效边界 
     5.3 抢占式优化和加权目标 
     5.4 目标规划

  • 第4章 线性规划的单纯形法

     4.1 线性规划的最优解和标准型

     4.2 顶点搜索和基本解
     4.3 单纯形法
     4.4 字典和单纯形表
     4.5 两阶段法
     4.6 退化与零步长
     4.7 单纯形法的收敛和循环 


  • 第3章 线性规划

     3.1 资源分配模型 
     3.2 混料模型 
     3.3 运营规划模型
     3.4 排班和人员规划模型
     3.5 多阶段模型
     3.6 可线性化的非线性目标模型
     3.7 随机规划


  • 第2章 搜索算法

      2.1 搜索算法、局部和全局最优

     2.2 沿可行改进方向的搜索
     2.3 可行改进方向的代数条件
     2.4 线性目标和凸集的易处理性
     2.5 寻找初始可行解

     

  • 第1章 运筹学中的确定性优化模型

     1.1 决策变量、约束条件以及目标函数 
     1.2 图解法和最优化产出
     1.3 大型优化模型及其标引
     1.4 线性规划与非线性规划
     1.5 离散(或者整数)规划
     1.6 多目标优化模型
     1.7 优化模型分类小结
     1.8 计算机求解技术


课程简介

大数据概念本身,早已从现象成为常态,开始深刻影响我们的日常生活。数据科学也登堂入室,成为高校研究和企业应用的重要课题,很多企业早已着手组建大数据部门或者数据团队,试图解决企业生死攸关的核心问题。然而,在真实场景中,如何从海量数据中发掘有效信息、高效地用于指导决策过程,技术门槛却远比想象的高。梳理一下从数据到决策的全链条,开始需要采集、挖掘、管理、存储,这属于信息科学的范畴。获取数据后,根据数据做规律性分析,得出规律,认识到世界如何运转,这很多部分属于统计学习,机器学习和深度学习的范畴。若获取数据、总结很多规律后,一个人在面对现实问题需要做决定时,却发现总结出的规律可能很复杂,甚至相互制约,最后必须对高度复杂而不确定的系统做建模和优化,进而设计算法,把最优化的决策找出来,这就是运筹学的任务。

大数据要产生实质价值,必须真正提升决策质量。规律性分析能够从海量数据中发掘出规律,但是找到规律并不一定能带来决策方案,好的预测并不总是等于好的决策!所以运筹优化学和各种学习算法,就是将实际中决策问题转化为数学模型,并用高效的优化算法求解。

该面授课为期两天,通过理论联系实际,把运筹学背后的数据化原理直接应用到生活中去,提供数据分析和解决问题的能力。