Mathematical Optimization with GAMS and Pyomo (Python)

Tối ưu hóa Toán học với GAMS và Pyomo (Python)

Học cách xây dựng mô hình toán học cho 16 bài toán thực tế và tìm lời giải tối ưu bằng GAMS và Pyomo (Python)

4.4

(237 đánh giá)

6,158 học viên

Giảng viên

Hossein Shahandeh

Phụ đề Việt chất lượng cao Phụ đề tiếng Anh Bán chạy Đánh giá cao

50.000đ 349.000đ -86%

✓ Xem giỏ hàng và thanh toán

Bao gồm phụ đề tiếng Việt, tiếng Anh

8.5 giờ video

52 bài giảng

Truy cập vĩnh viễn

Học trên mọi thiết bị

Cập nhật: 30/05/2026

#Gams #Mathematical Optimization #Operations Research #Python

Bạn sẽ học được gì

Tối ưu hóa toán học

Quy hoạch tuyến tính

Quy hoạch nguyên

Quy hoạch phi tuyến

Thực hành lập trình với GAMS

Thực hành lập trình với Pyomo (Python)

Yêu cầu

Khóa học được thiết kế cho người mới bắt đầu hoàn toàn với tối ưu hóa toán học. Không yêu cầu kiến thức lập trình trước, vì chúng tôi sẽ hướng dẫn chi tiết các hàm và cú pháp trong GAMS và Pyomo. Chúng tôi hướng dẫn bạn tải về và cài đặt bản demo GAMS. Pyomo là một gói mã nguồn mở...

Đối tượng phù hợp

Chúng tôi thiết kế khóa học này để dễ tiếp cận cho sinh viên và chuyên gia từ nhiều lĩnh vực như nghiên cứu vận hành, kỹ thuật, khoa học và quản lý. Vì vậy, mỗi bài học đều có ví dụ minh họa từ các lĩnh vực khác nhau...

Nội dung khóa học

8 phần • 52 bài giảng

1 Lời chào mừng

2 Giới thiệu khóa học

3 Tổng quan chương trình học

4 Tại sao chọn GAMS và Pyomo?

1 Cài đặt GAMS

2 Cài đặt Pyomo

1 Giới thiệu về tối ưu hóa toán học

1 Ví dụ 1: Giới thiệu

2 Ví dụ 1: Lời giải (GAMS)

3 Ví dụ 1: Lời giải (Pyomo)

4 Ví dụ 2: Giới thiệu

5 Ví dụ 2: Lời giải (GAMS)

6 Ví dụ 2: Lời giải (Pyomo)

7 Ví dụ 3: Giới thiệu

8 Ví dụ 3: Lời giải (GAMS)

9 Ví dụ 3: Lời giải (Pyomo)

10 Cách quản lý mã Pyomo trên Google Colab

11 Tóm tắt chương

1 Ví dụ 1: Giới thiệu

2 Ví dụ 1: Lời giải (GAMS)

3 Ví dụ 1: Lời giải (Pyomo)

4 Ví dụ 1: Tầm quan trọng của giá trị khởi tạo

5 Ví dụ 2: Giới thiệu

6 Ví dụ 2: Lời giải (GAMS)

7 Ví dụ 2: Lời giải (Pyomo)

8 Ví dụ 2: Tầm quan trọng của bộ giải (solver)

9 Ví dụ 3: Giới thiệu

10 Ví dụ 3: Lời giải (GAMS)

11 Ví dụ 3: Lời giải (Pyomo)

12 Tóm tắt chương

1 Ví dụ 1: Giới thiệu

2 Ví dụ 1: Lời giải (GAMS)

3 Ví dụ 1: Lời giải (Pyomo)

4 Ví dụ 2: Giới thiệu

5 Ví dụ 2: Lời giải (GAMS)

6 Ví dụ 2: Lời giải (Pyomo)

7 Ví dụ 3: Giới thiệu

8 Ví dụ 3: Lời giải (GAMS)

9 Ví dụ 3: Lời giải (Pyomo)

10 Ví dụ 3: Trực quan hóa lịch trình tối ưu

11 Tóm tắt chương

1 Ví dụ 1: Giới thiệu

2 Ví dụ 1: Lời giải (GAMS)

3 Ví dụ 1: Lời giải (Pyomo)

4 Ví dụ 2: Giới thiệu

5 Ví dụ 2: Lời giải (GAMS)

6 Ví dụ 2: Lời giải (Pyomo)

7 Ví dụ 3: Giới thiệu

8 Ví dụ 3: Lời giải (GAMS)

9 Ví dụ 3: Lời giải (Pyomo)

10 Tóm tắt chương

1 Tổng kết

Giới thiệu khóa học

This introductory course to optimization in GAMS and Pyomo (Python) contains 4 modules, namely,

Linear programming
Nonlinear programming
Mixed Integer Linear Programming, and
Mixed-Integer Nonlinear Programming

In each module, we aim to teach you the basics of each type of optimization through 3 different illustrative examples and 1 assingment from different areas of science, engineering, and management. Using these examples, we aim to gently introduce you to coding in two environments commonly used for optimization, GAMS and Pyomo. GAMS is a licensed software, for which we use a demo license in this course. Pyomo is an open-source package in Python, which we use Google Colaboratory to run. As we proceed through the different examples in each module, we also introduce different functionalities in GAMS and Python, including data import and export.

At the end of this course, you will be able to,

Read a problem statement and build an optimization model
1. Be able to identify the objective function, decision variables, constraints, and parameters
Code an optimization model in GAMS
1. Define sets, variables, parameters, scalars, equations
2. Use different solvers in GAMS
3. Leverage the NEOS server for optimization
4. Import data from text, gdx, and spreadsheet files
5. Export data to text, gdx, and spreadsheet files
6. Impose different variable ranges, and bounds
Code an optimization model in Pyomo
1. Define models, sets, variables, parameters, constraints, and objective function
2. Use different solvers in Pyomo
3. Leverage the NEOS server for optimization
4. Import data from text, gdx, and spreadsheet files
5. Export data to text, gdx, and spreadsheet files
6. Impose different variable ranges, and bounds