Über diesen Kurs

41.335 kürzliche Aufrufe

Operations Research (OR) is a field in which people use mathematical and engineering methods to study optimization problems in Business and Management, Economics, Computer Science, Civil Engineering, Electrical Engineering, etc.
The series of courses consists of three parts, we focus on deterministic optimization techniques, which is a major part of the field of OR.
As the second part of the series, we study some efficient algorithms for solving linear programs, integer programs, and nonlinear programs.
We also introduce the basic computer implementation of solving different programs, integer programs, and nonlinear programs and thus an example of algorithm application will be discussed.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Stufe „Mittel“

For learners who have already taken basic operations research courses. Experience with calculus, linear algebra, and probability is suggested.

Ca. 12 Stunden zum Abschließen

Englisch

Könnte Ihr Unternehmen von Mitarbeiterweiterbildungen für gefragte Kompetenzen profitieren?

Probieren Sie Coursera for Business aus

Was Sie lernen werden

Learn how to use algorithms to solve different types of optimization programs.
Learn how to use Gurobi solver with Python to solve these problems efficiently.

Kompetenzen, die Sie erwerben

Algorithms
Business Analytics
Mathematical Optimization

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Stufe „Mittel“

For learners who have already taken basic operations research courses. Experience with calculus, linear algebra, and probability is suggested.

Ca. 12 Stunden zum Abschließen

Englisch

Könnte Ihr Unternehmen von Mitarbeiterweiterbildungen für gefragte Kompetenzen profitieren?

Probieren Sie Coursera for Business aus

Dozent

Dozentenbewertung

4,78/5 (19 Bewertungen)

孔令傑 (Ling-Chieh Kung)

副教授 (Associate Professor)

資訊管理學系 (Department of Information Management)

62.766 Lernende

8 Kurse

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche

1

Woche 1

2 Stunden zum Abschließen

Course Overview

2 Stunden zum Abschließen

7 Videos (Gesamt 73 min), 1 Lektüre, 1 Quiz

7 Videos

Prelude2m

1-1: Overview.8m

1-2: The row and column views for a linear system – A two-dimensional example.5m

1-3: The row and column views for a linear system – A three-dimensional example.9m

1-4: Using Gaussian elimination to solve Ax=b – Nonsingular.24m

1-5: Using Gauss-Jordan elimination to solve A^(-1) – Singular.13m

1-6: Linear dependence and independence.9m

1 Lektüre

NTU MOOC course information1m

1 praktische Übung

Quiz for Week 120m

Woche

2

Woche 2

3 Stunden zum Abschließen

The Simplex Method

Complicated linear programs were difficult to solve until Dr. George Dantzig developed the simplex method. In this week, we first introduce the standard form and the basic solutions of a linear program. With the above ideas, we focus on the simplex method and study how it efficiently solves a linear program. Finally, we discuss some properties of unbounded and infeasible problems, which can help us identify whether a problem has optimal solution.

3 Stunden zum Abschließen

25 Videos (Gesamt 168 min)

25 Videos

2-0: Opening.4m

2-1: Introduction.3m

2-2: Standard form – Extreme points.5m

2-3: Standard form – Standard form LPs.7m

2-4: Standard form – Standard form LPs in matrices.4m

2-5: Basic solutions – Independence among rows.6m

2-6: Basic solutions – Basic solutions.3m

2-7: Basic solutions – An example for listing basic solutions.5m

2-8: Basic solutions – Basic feasible solutions.8m

2-9: Basic solutions – Adjacent basic feasible solutions.7m

2-10: The simplex method – The idea.5m

2-11: The simplex method – The first move.12m

2-12: The simplex method – The second move.7m

2-13: The simplex method – Updating the system through elementary row operations.8m

2-14: The simplex method – The last attempt with no more improvement.3m

2-15: The simplex method – Visualization and summary for the simplex method.7m

2-16: The tableau representation – An example.5m

2-17: The tableau representation – Another example.8m

2-18: Solving unbounded LPs.5m

2-19: Infeasible LPs – The two-phase implementation.9m

2-20: Infeasible LPs – An example.10m

2-21: Computers – Gurobi and Python for LPs.5m

2-22: Computers – An example.7m

2-23: Computers – Model-data decoupling.6m

2-24: Closing remarks.5m

1 praktische Übung

Quiz for Week 220m

Woche

3

Woche 3

2 Stunden zum Abschließen

The Branch-and-Bound Algorithm

2 Stunden zum Abschließen

16 Videos (Gesamt 121 min)

16 Videos

3-0: Opening.5m

3-1: Introduction.3m

3-2: Linear relaxation.4m

3-3: Properties of linear relaxation.9m

3-4: Idea of branch and bound.6m

3-5: Example 1 for branch and bound (1).6m

3-6: Example 1 for branch and bound (2).8m

3-7: Example 2 for branch and bound.5m

3-8: Remarks for branch and bound.8m

3-9: Solving the continuous knapsack problem.10m

3-10: Solving the knapsack problem with branch and bound.11m

3-11: Heuristic algorithms.10m

3-12: Performance evaluation.7m

3-13: Remarks for performance evaluation.5m

3-14: Computers – Gurobi and Python for IPs.11m

3-15: Closing remarks.6m

1 praktische Übung

Quiz for Week 320m

Woche

4

Woche 4

2 Stunden zum Abschließen

Gradient Descent and Newton’s Method

2 Stunden zum Abschließen

13 Videos (Gesamt 102 min)

13 Videos

4-0: Opening.7m

4-1: Introduction.7m

4-2: Gradient descent – Gradient and Hessians.7m

4-3: Gradient descent – A gradient is an increasing direction.9m

4-4: Gradient descent – The gradient descent algorithm.10m

4-5: Gradient descent – Example 1.8m

4-6: Gradient descent – Example 2.9m

4-7: Newton’s method – Newton’s method for a nonlinear equation.5m

4-8: Newton’s method – Newton’s method for a single-variate NLPs.6m

4-9: Newton’s method – An example for single-variate Newton’s method.6m

4-10: Newton’s method – Newton’s method for multi-variate NLPs.8m

4-11: Computers – Gurobi and Python for NLPs.7m

4-12: Closing remarks.6m

1 praktische Übung

Quiz for Week 420m

Bewertungen

4.8

10 Bewertungen

5 stars
90,19 %
4 stars
5,88 %
2 stars
1,96 %
1 star
1,96 %

Top-Bewertungen von OPERATIONS RESEARCH (2): OPTIMIZATION ALGORITHMS

von HP15. Sep. 2021

The Course was done earlier, hence, there was no one to answer the forums or questions, otherwise a very good course to learn about applying Python.

Alle Bewertungen anzeigen

Häufig gestellte Fragen

Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Anmeldung ab. Wenn Sie einen Kurs im Gastmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erhalten, müssen Sie während oder nach Ihrer Gastphase das Zertifikat erwerben. Wenn Sie die Gastoption nicht sehen:
Der Kurs bietet möglicherweise keine Gastoption an. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
Der Kurs kann stattdessen "Vollständiger Kurs ohne Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Aufgaben einreichen und eine Endnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Was bekomme ich, wenn ich das Zertifikat erwerbe?
Wenn Sie ein Zertifikat erwerben, erhalten Sie Zugriff auf alle Kursmaterialien, einschließlich bewerteter Aufgaben. Nach Abschluss des Kurses wird Ihr elektronisches Zertifikat zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.
Ist finanzielle Unterstützung möglich?
Ja. Für ausgewählte Lernprogramme können Sie finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie sich die Anmeldegebühr nicht leisten können. Wenn für das von Ihnen gewählte Lernprogramm finanzielle Unterstützung oder ein Stipendium verfügbar ist, wird auf der Beschreibungsseite ein Link zu einem solchen Antrag angezeigt.

Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.

Operations Research (2): Optimization Algorithms