Pyomo – Optimization Modeling in Python

این کتاب یک مرجع/راهنمای کامل و جامع برای Pyomo (اشیاء مدلسازی بهینه سازی پایتون) را برای مدل‌سازان مبتدی و پیشرفته، از جمله دانشجویان در سطوح کارشناسی و کارشناسی ارشد، محققان دانشگاهی و متخصصان ارائه می‌کند. این متن وسعت قابلیت‌های مدل‌سازی و تحلیل را نشان می‌دهد که توسط نرم‌افزار و پشتیبانی از برنامه‌های کاربردی پیچیده دنیای واقعی پشتیبانی می‌شوند. Pyomo یک بسته نرم افزاری متن باز برای فرمول بندی و حل مسائل بهینه سازی و تحقیقات عملیات در مقیاس بزرگ است. متن با آموزش مدل های برنامه نویسی ساده خطی و عدد صحیح شروع می شود. یک مرجع دقیق از اجزای مدل سازی Pyomo با مثال های گسترده نشان داده شده است، از جمله بحث در مورد نحوه بارگیری داده ها از منابع داده مانند صفحات گسترده و پایگاه های داده. فصل‌هایی که قابلیت‌های مدل‌سازی پیشرفته را برای بهینه‌سازی غیرخطی و تصادفی توصیف می‌کنند نیز گنجانده شده‌اند. نرم‌افزار Pyomo ویژگی‌های مدل‌سازی آشنا را در پایتون، یک زبان برنامه‌نویسی پویا قدرتمند که دارای نحو بسیار واضح، خوانا و شی‌گرای بصری است، ارائه می‌کند. Pyomo شامل کلاس‌های پایتون برای تعریف مجموعه‌ها، پارامترها و متغیرهای پراکنده است که می‌تواند برای فرمول‌بندی عبارات جبری که اهداف و محدودیت‌ها را تعریف می‌کنند، استفاده شود. علاوه بر این، Pyomo را می توان از یک رابط خط فرمان و در محیط دستور تعاملی پایتون استفاده کرد، که ایجاد مدل های Pyomo، اعمال انواع بهینه سازها و بررسی راه حل ها را آسان می کند. این نرم‌افزار از رویکرد مدل‌سازی متفاوتی نسبت به ابزارهای تجاری AML (زبان‌های مدل‌سازی جبری) پشتیبانی می‌کند و برای انعطاف‌پذیری، توسعه‌پذیری، قابلیت حمل و نگهداری طراحی شده است، اما همچنین ایده‌های اصلی را در AML‌های مدرن حفظ می‌کند.

This book provides a complete and comprehensive reference/guide to Pyomo (Python Optimization Modeling Objects) for both beginning and advanced modelers, including students at the undergraduate and graduate levels, academic researchers, and practitioners. The text illustrates the breadth of the modeling and analysis capabilities that are supported by the software and support of complex real-world applications. Pyomo is an open source software package for formulating and solving large-scale optimization and operations research problems. The text begins with a tutorial on simple linear and integer programming models. A detailed reference of Pyomo's modeling components is illustrated with extensive examples, including a discussion of how to load data from data sources like spreadsheets and databases. Chapters describing advanced modeling capabilities for nonlinear and stochastic optimization are also included. The Pyomo software provides familiar modeling features within Python, a powerful dynamic programming language that has a very clear, readable syntax and intuitive object orientation. Pyomo includes Python classes for defining sparse sets, parameters, and variables, which can be used to formulate algebraic expressions that define objectives and constraints. Moreover, Pyomo can be used from a command-line interface and within Python's interactive command environment, which makes it easy to create Pyomo models, apply a variety of optimizers, and examine solutions. The software supports a different modeling approach than commercial AML (Algebraic Modeling Languages) tools, and is designed for flexibility, extensibility, portability, and maintainability but also maintains the central ideas in modern AMLs.