V
主页
pyomo示例-背包问题-python运筹优化-手敲代码
发布人
背包问题(Knapsack Problem)是一类经典的组合优化问题,属于动态规划问题的范畴。问题的基本形式是:有一个给定容量的背包,以及一系列物品,每个物品都有自己的重量和价值。目标是选择一些物品放入背包中,使得它们的总重量不超过背包的容量,同时使得放入背包的物品总价值最大。
打开封面
下载高清视频
观看高清视频
视频下载器
pyomo和求解器的安装-使用python进行运筹优化和数学建模
pyomo实用示例-线性规划(整数规划)实例-使用python进行运筹优化和数学建模
pyomo实例-AbstractModel抽象模型-讲解-线性方程组-python运筹优化
电影推荐系统代码通讲2
入门算法课(13)-背包问题 | 编程 | 算法竞赛 | 01背包 | 完全背包 | 动态规划
python streamlit 环境准备
教师编面试了一个985硕士,没想到一开口就讲的稀烂......真的有些可惜,了解后才知道是备考方法出了问题
Pyomo介绍:Python 中的运筹优化及数学建模
《使用Python进行机器学习》 第35讲 决策树算法-代码解读2
07-Django模型实例和代码
pyomo的应用领域-python运筹优化和数学建模
《使用Python进行机器学习》 第15讲 多元线性回归的简介和数据集读取
使用openpyxl给表格插入图片-python与excel-办公自动化
聚类算法回顾和代码通讲1
《使用Python进行机器学习》 第41讲 逻辑回归算法-代码通讲1
《使用Python进行机器学习》 第34讲 决策树算法-代码解读1
pyomo的特点-使用python进行运筹优化和数学建模
《使用Python进行机器学习》 第18讲 多元线性回归,在训练集上训练模型,使用测试集进行预测
基于机器学习和streamlit的企鹅分类web应用,《Python Streamlit 从入门到实战》 随书视频讲解#
《使用Python进行机器学习》 第26讲 K最近邻-代码实操讲解1
《使用Python进行机器学习》 第19讲 多元线性回归,模型的评估指标和代码实现
06-Django模型Models介绍
python 自制游戏演示
《使用Python进行机器学习》 第20讲 多元线性回归,整体复习和代码运行并讲解
《使用Python进行机器学习》 第13讲 简单线性回归的原理和直线的表达式
聚类算法回顾和代码通讲3
使用肘部法确定聚类的k值
《使用Python进行机器学习》第7讲 本视频简单介绍了,python语言所提供的机器学习相关库
Excel VBA代码 自适应列宽
使用python进行机器学习-机器学习简介-什么是监督学习
谁提出问题,谁解决问题
Excel实用技巧 设置单元格格式
02-配置环境并创建django项目
【运筹学150】每日一练:(Day118)考研运筹学计算题——整数规划选址问题
《使用Python进行机器学习》 第32讲 决策树算法-可视化决策树的结构
《使用Python进行机器学习》 第44讲 kmeans 聚类 肘部法确定最优簇数
《使用Python进行机器学习》 第23讲 K最近邻-导入模块并读取数据集
学渣教你秒懂运筹学—— 整数规划分支定界法
《使用Python进行机器学习》 第67讲 课程总结和感激致谢,完结啦!撒花
《使用Python进行机器学习》第11讲 本视频详细介绍了,使用jupyter notebook并修改路径