Математическая оптимизация для бизнеса в Yandex DataSphere

Математическая оптимизация

4:49

Обсуждение математической оптимизации, класса задач, предназначенных для нахождения минимального или максимального значения целевой функции на множестве, заданном ограничениями.
Примеры бизнес-сценариев: транспортная задача, составление графиков производственных расписаний, распределение ресурсов между сотрудниками, оптимизация маркетинговых компаний, ассортиментное планирование, расчет оптимальной матрицы товарной для каждой группы магазинов, планирование промо-акций, оптимальное размещение торговых точек, оптимизация складских запасов, управление ценностя клиента, долгосрочный жизненный путь клиента.

Основные компоненты оптимизационной задачи

12:22

Данные: справочники, характеристики оборудования, свойства клиентов.
Переменные решения: точки в пространстве принятия решений.
Функция от переменных решений: выручка, оборот, прибыль, затраты, недовольство клиентов.
Ограничения: система равенства-неравенства, принадлежности к множествам, целочисленные и бинарные переменные решения.
Пример: транспортная задача железнодорожной компании, выбор заказов из пула, переменные решения, связанные с выбором заказов, переменные решения, связанные с определением типа вагонов и станций для доставки заказов.

Оптимизация и ее классы

15:01

Видео обсуждает различные классы оптимизационных задач, включая линейное программирование, квадратичное программирование, линейное целочисленное программирование, комбинаторную оптимизацию, выпуклое программирование и черный ящик.
Каждый класс имеет свою сложность и требует разных подходов к решению.

Мультиагентное моделирование

22:54

Мультиагентное моделирование - это подход, при котором каждый объект системы представляет собой активного агента, принимающего решения и имеющего собственные цели и ограничения.
Этот подход может быть использован для решения сложных оптимизационных задач, таких как транспортная задача, где каждый агент представляет собой грузовик, заказ, клиента или заправку.

Продвинутая оптимизация

23:53

В видео утверждается, что любая аналитическая задача или задача по анализу данных должна заканчиваться оптимизационной задачей.
Это позволяет использовать прогнозные модели для оптимизации цен, запасов, транспортировки и других аспектов бизнеса.

Оптимизация цен для ритейла

25:44

В видео рассказывается о том, как использовать оптимизационные модели для оптимизации цен в ритейле.
Оптимизационные модели позволяют задавать вопросы о том, как изменится выручка при изменении цен на товары, и учитывать различные ограничения, такие как социальные лекарства, нормативы государства и акционные политики.

Примеры оптимизации

29:07

В видео приводятся примеры оптимизации в различных областях, таких как расписание для кинотеатров, маркетинг для банка, индексация цен для застройщика и выбор локации новых торговых точек.
В каждом случае оптимизационные модели используются для максимизации ожидаемой прибыли, учитывая различные ограничения и факторы, такие как пропускная способность колл-центра, контактные политики и равномерность вымывания.

Многоцелевая оптимизация

32:55

В видео подчеркивается важность многоцелевой оптимизации, которая решает различные задачи, такие как максимизация кэшлоу и равномерность вымывания.
В некоторых случаях оптимизация может быть многокритериальной, и для решения таких задач используются различные методы, включая введение критериев и последовательное решение.

Обзор платформ и инструментов для оптимизации

35:00

В видео обсуждаются различные платформы и инструменты для оптимизации, включая проприетарные и опенсорсные решения.
Упоминается использование Python для описания математических задач и использование различных библиотек для оптимизации.

Инфраструктура для оптимизации

39:36

В видео рассказывается о сервисе Яндекс.
Клауд, который предоставляет инфраструктуру для решения оптимизационных задач, включая среду разработки, солверы, ресурсы и инструменты для обмена данными и кодом.
Упоминаются различные конфигурации и настройки для управления вычислительными ресурсами и контроля затрат.

Ресурсы и докер-образы

44:34

В видео описываются различные ресурсы, такие как секреты, объекты хранения данных, докер-образы и возможности для диплоирования моделей.
Упоминается возможность создания докер-образов для оптимизации, которые можно использовать в других проектах.

Оптимизация промо-календаря

46:37

В видео обсуждается использование датасферы для оптимизации промо-календаря.
Есть три способа оптимизации: через компьютер, через веб-сервис и через датасфер джобс.
В видео также демонстрируется, как использовать оптимизационную модель для решения задачи оптимизации промо-календаря.

Анализ результатов оптимизации

54:20

В видео обсуждаются результаты оптимизации промо-календаря, включая ограничения и бизнес-ограничения.
Также демонстрируется, как анализировать результаты оптимизации и сравнивать их с аналитическим промо-планом.
В итоге, оптимизация промо-календаря привела к увеличению прибыли на 2% по сравнению с аналитическим промо-планом.

Анализ чувствительности и прогнозные модели

1:00:49

Обсуждение анализа чувствительности и его применения в оптимизации.
Упоминание о том, что оптимизация может столкнуться с ограничениями, и как анализ чувствительности помогает определить, куда инвестировать средства для получения лучшего результата.

Обучение с подкреплением и устойчивость прогнозных моделей

1:02:38

Обсуждение обучения с подкреплением и его использования для осторожного экспериментирования с ценами.
Упоминание о том, как обучение с подкреплением может помочь расширить спектр доверия к прогнозным моделям.

Ресурсы для погружения в тему моделирования и оптимизации

1:03:36

Рекомендация книг по выпуклой оптимизации и выпуклом анализе для понимания основ оптимизации.
Упоминание онлайн-курсов и сборников статей для более глубокого изучения темы.

Параллельная оптимизация и решение задач

1:05:43

Обсуждение возможности запуска оптимизации в параллельном режиме для ускорения расчетов.
Упоминание о том, что некоторые алгоритмы могут быть распараллелены, а другие нет.

Глобальная оптимизация и решение задач с несколькими оптимальными решениями

1:07:08

Обсуждение методов глобальной оптимизации, таких как рестарты и стратегии исследования и эксплуатации, для поиска глобального оптимального решения.
Упоминание о том, что в некоторых случаях решение задачи может меняться от запуска к запуску из-за наличия нескольких оптимальных решений.

Математическая оптимизация для бизнеса в Yandex DataSphere

Ключевые темы и таймкоды

Математическая оптимизация

Основные компоненты оптимизационной задачи

Оптимизация и ее классы

Мультиагентное моделирование

Продвинутая оптимизация

Оптимизация цен для ритейла

Примеры оптимизации

Многоцелевая оптимизация

Обзор платформ и инструментов для оптимизации

Инфраструктура для оптимизации

Ресурсы и докер-образы

Оптимизация промо-календаря

Анализ результатов оптимизации

Анализ чувствительности и прогнозные модели

Обучение с подкреплением и устойчивость прогнозных моделей

Ресурсы для погружения в тему моделирования и оптимизации

Параллельная оптимизация и решение задач

Глобальная оптимизация и решение задач с несколькими оптимальными решениями