Microaula em Método CELULA • Prévia Aberta

<p>Estudo avançado da Pesquisa Operacional e otimização matemática aplicadas a decisões estratégicas de negócios e algoritmos de precificação dinâmica. Formulação rigorosa de problemas de Programação Linear (LP) e Programação Linear Inteira Mista (MILP) utilizando resolvedores em Python (PuLP, SciPy Optimize e OR-Tools); modelagem econométrica da curva de elasticidade-preço da demanda ($E_p$), elasticidade cruzada e funções de receita não linear com custos marginais e restrições de capacidade de estoque; exploração de meta-heurísticas e algoritmos adaptativos de Aprendizado por Reforço (Multi-Armed Bandits: Epsilon-Greedy, Upper Confidence Bound - UCB e Thompson Sampling) para precificação algorítmica em tempo real e balanceamento da relação exploração versus aproveitamento (*exploration vs. exploitation*).</p>

Estudo avançado da Pesquisa Operacional e otimização matemática aplicadas a decisões estratégicas de negócios e algoritmos de precificação dinâmica. Formulação rigorosa de problemas de Programação Linear (LP) e Programação Linear Inteira Mista (MILP) utilizando resolvedores em Python (PuLP, SciPy Optimize e OR-Tools); modelagem econométrica da curva de elasticidade-preço da demanda ($E_p$), elasticidade cruzada e funções de receita não linear com custos marginais e restrições de capacidade de estoque; exploração de meta-heurísticas e algoritmos adaptativos de Aprendizado por Reforço (Multi-Armed Bandits: Epsilon-Greedy, Upper Confidence Bound - UCB e Thompson Sampling) para precificação algorítmica em tempo real e balanceamento da relação exploração versus aproveitamento (*exploration vs. exploitation*).

Pesquisa Operacional: Programação Linear e Inteira Mista (MILP) com Python PuLP

A otimização matemática prescreve a melhor decisão possível sob um conjunto de rest...