课程简介
聚焦于多目标决策与优化方法在业务场景中的应用实践，系统讲解从问题建模、算法求解到案例实操的完整过程。课程涵盖多目标优化的基本原理、主流求解算法（如加权法、ε-约束法、Pareto前沿分析等），以及常用的决策支持方法如层次分析法（AHP），并结合 Excel 和 Python 工具进行操作演示。课程特别设计了金融、银行等典型行业案例，引导学员动手实践，提升其在复杂业务场景中进行数据驱动决策的能力。
目标收益
掌握多目标优化问题的基本理论与常用算法；
学会使用 Excel 及 Python 等工具对多目标问题建模与求解；
理解层次分析法（AHP）原理并能应用于实际业务决策；
能独立解决企业中的多目标冲突问题并提出优化建议；
提升数据分析与建模在金融等行业的实际落地能力。
培训对象
银行数字化产品经理，有效助力企业全面提升运营效率
银行运营人员，改变传统的运营思维
银行大数据技术人员，技术与业务的结合，掌握人工智能在银行应用的场景与手段。
课程大纲
|
09:00-10:30 模块一：多目标优化求解导论与破冰行动 |
多目标优化问题的现实意义与挑战 破冰案例：“轮船遇难物品优先级排序” 小组讨论、价值冲突与协商演练 |
|
10:30-12:00 模块二：多目标优化求解原理与算法实战 |
多目标优化基本概念：Pareto 最优、效用函数 常见算法：加权法、ε-约束法、Pareto前沿 案例实战：信贷投放优先级规划 |
|
13:30-15:00 模块三：层次分析法（AHP）原理与实操 |
AHP方法原理与一致性检验 权重计算方法（最大特征值法） 案例：支行客户分层策略决策 |
|
15:00-16:30 模块四：银行业务场景实战：Python求解多目标优化 |
场景背景：信用卡客户营销资源分配 建模思路：收益最大+风险最小+客户满意度最大化 Python 多目标优化求解（Pyomo + 可视化） 结果解读与策略建议 |
|
09:00-10:30 模块一：多目标优化求解导论与破冰行动 多目标优化问题的现实意义与挑战 破冰案例：“轮船遇难物品优先级排序” 小组讨论、价值冲突与协商演练 |
|
10:30-12:00 模块二：多目标优化求解原理与算法实战 多目标优化基本概念：Pareto 最优、效用函数 常见算法：加权法、ε-约束法、Pareto前沿 案例实战：信贷投放优先级规划 |
|
13:30-15:00 模块三：层次分析法（AHP）原理与实操 AHP方法原理与一致性检验 权重计算方法（最大特征值法） 案例：支行客户分层策略决策 |
|
15:00-16:30 模块四：银行业务场景实战：Python求解多目标优化 场景背景：信用卡客户营销资源分配 建模思路：收益最大+风险最小+客户满意度最大化 Python 多目标优化求解（Pyomo + 可视化） 结果解读与策略建议 |
近期公开课推荐
