大规模MIP的精确算法和实现

大规模MIP的精确算法和实现:目录

第1部分:CPLEX的Java API详解

本章内容见
https://blog.csdn.net/HsinglukLiu/article/details/107886152

1. CPLEX简介

2. 构建简单的模型

3. CPLEX的高级应用

第2部分:Gurobi的Python API详解

本章内容见
https://blog.csdn.net/HsinglukLiu/article/details/107885364

1. Gurobi简介

2. 构建简单的模型

3. Gurobi的高级应用

第3部分: 大规模MIP的常见精确算法及其实现

相关概念

待补充。*宏达负责

凸包

极射线

LP, IP, QP, QCP, QCQP, SOCP的概念

经典的MIP问题简介

25%完成本章内容见
https://blog.csdn.net/HsinglukLiu/article/details/107886536
*刘兴禄负责

Assignment Problem

SPP

TSP

VRP

MNF

常用的高级建模技巧

本章内容见
https://blog.csdn.net/HsinglukLiu/article/details/107886056

逻辑约束

线性化技巧

大规模线性规划的对偶问题

本章内容见
https://blog.csdn.net/HsinglukLiu/article/details/107886085

对偶理论简介

SPP的对偶

MCNF的对偶

开源的算例资源

本章内容见
https://blog.csdn.net/HsinglukLiu/article/details/107886121

VRP标杆算例网址

SNDP标杆算例网址

KM算法求解Assignment Problem

本章内容见
https://blog.csdn.net/HsinglukLiu/article/details/107886197

Dijkstra算法求解SPP

本章内容见
https://blog.csdn.net/HsinglukLiu/article/details/107886218

分支定界算法

本章内容见
https://blog.csdn.net/HsinglukLiu/article/details/107886236

分支定界算法VRP及其实现

列生成算法简介

本章内容见
https://blog.csdn.net/HsinglukLiu/article/details/107886258

列生成求解TSP及其实现

列生成求解VRP及其实现

动态规划算法简介

本章内容见
https://blog.csdn.net/HsinglukLiu/article/details/107886288

动态规划(labelling algorithm)求解SPPRC

Branch and Price算法简介

本章内容见
https://blog.csdn.net/HsinglukLiu/article/details/107886301

Branch and Price求解VRP及其实现

DW分解算法简介

本章内容见
https://blog.csdn.net/HsinglukLiu/article/details/107886325

DW求解TSP及其实现

Benders分解算法简介

本章内容见
https://blog.csdn.net/HsinglukLiu/article/details/107886352

Benders分解求解TSP及其实现

Benders分解求解VRP及其实现

Branch and cut算法简介

本章内容见
https://blog.csdn.net/HsinglukLiu/article/details/107886374

Branch and cut求解VRP及其实现

Lagrangian Relaxation算法简介

本章内容见
https://blog.csdn.net/HsinglukLiu/article/details/107886401

Lagrangian Relaxation求解MNF及其实现

  • 3
    点赞
  • 31
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
ICEEMDAN(Iterative Cumulative Energy-based Empirical Mode Decomposition with Adaptive Noise)分解算法是一种数据分解方法,用于处理非平稳和非线性信号。它基于经验模态分解(Empirical Mode Decomposition,EMD)方法,通过对信号的逐步分解来获取信号的本质特征,同时增加了自适应噪声处理的能力。 ICEEMDAN分解算法的基本步骤如下: 1. 首先,ICEEMDAN算法对信号进行预处理,包括将信号扩展为2的幂次。这样做是为了保持信号的长度一致,便于后续处理。 2. 然后,使用累积能量方法来识别信号中的本征模态函数(Intrinsic Mode Functions,IMF)。该方法对信号进行多次分解,逐步获取IMF。每次分解后,会计算每个IMF的累积能量,并将能量较小的IMF与噪声分量区分开。 3. 接下来,ICEEMDAN算法引入了自适应噪声处理,用于减少噪声对信号分解的影响。通过在每次分解后,对能量较小的IMF进行噪声估计和去噪操作,进一步提高信号的分解效果。 4. 最后,重复以上步骤,直到满足停止准则为止。一般情况下,停止准则可以是达到预定的分解层数,或者是IMF的能量达到一定的阈值。 使用ICEEMDAN算法可以将复杂的非平稳和非线性信号分解为一系列IMF,每个IMF代表了信号中的一个本征模态。通过对这些IMF进行分析和处理,可以更好地了解信号的特征和结构,从而实现信号的降噪、特征提取、模式识别等应用。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值