梓莘

拉个朗日乘数定理KKT定理g1=0 g2=0 g3=0g1<=0 g2>=0 g3=0化为标准型 ,比如a>=b a<=b =>a=b 同理g3=0 => g3>=0 g3<=0,标准型就是代数式>=0的形式 -g1>=0 g2>=0 -g3>=0 g3>=0，这里选择<=0也是可以的看约束条件，有几个约束方程就引入几个乘子λ看约束条件，有几个约束方程就引入几个广义拉格朗日乘子λ,常...

什么是多项式时间？什么是时间复杂度？时间复杂度并不是表示一个程序解决问题需要花多少时间，而是当程序所处理的问题规模扩大后，程序需要的时间长度对应增长得有多快。也就是说，对于某一个程序，其处理某一个特定数据的效率不能衡量该程序的好坏，而应该看当这个数据的规模变大到数百倍后，程序运行时间是否还是一样，或者也跟着慢了数百倍，或者变慢了数万倍。不管数据有多大，程序处理所花的时间始终是那么多的，我们就说这个程序很好，具有 O(1)的时间复杂度，也称常数级复杂度；数据规模变得有多大，花的时间也跟着变得有多长，比如

开放车间调度问题定义有n个需要加工的工件和m种用来加工的机器，每个工件有m道工序，没道工序的加工时间是已知的，但是不规定每个工件的加工顺序，即工件的加工顺序是任意的：一台机器在同一个时刻只能加工一个工件，一个工件不能同时在两台机器上加工；每个工件在同一时刻也只能在某一台机器上加工；最终需要求得一组机器与工件的排列组合使加工完所有工件所用的时间最短，效率最高。为了消除瓶颈，提高制造字体的柔性，通常每种机器的数量不止一台，每种机器一般都有若干台相同功能的平行机，这就构成了柔性开放车间调度问题分类根据不

线性规划的概念线性规划(Linear Programming 简记 LP)是了运筹学中数学规划的一个重要分支。自从 1947 年 G. B. Dantzig 提出 求解线性规划的单纯形法以来，线性规划在理论上趋向成熟，在实用中由于计算机能处理成千上万个约束条件和决策变量的线性规划问题之后，线性规划现代管理中经常采用的基本方法之一。 在解决实际问题时，需要把问题归结成一个线性规划数学模型，关键及难点在于选适当的决策变量建立恰当的模型，这直接影响到问题的求解。线性规划问题的目标函数及约束条件均为线性函数；约

摘要文章主要是针对图匹配问题的组合优化方面的机器学习方面发展的回顾。机器学习和组合优化的结合可能会给人工智能带来革命性的变化。本文研究的重点是加权图匹配问题。关于图匹配，体现了很多的学习技术：卷积神经网络，图神经网络，强化学习这些技术可以应用到提取节点特征，图结构特征，甚至匹配引擎的范例中。展望：介绍组合优化是一个非常重要的研究方向，它涵盖了约束满足问题、整数规划、图论算法等丰富的经典算法求解方法。与此同时，机器学习也在进几年突飞猛进。从基础研究到应用这两个研究都有很深的影响，但是直到最近才出

变邻域搜索（ｖａｒｉａｂｌｅｎｅｉｇｈｂｏｒｈｏｏｄｓｅａｒｃｈ，ＶＮＳ）算法是Ｍｌａｄｅｎｏｖｉｃ和Ｈａｎｓｅｎ在１９９７年提出的一种有效的局部搜索方法。求解组合优化问题时有以下几个特点。（１）对于不同的邻域结构，一个邻域结构的局部最优解不一定是另一个邻域结构的局部最优解。（２）对于所有的邻域结构，全局最优解必然是某个邻域结构的局部最优解。（３）对于多数组合优化问题，某个邻域结构或某几个邻域结构的局部最优解之间的距离可能很近，即局部最优解具有聚集性。变邻域搜索算法就是依据以上特点，在基本的局部搜索

遗传算法（ｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ，ＧＡ）是由美国Ｍｉｃｈｉｇａｎ大学的ＪｏｈｎＨｏｌｌａｎｄ教授在１９７５年首先提出的，它是一种模拟生物自然进化现象的优化算法。随后在１９８９年，Ｇｏｌｄｂｅｒｇ的著作对遗传算法做了更为全面而系统的总结，也由此奠定了遗传算法的基础。遗传算法借用了生物遗传学的思想，以及自然界中的“物竞天择，适者生存”原则，将问题的解表示成“染色体”，通过模拟自然选择、交叉、变异等操作，实现个体适应度的提高，不断迭代，逐步寻找最优解（或次优解）。遗传算法在求解问题时，从一组随机产生的

柔性作业车间调度问题（ｆｌｅｘｉｂｌｅｊｏｂｓｈｏｐｓｃｈｅｄｕｌｉｎｇｐｒｏｂｌｅｍ，ＦＪＳＰ）的描述如下：ｎ个工件（Ｊ１，Ｊ２，…，Ｊｎ）要在ｍ台机器（Ｍ１，Ｍ２，…，Ｍｍ）上加工；每个工件包含一道或多道工序；工序顺序是预先确定的；每道工序可以在多台不同加工机器上进行加工；工序的加工时间随加工机器的不同而不同；调度目标是为每道工序选择最合适的机器，确定每台机器上各道工序的最佳加工顺序及开工时间，使整个系统的某些性能指标达到最优。因此，柔性作业车间调度问题包含两个子问题：确定各工件的加工机器（机器选择子问

调度问题的描述在一定的约束条件下，把有限的资源在时间上分配给若干个任务，以满足或优化一个或多个性能指标。调度不仅要将任务排序，还要确定各个任务的开始或结束时间。因为在多个任务的开工时间之间可以插入无限的空闲时间。通常假定每个任务都按照其最早可开工时间开始加工，那么任务的一个排序就可以确定一个调度方案。在制造业中，车间调度问题可以描述为：ｎ个工件在ｍ台机器上加工；一个工件有多道工序，每道工序可以在若干台机器上加工，并且必须按一些可行的工艺次序进行加工；每台机器可以加工工件的若干工序，并且在不同的机器上加

什么是生产调度生产调度是指针对一项可分解的工作（如产品制造），在尽可能满足工艺路线、资源情况、交货期等约束条件的前提下，通过下达生产指令，安排其组成部分（操作）所使用的资源、加工时间及加工的先后顺序，以获得产品制造时间或成本最优化的一项工作。什么是调度优化调度优化问题是指“如何把有限的资源在合理的时间内分配给若干个任务，以满足或优化一个或多个目标”的问题。...

经典作业车间调度问题在传统车间调度模型中，假设工序加工所需要的资源是不具备柔性的资源，工件的所有工序的加工机器是唯一的，且机器顺序是已知的，则可通过确定工序在每台机器上的加工顺序来优化完工时间等系统目标。随着大批量连续生产时代正逐渐被适应市场动态变化的多品种、小批量离散生产所替代，一个制造企业的生存能力和竞争能力在很大程度上取决于它是否能在较短的生产周期内，生产出较低成本、较高质量的多个产品品种的能力。柔性作业车间调度问题柔性作业车间调度问题（ｆｌｅｘｉｂｌｅｊｏｂｓｈｏｐｓｃｈｅｄｕ－ｌｉｎｇｐｒｏ

https://www.scopus.com/search/form.uri?display=basichttp://apps.webofknowledge.com/UA_GeneralSearch_input.do?product=UA&search_mode=GeneralSearch&SID=5CVMObSORDfNcHYa9M1&preferencesSaved=https://kns.cnki.net/kns8/defaultresult/index

原文链接：https://blog.csdn.net/haha0332/article/details/886726341. 非支配排序遗传算法(NSGA)1995年，Srinivas和Deb提出了非支配排序遗传算法(Non-dominated Sorting Genetic Algorithms，NSGA)。这是一种基于Pareto最优概念的遗传算法。(1) 基本原理NSGA与简单的遗传算法的主要区别在于：该算法在选择算子执行之前根据个体之间的支配关系进行了分层。其选择算子、交叉算子和变异算子与简

flow shop：n个工件在m台机器上加工，每个工件都要在m台机器上加工一次，并且每台机器上的工序，即加工顺序都是一样的。如四个工件在第一台机器加工顺序为2134，那么在剩余m-1台机器上的工序必须严格保持2134的顺序。因此flow shop也被称为流水作业或顺序作业。job shop每台机器的工序是可变的。因此job shop也被称为异序作业。同时，如果不限制工件j只能在机器m上加工一次，就变成可重入job shop。open shop...