M:王树尧老师运筹学课程笔记
文章平均质量分 63
王树尧老师运筹学课程笔记
w18727139695
AI Security
展开
-
王树尧老师运筹学课程笔记 10 线性规划与单纯形法(关于检测数与退化的讨论)
主要注意的是,在如上图所示的单纯形表中,bbb列和填ai,ja_{i,j}ai,j的列中本质上填的应该是B−1bB^{-1}bB−1b和B−1AB^{-1}AB−1A,只是在之前的情况下中BBB是单位矩阵。检验数的计算方法为σi=ci−cBB−1pi=ci−zi\sigma_{i}=c_{i}-c_{B} B^{-1} p_{i}=c_{i}-z_{i}σi=ci−cBB−1pi=ci−zi。而对于其他教材可能将σi\sigma_{i}σi定义为σi\sigma_{i}σi=zi−ci=z原创 2022-07-08 12:46:55 · 1480 阅读 · 1 评论 -
王树尧老师运筹学课程笔记 09 线性规划与单纯形法(单纯形表的应用)
待更新……原创 2022-07-08 11:27:56 · 1994 阅读 · 0 评论 -
王树尧老师运筹学课程笔记 08 线性规划与单纯形法(单纯形法)
见教材P28 例2-6。直接观察,然后验证。如果找到的不是基则更换子矩阵重新验证。一般来说可能的基的个数为$C_{n}^{m} ,其中,其中,其中n是未知变量的个数,是未知变量的个数,是未知变量的个数,m是矩阵是矩阵是矩阵A$的秩。由于选基的原则是越简单越好,最好是单位矩阵EEE,便于运算。因此可以先对系数矩阵以及自由项进行初等行变换,最好能够在系数矩阵中变换出对角线上元素均为1的子矩阵,或对角线上元素均为正数的子矩阵,或至少是0较多的子矩阵。这样做一是因为子矩阵越简单,之后的运算量就越少,二是因为如果子矩原创 2022-07-08 07:07:54 · 745 阅读 · 4 评论 -
王树尧老师运筹学课程笔记 07 线性规划与单纯形法(标准型、基、基解、基可行解、可行基)
将约束条件由弱约束变为强约束,将不等式组变为了方程组,降低了求解的难度。对于一般的线性规划问题,容易得到:目标函数max(min)z=c1x1+c2x2+⋯+cnxn\quad \max (\min ) z=c_{1} x_{1}+c_{2} x_{2}+\cdots+c_{n} x_{n}max(min)z=c1x1+c2x2+⋯+cnxn约束条件 {a11x1+a12x2+⋯+a1nxn⩽(=,⩾)b1a21x1+a22x2+⋯+a2nxn⩽(=,⩾)b2⋮am1x1+am2x2+⋯+a原创 2022-07-08 02:46:56 · 2692 阅读 · 2 评论 -
王树尧老师运筹学课程笔记 06 线性规划与单纯形法(几何意义)
图解法有很大局限性,在二维情况下最好用,三维理论上可以,但很难操作,基本不使用。因此,当维度较高时需要使用单纯形法。局限性:当交点数量过多时,计算量过大。由于枚举法的工作量较大,因此采用试点法,即先选择一个点,然后研究其周边的点,如果最开始的点对应的函数值最大或最小,则其为最优解。在某个维度下面数最少或边数最少的线性几何图形。线性规划问题的求解结果有3种:无穷多最优解(多重最优解)、无界解和无解。如果可行域是封闭的则一定有最优解,可能有唯一最优解或无穷多个最优解。如果可行域是无界的,可能在无界处取到无界解,原创 2022-07-07 07:10:41 · 1274 阅读 · 0 评论 -
王树尧老师运筹学课程笔记 05 线性规划与单纯形法(概念、建模、标准型)
定义:在线性约束条件下,寻找线性目标函数的最优化问题。之所以要将问题化为标准型,主要是为了便于之后使用单纯形等方法进行求解。线性规划数学模型一般有如下形式:目标函数 max(min)z=c1x1+c2x2+⋯+cnxn\quad \max (\min ) z=c_{1} x_{1}+c_{2} x_{2}+\cdots+c_{n} x_{n}max(min)z=c1x1+c2x2+⋯+cnxn满足约束条件 {a11x1+a12x2+⋯+a1nxn⩽(=,⩾)b1a21x1+a22x2+⋯+原创 2022-07-07 04:08:07 · 975 阅读 · 1 评论 -
王树尧老师运筹学课程笔记 04 线性代数基础
线性代数是通过一系列的手段“折腾”方程组,抽取其中的系统信息。解线性方程组(线性方程即未知数的次数是1的方程)。解线性方程组的步骤对于二元线性方程组{a11x1+a12x2=b1a21x1+a22x2=b2\left\{\begin{array}{l}a_{11} x_{1}+a_{12} x_{2}=b_{1} \\ a_{21} x_{1}+a_{22} x_{2}=b_{2}\end{array}\right.{a11x1+a12x2=b1a21x1+a22x2=b2,该方程组的原创 2022-07-07 01:05:16 · 877 阅读 · 2 评论 -
王树尧老师运筹学课程笔记 03 KKT定理
(注意比较Lag乘数法和KKT定理求解过程的不同之处。)注:KKT定理需要要求函数有连续的一阶偏导,但这个前提条件不需要刻意关心,一般都是可以满足的。当使用KKT定理求出一个解时,如果其对应的某个λi∗>0\lambda_i^*>0λi∗>0,则由λi∗∗gi=0\lambda_i^**g_i=0λi∗∗gi=0可得gi=0g_i=0gi=0,即gig_igi退化为了强约束条件,说明该解对应的点恰好落在曲线gi=0g_i=0gi=0上。Lag乘数法和KKT定理虽然是可以解决非线性规划问题的通用方原创 2022-07-06 20:44:12 · 1240 阅读 · 1 评论 -
王树尧老师运筹学课程笔记 02 高等数学基础
最值:函数最值分为函数最小值与函数最大值,最小值即定义域中函数值的最小值,最大值即定义域中函数值的最大值。极值:若 x0x_{0}x0 为极值点,则在 x0x_{0}x0 的邻域内都有 f(x)≥f(x0)f(x) \geq f\left(x_{0}\right)f(x)≥f(x0) 或者 f(x)≤f(x0)f(x) \leq f\left(x_{0}\right)f(x)≤f(x0) 。区别:最值讨论的是整体性,而极值讨论的是局部性。极值不一定是最值,最值也不一定是极值。一个函数在闭区间上的最大原创 2022-07-06 08:43:11 · 641 阅读 · 1 评论 -
王树尧老师运筹学课程笔记 01 导学与绪论
运筹学的目的:寻找一般情况下决策的最优解(最优化问题)运筹学的来源:军事本课程干什么:应用视角高中学习的线性规划是运筹学的一部分,线性规划要求目标函数的线性的,约束条件也是线性的,但运筹学研究的情况则更加一般。同时,线性规划也是一种特殊的非线性规划,也就是说,非线性规划包含线性规划,运筹学包含非线性规划。并且线性规划问题是整个运筹学的核心。用非线性规划问题的处理方法,结合线性代数的数学工具来处理线性规划问题。并且有一些更特殊的处理方法,即仅能处理线性规划问题的方法,如单纯形法。自然定义域:在纯数学背景下,函原创 2022-07-06 02:04:08 · 706 阅读 · 2 评论 -
王树尧老师运筹学课程笔记 00 写在前面
待更新原创 2022-07-06 02:02:06 · 409 阅读 · 0 评论