《组合最优化》结课小感

今天下午18:10结束了组合最优化课程的期末考试，虽然之前对这门课的内容都没写过一篇博客，但毕竟学完了，还是想稍微做一点小结。

组合最优化这门课，如果学起来，会感觉自己大部分时间在学数学，因为老师上课讲算法之前，都会解释一下其中的数学原理。

经常开启一个新的理论之前，老师都会先让我们自己自行查百度了解，然后再讲。（之前感觉老师这是在偷懒，后来发现，这种方式与直接从头讲到尾相比，稍微有效一些）

在其中，我们常常是数学原理听起来一头雾水，顺带里面的算法步骤也听不下去，往往这时，老师就会放一道题，让我们自己做一下，老师大部分情况也不会讲，解题方法主要靠自己前面听进去的内容+网上查方法，也不知为何，确实学会了一些算法（可能只是这段时间记住了吧，毕竟只是记住了步骤，会用，并没理解其中的用途与含义呢）。

因为课上的人比较少，而我自己其实还是比较乐意听这门课的，所以遇见不懂的会直接询问老师。

有一回，发现题解和自己的答案有出入（而且刚好老帅哥的答案是对的），和老师（其实主要是和老帅哥）大辩特辩了一节课，最终稍微感觉答案说得通，也就没继续争论了。（现在想起来，题解也还是合情合理的）

再说说这堂课上学会的一些算法吧，只是随便写写：

• 一维搜索：黄金分割法（找极小值点）

给定一个范围[ a , b ]在这个范围内包含一个极小值（我理解成单峰），我们从中取x1 x2，两者的计算公式是 x1 = a + ( b - a ) * 0.382   x2 = a + ( b - a ) * 0.618 

并算出两者的函数值f1 f2 ，将f1 f2 进行比较：

•  f1 > f2 => a = x1 ; x1 = x2 ; f1 = f2 ; x2 = a + ( b - a ) * 0.618  f2 = f(x2)
• f1 < f2 =>  b = x2 ; x2 = x1 ; f2 = f1 ; x1 = a + ( b - a ) * 0.382  f1 = f(x1)
• f1 == f2 => a = x1 ; b = x2 ;再重新算一遍x1 x2

直至| b - a | 的值足够小（满足终止条件），得到 x = (a + b) / 2

• 单纯形法（找最优解）

这个说起来有点渊源。

我们组合最优这门课，讲的最多的，其实就是从多种可能解中找一个最优解。

根据实际问题，进行数学建模（目标函数：求某一个数字的最大值或者最小值 ； 约束条件： 实际约束），简单一点的话，就是直接给我们目标函数和约束条件。

下面讲讲给了目标函数和约束条件后的求解步骤：

比如是求约束条件函数的最小值，

我们先从约束条件中，找到系数<0且最小的那一个变量，再看约束条件，假设每一个约束条件中除了这个变量以外的都为0，得到每一个约束条件下该变量的最大值，以这所有最大值中的最小值最为我们的解。

再而，把我们得到解的那一个约束条件函数中，该变量的系数，变为1，带入目标函数和其他约束条件方程，消除该变量，进行下一次迭代。

如此重复，直至目标函数系数全非负。

我们得到的就是最优解，代入目标函数得到的就是最优值。

（这里可以稍微提一点的就是，我们的约束条件必须是标准型，也就是全为等式，等式右边的值非负，变量全非负）

这里配一张转标准型的图：

一点小结吧：对于我自己而言，其实是挺乐意学习算法的，这门课可能算是我听得比较认真的一门课了，以后也要继续加油~~