最優(yōu)化方法基礎(chǔ)

1 概論
1．1 線性規(guī)劃問題
1．2 非線性最優(yōu)化問題
1．3 多目標(biāo)規(guī)劃
1．4 目標(biāo)規(guī)劃
1．5 多層規(guī)劃
習(xí)題
2 最優(yōu)化模型
2．1 五步方法建模
2．2 靈敏性分析
2．3 靈敏性與穩(wěn)健性
2．4 最優(yōu)化模型的評價
2．5 最優(yōu)化模型求解
2．6 常用的算法搜索結(jié)構(gòu)
2．7 凸集和凸函數(shù)
習(xí)題
3 線性規(guī)劃
3．1 線性規(guī)劃的標(biāo)準(zhǔn)形式
3．2 基本定理
3．3 單純形法
3．4 單純形表
3．5 兩階段法與大M法
習(xí)題
4 無約束非線性最優(yōu)化方法
4．1 最優(yōu)化條件
4．2 非線性最優(yōu)化的算法步驟
4．3 步長因子的搜索——一維搜索
4．4 下降方向的搜索——解析法
4．5 下降方向的搜索——直接法
4．6 無約束最優(yōu)化方法的評價和選擇
習(xí)題
5 約束非線性最優(yōu)化方法
5．1 最優(yōu)化條件
5．2 罰函數(shù)法
5．3 可行方向法
5．4 二次規(guī)劃
5．5 序列二次規(guī)劃法
5．6 非線性最小二乘問題
習(xí)題
6 啟發(fā)式算法概述
6．1 軌跡法
6．2 群體法
6．3 混合啟發(fā)式算法
習(xí)題
7 模擬退火算法
7．1 模擬退火算法的基本原理
7．2 模擬退火算法的模型
7．3 模擬退火算法的可行性
7．4 模擬退火算法的改進(jìn)
習(xí)題
8 遺傳算法
8．1 起源與發(fā)展
8．2 基本術(shù)語
8．3 基本遺傳算法
8．4 改進(jìn)遺傳算法
習(xí)題
9 粒子群優(yōu)化算法
9．1 粒子群算法概述
9．2 基本粒子群算法
9．3 改進(jìn)粒子群算法
習(xí)題
參考文獻(xiàn)