實用最優(yōu)化方法

第1章引論
1.1最優(yōu)化問題舉例
1.2最優(yōu)化的基本概念
1.3凸集和凸函數(shù)
習題一
第2章線性規(guī)劃
2.1引言線性規(guī)劃的標準形式
2.2線性規(guī)劃的基本定理
2.3單純形法
2.4關(guān)于單純形法的說明和補充
2.5線性規(guī)劃的對偶理論與對偶單純形法
2.6線性規(guī)劃的多項式算法
習題二
第3章無約束優(yōu)化方法
3.1引言下降遞推算法
3.2一維搜索
3.3求多變量函數(shù)極值的基本下降法
3.4共軛方向法和共軛梯度法
3.5變尺度法
3.6直接搜索法
習題三
第4章約束優(yōu)化方法
4.1引言Kuhn—Tucker條件
4.2懲罰函數(shù)法
4.3碰壁函數(shù)法
4.4可行方向法
4.5梯度投影法
4.6既約梯度法
4.7乘子法
4.8二次逼近法
4.9極大熵方法
習題四
第5章多目標規(guī)劃
5.1多目標規(guī)劃問題舉例
5.2多目標規(guī)劃問題的解集和像集
5.3處理多目標規(guī)劃問題的一些方法
5.4目標規(guī)劃
習題五
第6章整數(shù)規(guī)劃
6.1整數(shù)規(guī)劃問題舉例
6.2整數(shù)線性規(guī)劃的解法概述
6.3分枝定界法
6.4割平面法
6.5隱枚舉法
6.6匈牙利法
習題六
第7章動態(tài)規(guī)劃
7.1多階段決策問題
7.2動態(tài)規(guī)劃的基本原理
7.3函數(shù)空間迭代法和策略空間迭代法
7.4應(yīng)用舉例
習題七
第8章進化算法
8.1引言進化算法概述
8.2進化策略
8.3遺傳算法
8.4進化規(guī)劃
8.5模擬退火方法
習題八
第9章優(yōu)化方法應(yīng)用舉例
9.1經(jīng)濟預測中的人工神經(jīng)網(wǎng)絡(luò)方法
9.2稠油油層熱物性參數(shù)的計算模型及算法
9.3一類水火電系統(tǒng)的最優(yōu)開發(fā)模型
9.4干線公路網(wǎng)等級結(jié)構(gòu)優(yōu)化的目標規(guī)劃模型及算法
9.5一個多目標動態(tài)投入產(chǎn)出優(yōu)化模型及算法
部分習題答案或提示
參考文獻
附錄最優(yōu)化方法中常用的數(shù)學基礎(chǔ)知識匯編