最優化方法課件-解可新，大家一起學習，一起進步 第1章 最優化問題概述 1.1 最優化問題的數學模型與基本概念 1.2 最優化問題的一般算法 1.3 二維最優化問題的幾何解釋 1.4 一維搜索 習題第2章 線性規劃 2.1 凸集與凸函數 2.2 線性規劃的標準型與基本概念 2.3 線性規劃的基本定理 2.4 單純形方法 2.5 單純形表 2.6 初始基可行解的求法 2.7 退化與循環 2.8 線性規劃的對偶理論 2.9 對偶單純形法 2.10 靈敏度分析 2.11 整數線性規劃 習題第3章 無約束最優化方法 3.1 無約束最優化問題的最優性條件 3.2 最速下降法 3.3 Newton法 3.4 共軛方向法和共軛梯度法 3.5 擬Newton法 3.6 Powell方向加速法 習題第4章 約束最優化方法 4.1 約束最優化問題的最優性條件 4.2 罰函數法與乘子數 4.3 投影梯度法與簡約梯度法 4.4 約束變尺度法 習題第5章 多目標最優化方法 5.1 多目標最優化問題的數字模型及其分類 5.2 解的概念與性質 5.3 評價函數法 5.4 分層求解法 5.5 目標規劃法 習題第6章 動態規劃 6.1 動態規劃的基本概念 6.2 動態規劃的最優性原理與基本方程 6.3 函數迭代法和策略迭代法 6.4 動態規劃的應用舉例 習題第7章 遺傳算法簡介 7.1 遺傳算法概述 7.2 遺傳算法的運算過程 7.3 基本遺傳算法及應用舉例 7.4 模式定理參考文獻