MATLAB運(yùn)籌學(xué)

第一篇運(yùn)籌學(xué)基礎(chǔ)
第1章單純形法
1.1本章內(nèi)容
1.2線性規(guī)劃問(wèn)題及其標(biāo)準(zhǔn)數(shù)學(xué)模型
1.2.1什么是線性規(guī)劃問(wèn)題
1.2.2線性規(guī)劃問(wèn)題的標(biāo)準(zhǔn)形式
1.3用單純形法解決線性規(guī)劃問(wèn)題
1.3.1線性規(guī)劃問(wèn)題中的概念和原理
1.3.2單純形法的原理
1.3.3兩階段法求解一般的線性規(guī)劃問(wèn)題
1.4單純形法的MATLAB實(shí)現(xiàn)
1.4.1MATLAB知識(shí)儲(chǔ)備
1.4.2S函數(shù)
1.4.3主程序
1.4.4直接用優(yōu)化工具箱解線性規(guī)劃問(wèn)題
1.5利用linprog命令解決投資問(wèn)題
1.6單純形法的計(jì)算復(fù)雜度淺析
1.7本章小結(jié)
第2章對(duì)偶單純形法
2.1本章內(nèi)容
2.2對(duì)偶問(wèn)題的提出
2.2.1拉格朗日乘數(shù)法
2.2.2對(duì)偶問(wèn)題的生成
2.3對(duì)偶問(wèn)題的性質(zhì)
2.4對(duì)偶單純形法
2.4.1單純形法的矩陣表達(dá)
2.4.2對(duì)偶單純形法的基本原理
2.4.3對(duì)偶單純形法的計(jì)算步驟
2.5對(duì)偶單純形法的MATLAB實(shí)現(xiàn)
2.6凡卡引理與資產(chǎn)定價(jià)
2.6.1凡卡引理
2.6.2資產(chǎn)定價(jià)
第3章靈敏度分析
3.1本章內(nèi)容
3.2靈敏度分析的概念和思路
3.2.1靈敏度分析的概念
3.2.2靈敏度分析的實(shí)現(xiàn)思路
3.3資源向量b的變化分析與全局依賴
3.3.1資源向量b的變化分析原理
3.3.2資源向量b的全局依賴
3.3.3資源向量b靈敏度分析的MATLAB實(shí)現(xiàn)
3.3.4b對(duì)目標(biāo)函數(shù)值和最優(yōu)解的影響
3.4價(jià)值向量c的變化分析與全局依賴
3.4.1價(jià)值向量c的變化分析原理
3.4.2價(jià)值向量c的全局依賴
3.4.3價(jià)值向量c變化的MATLAB實(shí)現(xiàn)
3.4.4c對(duì)目標(biāo)函數(shù)值和最優(yōu)解的影響
3.5增加變量的分析
3.5.1增加變量的分析原理
3.5.2增加變量分析的MATLAB實(shí)現(xiàn)
3.6改變約束系數(shù)矩陣的分析
3.6.1改變約束系數(shù)矩陣的分析原理
3.6.2改變約束系數(shù)矩陣分析的MATLAB實(shí)現(xiàn)
3.6.3改變A的影響
3.7增加約束條件的分析
3.7.1增加約束條件的分析原理
3.7.2增加約束條件分析的MATLAB實(shí)現(xiàn)
第4章內(nèi)點(diǎn)法
4.1本章內(nèi)容
4.2總述
4.3仿射尺度算法
4.3.1仿射尺度算法的原理
4.3.2仿射尺度算法的實(shí)現(xiàn)步驟
4.3.3仿射尺度算法的MATLAB實(shí)現(xiàn)
4.3.4初始值
4.3.5仿射尺度算法的計(jì)算復(fù)雜度淺析
4.4勢(shì)函數(shù)下降算法
4.4.1勢(shì)函數(shù)下降算法的原理
4.4.2勢(shì)函數(shù)下降算法的實(shí)現(xiàn)步驟
4.4.3勢(shì)函數(shù)下降算法的MATLAB實(shí)現(xiàn)
4.4.4初始值
4.4.5勢(shì)函數(shù)下降算法的計(jì)算復(fù)雜度
4.5原始路徑跟蹤算法
4.5.1原始路徑跟蹤算法的原理
4.5.2原始路徑跟蹤算法的實(shí)現(xiàn)步驟
4.5.3原始路徑跟蹤算法的MATLAB實(shí)現(xiàn)
4.5.4初始值
4.5.5原始路徑跟蹤算法的計(jì)算復(fù)雜度
4.6原始對(duì)偶路徑跟蹤算法
4.6.1用牛頓方法尋找非線性方程組的根
4.6.2用牛頓方法解決線性規(guī)劃問(wèn)題的原理
4.6.3原始對(duì)偶路徑跟蹤算法的實(shí)現(xiàn)步驟
4.6.4原始對(duì)偶算法的MATLAB實(shí)現(xiàn)
4.6.5自對(duì)偶方法
4.6.6原始對(duì)偶路徑跟蹤算法計(jì)算復(fù)雜度
第5章整數(shù)規(guī)劃
5.1本章內(nèi)容
5.2建模方法
5.2.1二元選擇
5.2.2強(qiáng)制約束
5.2.3變量之間的關(guān)系
5.2.4析取約束
5.2.5值的約束范圍
5.2.6分段線性成本函數(shù)
5.3整數(shù)規(guī)劃的例子
5.4問(wèn)題的公式化
5.5割平面法
5.6Gomory割平面法的MATLAB實(shí)現(xiàn)
5.7分支定界法
5.8分支定界法的MATLAB實(shí)現(xiàn)
5.9整數(shù)規(guī)劃的解法
5.1001整數(shù)規(guī)劃的MATLAB實(shí)現(xiàn)
5.11整數(shù)規(guī)劃解決旅行商問(wèn)題的MATLAB實(shí)例
第6章圖與網(wǎng)絡(luò)流
6.1本章內(nèi)容
6.2圖
6.2.1圖的概念
6.2.2有向圖
6.2.3頂點(diǎn)的次
6.2.4子圖
6.2.5連通圖
6.2.6樹(shù)
6.2.7生成樹(shù)
6.3網(wǎng)絡(luò)流問(wèn)題的求解
6.3.1網(wǎng)絡(luò)流解的定義
6.3.2網(wǎng)絡(luò)流問(wèn)題的變式
6.4最短路徑問(wèn)題
6.4.1公式化
6.4.2Bellman等式
6.4.3BellmanFord算法
6.4.4Dijkstra算法
6.4.5Dijkstra算法的MATLAB實(shí)現(xiàn)
6.4.6Floyd算法
6.4.7Floyd算法的MATLAB實(shí)現(xiàn)
6.5最大流問(wèn)題
6.5.1標(biāo)號(hào)法
6.5.2最大流最小割定理
6.5.3FordFulkerson算法的MATLAB實(shí)現(xiàn)
6.6最小費(fèi)用流問(wèn)題
6.7最小生成樹(shù)問(wèn)題
6.7.1算法1（Kruskal算法）
6.7.2Kruskal算法的MATLAB實(shí)現(xiàn)
6.7.3算法2（破圈法）
6.7.4根樹(shù)及其應(yīng)用
第7章線性規(guī)劃的復(fù)雜度和橢球法
7.1本章內(nèi)容
7.2有效算法及其復(fù)雜度
7.3橢球法背后的關(guān)鍵幾何結(jié)果
7.4線性規(guī)劃的多項(xiàng)式時(shí)間算法
7.4.1橢球法
7.4.2算法分析
第二篇全局優(yōu)化算法
第8章遺傳算法
8.1本章內(nèi)容
8.2遺傳算法的原理
8.3遺傳算法的步驟
8.3.1初始參數(shù)
8.3.2染色體編碼
8.3.3適應(yīng)度函數(shù)
8.3.4約束函數(shù)的處理
8.3.5遺傳算法算子
8.3.6搜索終止條件
8.4遺傳算法實(shí)例
8.5全局和局部極小值
8.6遺傳算法的特點(diǎn)
第9章模擬退火算法
9.1本章內(nèi)容
9.2退火過(guò)程的物理原理
9.2.1固定溫度下粒子的轉(zhuǎn)移原則
9.2.2溫度對(duì)粒子能量分布的影響
9.2.3能量與粒子分布的關(guān)系
9.3模擬退火的模型和步驟
9.3.1參數(shù)的設(shè)定
9.3.2操作要求
9.3.3模擬退火的步驟
9.4模擬退火的MATLAB實(shí)現(xiàn)
9.4.1MATLAB實(shí)現(xiàn)模擬退火算法的代碼
9.4.2一個(gè)簡(jiǎn)單的應(yīng)用
9.5用模擬退火算法解決TSP問(wèn)題
9.5.1TSP問(wèn)題概述與分析
9.5.2能量函數(shù)與狀態(tài)轉(zhuǎn)移函數(shù)
9.5.3sa函數(shù)的使用
9.5.4設(shè)定上的一些問(wèn)題
9.6模擬退火函數(shù)simulannealbnd
9.6.1基本用法
9.6.2options選項(xiàng)
9.6.3problem結(jié)構(gòu)
9.6.4應(yīng)用實(shí)例
第10章粒子群優(yōu)化算法
10.1本章內(nèi)容
10.2粒子群優(yōu)化算法的原理
10.2.1種群的信息共享
10.2.2粒子群優(yōu)化算法的數(shù)學(xué)表達(dá)
10.3粒子群優(yōu)化算法的MATLAB實(shí)現(xiàn)
10.3.1初始參數(shù)
10.3.2MATLAB實(shí)現(xiàn)
10.3.3一個(gè)簡(jiǎn)單的例子
10.4粒子群優(yōu)化算法的進(jìn)一步說(shuō)明
10.4.1為什么要重復(fù)多次執(zhí)行算法
10.4.2初始參數(shù)如何設(shè)定
10.5粒子群優(yōu)化算法函數(shù)particleswarm
10.5.1基本用法
10.5.2應(yīng)用實(shí)例
10.5.3options的使用
10.6粒子群優(yōu)化算法的收斂機(jī)制及優(yōu)點(diǎn)和缺點(diǎn)討論
第11章多目標(biāo)優(yōu)化算法
11.1本章內(nèi)容
11.2多目標(biāo)優(yōu)化算法概況
11.3Pareto最優(yōu)解
11.4Gamultiobj算法
11.4.1算法迭代步驟
11.4.2迭代停止條件
11.5Gamultiobj算法的MATLAB實(shí)現(xiàn)
11.6多目標(biāo)優(yōu)化算法的例子
11.6.1簡(jiǎn)單的多目標(biāo)問(wèn)題
11.6.2具有線性限制條件的多目標(biāo)問(wèn)題
11.6.3具有上下界限制的多目標(biāo)問(wèn)題
11.7Paretosearch算法
11.8Paretosearch和Gamultiobj算法的比較
第三篇運(yùn)籌學(xué)應(yīng)用案例
第12章債券優(yōu)化問(wèn)題
12.1問(wèn)題的描述
12.2從Excel中提取數(shù)據(jù)
12.2.1導(dǎo)入債券價(jià)格
12.2.2導(dǎo)入現(xiàn)金流
12.3最優(yōu)化問(wèn)題的求解
12.3.1允許債券單個(gè)購(gòu)買時(shí)的求解
12.3.2以千支為單位進(jìn)行購(gòu)買時(shí)的求解
第13章水電站大壩優(yōu)化
13.1載入數(shù)據(jù)并定義常值
13.2定義目標(biāo)函數(shù)
13.2.1計(jì)算總收益及其Hessian矩陣
13.2.2創(chuàng)建目標(biāo)函數(shù)
13.3限制條件
13.4最小化目標(biāo)函數(shù)并輸出結(jié)果
參考文獻(xiàn)