1、最优化与线性规划 最优化问题的三要素是决策变量、目标函数和约束条件。 线性规划（Linear programming），是研究线性约束条件下线性目标函数的极值问题的优化方法，常用于解决利用现有的资源得到最优决策的问题。 简单的线性规划问题可以用 Lingo软件求解，Matlab、Python 中 ...
分类：
编程语言 时间：
2021-05-04 15:39:35
阅读次数：
0
原文链接：http://tecdat.cn/?p=18993 在回归模型研究中，我们将讨论优化，而经典工具就是所谓的共轭。给定函数f：Rp→R，其共轭值为函数f ?：Rp→R使得 可视化考虑一个简单的抛物线函数（在维度1中）f（x）= x ^ 2 / 2，然后f ?（2）是线x?2x与函数f（x）之 ...
分类：
编程语言 时间：
2021-01-22 12:17:59
阅读次数：
0
状态转移算法是由周晓君博士等[4]于2012年正式提出的一种新颖的智能型随机性全局优化方法,它的基本思想是将最优化问题的一个解看成是一个状态, 解的迭代更新过程看成是状态转移过程, 利用现代控制理论的状态空间表达式来作为产生候选解的统一框架, 基于此框架来设计状态变换算子. 与大多数基于种群的进化算 ...
分类：
编程语言 时间：
2020-12-22 11:58:24
阅读次数：
0
1.算法初步 贪心算法 求解最优化问题的方法，由局部最优的策略使全局结果达到最优 适用于满足最优子结构的问题，即一个问题的最优解可以由的子问题的最优解有效地构造出来 two pointers 利用问题本身与序列地特性，使用两个下标i、j对序列进行扫描，以较低地复杂度解决问题 打表 在程序中一次性计算 ...
分类：
编程语言 时间：
2020-10-18 16:44:54
阅读次数：
27
梯度下降算法是求解最优化问题 梯度下降是优化一个损失函数L(y,f(x))，处理的粒度是更新参数w，使得最后的损失函数最小 ...
分类：
其他好文 时间：
2020-09-17 22:31:00
阅读次数：
19
非显著式编程的做法 收益函数 1998 Tom MitShell 第一本成熟的教科书：MACHINE LEARNING 典型的最优化问题 为数据打标签（独特行业） 监督学习 强化学习（与环境互动） 非监督学习 需要假设：同一类的训练数据在空间中距离更近->样本的空间信息->设计算法将其分成两类 非监 ...
分类：
其他好文 时间：
2020-06-17 10:44:59
阅读次数：
69
文章结构如下： 1： 原始问题 2： 对偶问题 3： 原始问题和对偶问题的关系 4： 参考文献 在约束最优化问题中，常常利用拉格朗日对偶性(Lagrange duality)将原始问题转为对偶问题，通过解决对偶问题而得到原始问题的解。 对偶问题有非常良好的性质，以下列举几个： 对偶问题的对偶是原问题 ...
分类：
其他好文 时间：
2020-05-30 21:44:03
阅读次数：
73
博客转自：https://www.cnblogs.com/lcchuguo/p/5407709.html 简单介绍 ipopt是一个解决非线性规划最优化问题的工具集，当然，它也能够用于解决线性规划问题的求解。它提供了c/c++接口，很易于使用。 问题 解决类似以下的非线性问题： Ipopt工具採用内 ...
分类：
其他好文 时间：
2020-05-24 23:56:54
阅读次数：
94
在约束最优化问题中，常用拉格朗日对偶性将原始问题转换为对偶问题求解。 广义拉格朗日函数 称最优化问题 $\begin{equation} \begin{array}{lcl} \min\limits_{x\in R^n} f(x)\\ \begin{aligned} \text{s.t.}\;\;& ...
分类：
其他好文 时间：
2020-05-21 21:11:39
阅读次数：
58
+ 解决最优化问题 多阶段决策 + pull: f(x)从之前的状态得到（数据不规则，更好用） + push:对于每个f(x)，更新f(x)可以到达的所有位置的结论 + 使用条件: 大问题可以拆成若干小问题 1. 无后效性 与之前状态计算过程无关（只需要结果）"未来与过去无关" 2. 最优子结构 若 ...
分类：
其他好文 时间：
2020-03-26 13:50:56
阅读次数：
68
