运筹学

2024/4/13 8:07:18

运筹学基础模型:从背包问题到车辆路径问题(模型与gurobipy代码)

背包问题 理论 问题描述:给定一个固定容量为C的背包,一组价值为 v ⃗ = ( v 1 , . . . , v n ) \vec{v}=(v_1,...,v_n)

线性规划:内点法

本文介绍求解线性规划问题的内点法。它是一个多项式时间算法,在实际应用中效率也很高。尤其是对求解大规模线性规划,一些经验说,内点法比单纯形法更快。此外,内点法还可以被扩展,用来求解凸优化以及非线性规划问题。 …

运筹说 第81期 | 图与网络分析经典例题讲解

通过前几期的学习,我们已经学会了图与网络分析的相关概念和基本方法的原理,并且掌握了图与网络分析相关模型的建立和具体的求解方法,本期小编带大家学习图与网络分析在经济管理中的应用。 在实际工作中,我们能发现图与网络分析在…

运筹说 第80期 | 最小费用最大流问题

前面我们学习了图与网络分析的基础知识及经典问题,大家是否已经学会了呢?接下来小编和大家学习最后一个经典问题——最小费用最大流问题。 最小费用最大流问题是经济学和管理学中的一类典型问题。在一个网络中每段路径都有“容量”和“费用”两个限制的…

整数规划:割平面法

考虑整数规划问题: max⁡cTxAxbx≥0x∈Zn\begin{aligned} \max~ & c^Tx \\ & Ax b\\ & x\geq 0\\ & x\in \mathbb{Z}^n \end{aligned} max ​cTxAxbx≥0x∈Zn​ 其中 c∈Rn,b∈Rm,A∈Rmnc\in \mathbb{R}^n, b\in\mathbb{R}^m, A\in\mathbb{R}^{m\t…

整数规划:分支定界法

求解整数规划的分支定界算法是一个树搜索(Tree-Search)算法。它的基本思想是考虑整数规划问题的松弛问题,通过增加“整性”约束条件来构造子问题,求解所有子问题从而得到最优的整数解。通过“定界”,可以避免不必要的搜…

运筹说 第98期|无约束极值问题

上一期我们一起学习了关于非线性规划问题的一维搜索方法的相关内容,本期小编将带大家学习非线性规划的无约束极值问题。 下面,让我们从实际问题出发,学习无约束极值问题吧! 一、问题描述及求解原理 1 无约束极值问题的定义 无约…

两种蚁狮群优化(Ant Lion Optimizer, ALO)实现及仿真实验——附代码

目录 蚁狮群优化算法介绍: 总结概括: ALO算法设计: 1.觅食的蚂蚁随机行走 2.设置陷阱 3.设置陷阱诱捕蚂蚁 4.捕获猎物重建洞穴 多目标MOALO算法 两种蚁狮算法求解效果 (1) ALO (2) MOALO Matlab代码分享: 蚁狮群优化算…

杉数科技:不走捷径的“解”题高手

最近几年,中国跟人工智能相关的科技初创企业如过江之鲫。但2019年是一个分水岭,资本寒冬的来临,让这些企业开始泾渭分明:一些所谓的人工智能企业,在没有资本持续输血之后“原形毕露”,经营更是举步维艰&…

【运筹优化】运筹学导论:线性规划导论

文章目录 一、原形范例(Wyndor Glass 公司)1.1 线性规划模型构建1.2 图解法1.3 结论 二、线性规划模型2.1 线性规划模型的标准形式2.2 其他形式2.3 模型解的术语 三、有关线性规划的假设3.1 比例性3.2 可加性3.3 可分割性3.4 确定性 四、补充例子4.1 放射…

运筹说 第107期 | 排队论创始人——阿格纳·克拉鲁普·爱尔朗

前面我们已经了解了非线性规划的相关内容,相信大家一定也有所收获,下面我们将带着大家继续了解排队论的相关内容,在本次文章中我们将一起走近排队论的奠基人——阿格纳克拉鲁普爱尔朗(Agner Krarup Erlang)&#xff0c…

CPLEX Studio OPL项目介绍

参考B站视频:cplex入门到精通 1.理解 OPL 项目 CPLEX Studio 处理 OPL 项目文件(.project)、数据文件(.dat)、模型文件 (.mod)、设置文件(.ops)和运行配置(.oplproject)。 文件类型扩展名作用份数说明模型文件.mod模型存储和数据1~n必须数据文件.dat数据存储0~n非…

【管理运筹学】第 7 章 | 图与网络分析(4,最大流问题)

系列文章目录 【管理运筹学】第 7 章 | 图与网络分析(1,图论背景以及基本概念、术语、矩阵表示) 【管理运筹学】第 7 章 | 图与网络分析(2,最小支撑树问题) 【管理运筹学】第 7 章 | 图与网络分析&#xf…

基础科普01:为什么需要随机规划以及随机规划为什么要进行重调度?

1. 随机规划中的两类决策 在应对不确定性做出决策时,有的决策是在不确定性到达前做出的,有的则是在不确定性到达后做出的,也即here-and-now decision 和 wait-and-see decision. 以 location-transportation problem 为例,选择仓库地址是 here-and-now decision,在不确定…

博弈论——议价博弈(Bargaining)

议价博弈(Bargaining) 0 引言 议价(bargaining) 是市场经济中最常见的事情,也是博弈论最早研究的问题。这里介绍一种议价的动态博弈模型。同样地,对于动态博弈模型,我们还是用常见的逆推归纳法去寻找该博弈的子博弈完美纳什均衡。 1 议价博弈 议价博弈…

运筹说 第91期 | 网络计划经典例题讲解

通过前几期的学习,我们已经学会了网络图的基本概念、时间参数的计算,并且掌握了随机网络的概念、图解评审法的基本原理和基本解法,本期小编带大家学习网络计划在经济管理中的应用。 在实际工作中,我们能发现网络计划在经济管理中…

对偶单纯形算法

单纯形算法从一个基本可行解出发,朝着目标函数值下降的方向迭代,直到最优。从对偶的角度来看,原问题目标函数下降的方向,就是对偶问题的对偶解可行的方向,当对偶解可行时,目标函数达到最优。 本文介绍对偶…

运筹说 第90期 | 网络计划-图解评审法

前述章节的网络计划方法主要研究以时间为主要参数的确定型网络模型,其中的概率型网络模型也只讨论工作公式的不确定性,并没有对事项或工作的不确定性进行讨论。由于这类网络模型的建立有严格的规则,大量研究与开发类计划尚无法表达。因从本期…

博弈论——霍特林博弈(Hotelling Game)

0 引言 前一篇文章在特殊的伯特兰德博弈模型的基础上,解释了伯特兰德悖论,我们先简单回顾一下: 三个假设: (1)各寡头厂商通过选择价格进行竞争; (2)各寡头厂商生产的产品…

CPLEX Studio 集成开发环境 (IDE) 介绍

CPLEX Studio 集成开发环境 (IDE) 介绍 参考B站视频:cplex入门到精通 1.CPLEX Studio IDE 实现的功能 IBM ILOG CPLEX Studio IDE 是一个用于数学规划、约束规划以及一般组合优化应用程序的集成开发环境。 它是适用于 OPL(优化编程语言)和…

【运筹学】整数规划建模技巧

在整数规划建模中,经常会使用到0-1变量来辅助建模,将模型表述为IP模型或BIP模型,下面是一些常见的整数规划建模技巧 使用辅助0-1变量实现“非此即彼”约束 如下图所示,有两条约束,希望只有其中一条起到约束的作用&am…

小白学视觉 | 详解遗传算法 GA(Python实现代码)

本文来源公众号“小白学视觉”,仅用于学术分享,侵权删,干货满满。 原文链接:详解遗传算法 GA(Python实现代码) 转自:机器之心 英文:www.analyticsvidhya.com/blog/2017/07/introduc…

运筹学:影子价格(shadow price)和对偶价格(dual price)

文章目录 对偶问题的解影子价格对偶价格对偶价格与影子价格的关系总结例题 对偶问题的解 影子价格 影子价格是一个经济学意义上的解释,因为不同的解读,目前对于影子价格准确的定义较为混乱。下面下来举几个例子: the shadow price associat…

2019新的开始-梳理知识体系和学习路径

转眼已经2019年了,回望过去,经历很多,变化很大,感觉有些恍惚~ 最大的变化无非几个月之前入职新公司,继续运筹优化方面的算法工作。新公司,新环境,信息量很大。适应了几个月之后,发现…

运筹说 第102期 | 非线性规划—制约函数法

通过上期学习,大家已经了解了非线性规划中约束极值问题的最优性条件。本期小编将为大家介绍约束极值问题的求解方法:制约函数法,包括概念以及最基本的两种制约函数法:罚函数法、障碍函数法等内容。 制约函数法是通过构造某种制约函…

博弈论——反应函数

反应函数 1 引言 谢老师的《经济博弈论》书中对反应函数并没有给出一般笼统的定义,而是将其应用与古诺模型并给出了相关解释:反应函数是指在无限策略的古诺博弈模型中,博弈方的策略有无限多种,因此各个博弈方的最佳对策也有无限…

运筹说 第25期 | 对偶理论经典例题讲解

对偶理论是研究线性规划中原始问题与对偶问题之间关系的理论,主要研究经济学中的相互确定关系,涉及到经济学的诸多方面。产出与成本的对偶、效用与支出的对偶,是经济学中典型的对偶关系。 对偶理论中最有力的武器是影子价格,影子…

运筹说 第56期 | 整数规划的数学模型割平面法

前几章讨论过的线性规划问题的一个共同特点是:最优解的取值可以是分数或者小数。然而,在许多实际问题中,决策者要求最优解必须是整数,例如公交车的车辆数、员工的人数、机器的台数、产品的件数等。那么,我们能否将得到…