数学建模培训 数学建模算法 线性规划与单纯形法 共77页.ppt

自己已下载IBM ILOG CPLEX Optimization Studio Free Edition V12.9 for Linux x86-64

提出一种改进差分进化算法求解混合整数非线性规划问题。该算法利用同态映射方法，解决差分进化算法无法直接处理整数决策变量问题；提出改进的自适应交替变异算子，提高算法的搜索性能；提出一种自适应保留不可行解的方法处理约束条件，并对差分进化算法的选择算子进行改进，提出一种直接处理约束条件的新选择算子。六个常用的混合整数非线性规划问题的实验结果表明了该方法的有效性和适用性。

运筹学课程总结之后绘制的思维导图

运筹学课程总结之后绘制的思维导图

如果博弈矩阵中存在任何纯纳什均衡（鞍点），脚本会给出指数，否则它给出了解决博弈的一种混合策略。

编写模拟退火法，实现对于线性规划问题的求解

八种经典线性规划例题(超实用).doc

线性规划训练数据，具体参考博客。 线性回归是机器学习中最基础的一个算法。在高中阶段我们其实就明白线性回归是怎么一回事了，当时只是具备了基础知识，并不会应用。

成本敏感的学习 依赖实例的成本敏感型学习的混合整数规划方法 抽象 在这项研究中，我们研究了与示例相关的成本敏感型学习，该学习基于标签决策带来了不同的成本/回报。 这些问题源于决策模型，在数据中成本/收益信息而不是真正标签的重点领域中得到了区分。 例如，在流失预测和信用评分中，主要目的是建立预测模型和决策规则，以最大化/最小化公司的回报/成本。 传统的精度驱动的分类方法没有考虑基于实例的成本/回报。 取而代之的是，学习基于恒定的错误分类错误进行。 因此，我们提出了一种将基于实例的成本/收益纳入学习算法的一般策略。 具体而言，将学习问题表述为混合整数程序，以使总回报最大化。 考虑到混合整数线性规划问题的高计算复杂性，该模型对于大规模数据集的训练实际上可能效率低下。 为了解决这个问题，我们还提出了成本敏感型Logistic回归，这是公式化线性模型的非线性近似，这得益于使用深度学习工具进行的基于梯