关于运筹学的PPt,里面有关于线性规划，非线性规划，图论的一些详细介绍

包含线性规划，非线性规划，动态规划等资料，及其matlab代码。

利用动态光散射信号自相关函数的衰减线宽分布系数与指数项的线性关系,将线性估计与非线性最小二乘法相结合,对双指数法进行改进。该改进算法减少了初始化参数,将四个参数的优化问题转化为两个参数的交替优化问题,使拟合结果更稳定、精度更高,从而使粒径反演结果更准确。通过对100与1000 nm双峰分布颗粒散射信号相关函数的反演,改进算法对无噪声的相关函数反演结果的误差为零,优于双指数法至少1.708%。对加入噪声的相关函数反演,与双指数法相比,改进算法能减少误差0.558%-5.738%。表明改进算法的优化能力以及抗噪声能力都优于双指数法。

基于jupyter notebook的Python编程 1、线性规划中的单纯形法、大M法的excel求解、python编程求解和python包求解； 2、非线性规划的拉格朗日乘子法的手工数学推导、python编程和python包求解； 一、线性规划问题求解 1、Excel中大M法与Excel的“规划求解”包对实际问题的求解比较 实际例题： 求解以下约束条件的线性规划的最大值和最优解 使用大M法对实际问题的求解 使用Excel的“规划求解”包对实际问题的求解 在Excel中将数据及相应的公式写入到Excel里 通过Excel自带的“规划求解”功能，将结果求解出来 2、Python求解线

偏最小二乘回归的线性与非线性方法(书.王惠文),非常经典，，推理细致准确

Matlab优化源代码全集 [线性回归非线性回归模型]

支持向量机非线性回归通用MATLAB源码 支持向量机和BP神经网络都可以用来做非线性回归拟合，但它们的原理是不相同的，支持向量机基于结构风险最小化理论，普遍认为其泛化能力要比神经网络的强。大量仿真证实，支持向量机的泛化能力强于BP网络，而且能避免神经网络的固有缺陷——训练结果不稳定。本源码可以用于线性回归、非线性回归、非线性函数拟合、数据建模、预测、分类等多种应用场合。

模型预测控制 (MPC) 预测和优化未来时间范围内的时变过程。 该控制包接受线性或非线性模型。 使用APOPT、IPOPT等大规模非线性规划求解器，解决数据协调、移动范围估计、实时优化、动态仿真和非线性MPC问题。 此目录中包含三个示例文件，用于实现线性时不变 (LTI) 系统的控制器： 1. apm1_lti - 将任何 LTI 模型转换为 APM 格式2. apm2_step - 执行步骤测试以确保模型准确性3. apm3_control - MPC 设定值更改为新的目标值 步骤 2 和 3 还会打开 Web 界面以查看步骤或控制器响应。 在以下位置提供了其他文档和示例问题： http://apmonitor.com/wiki 还举办双周网络研讨会以演示新应用程序并提供教程。 之前的演讲包括无人驾驶飞行器 (UAV)、摩擦搅拌焊接 (FSW)、生物系统、能量存储、燃烧、燃料电

线性与非线性泛函分析及其应用，作者Philippe G. Ciarlet 。内容全，讲解清晰。有中文版。这里提供一个小点的djvu英文版。Philippe G. Ciarlet - Linear and nonlinear functional analysis with applications _ with 401 problems and 52 figures (2013, SIAM-Society for Industrial and Applied Mathematics)

LOWESS- 局部加权散点图平滑，不需要 matlab 中的统计工具箱。 此回归将适用于 X 和 Y 之间的线性和非线性关系。 修改： 12/19/2008 - 添加上下 LOWESS 平滑。 这些额外的平滑显示了 Y 的分布如何随 X 变化。这些平滑只是将 LOWESS 分别应用于正残差和负残差，然后添加到数据的原始 lowess。 相同的平滑因子适用于上限和下限。 2/21/2009 - 添加排序功能，数据不再需要排序。 还添加了一个例程，以便如果用户还提供了第二个数据集，则线性插值是最低的，并用于预测提供的 x 值的 y 值。 2009 年 10 月 27 日 - 修改了第二个用户提供的 X 数据以获得预测。 Matlab 函数默认排序是唯一的。 在代码部分中确实不需要使用 y 预测的 LOWESS 结果执行 x 数据的线性插值。 如果用户不提供第二个 x 数据集，它将假