Introduction to Linear Optimization, 1997. by Bertsimas and Tsitsiklis

凸优化，线性规划理论经典书籍，不得不下 Optimization is central to any problem involving decision making, whether in engineering or in economics. The task of decision making entails choosing between various alternatives. This choice is governed by our desire to make the "best" decision. The measure of goodness of the alternatives is described by an objective function or performance index. Optimization theory and methods deal with selecting the best alternative in the sense of the given objective function.

内部积分法 在MATLAB中实现内部点方法（我在线性优化课程[MTH305] [IIIT-Delhi]中的分配）。 此外，我们解决了以下线性问题： min 1'u + 1'v st. a'xi + b >= 1 - ui i=1..N a'yj + b <= -1 + vj j=1..M u >= 0 v >= 0 我们得到了： DB_Vecs.npy （用于训练的序列向量） DB_Labels.npy （对应的标签） Q_Vecs.npy （测试序列） 将它们转换为Matrix文件 。 我们Q_vecs list / numpy数组的形式提交结果（ Q_vecs标签）。 在这里，输出在Matrix文件。 参考 影片资源： 斯蒂芬·博伊德（Stephen Boyd），第18届会议，凸面优化（讨论

matlab lm算法代码多视图三角剖分和非线性优化 描述 在此代码中，实现了使用多视图三角剖分来重建合成多维数据集（由56个点组成）的方法。 多视图三角剖分是2视图三角剖分的直接扩展，您已经在中进行了编码。 与2视图三角剖分类似，使用所有8个视图的投影矩阵并设置Ax = b形式的最小二乘系统，然后使用SVD对其求解。 例如3D点X3必须满足以下约束P1 X3 = x13，P2 X3 = x23，...，P8 * X3 = x83，其中x13表示图像1中X3的2D投影，x23表示图中X3的2D投影图像2，...，x83表示图像8中X3的2D投影。 合成多维数据集的图像以8×2×56（numOfViews×2×56）张量的形式提供给您，命名为cube_imgs.mat。 相应的投影矩阵以名为projMatrices.mat的8×1（numOf V×1）的MATLAB单元数组提供； 两者都存储在MatFilesQues1文件夹中。 非线性最小二乘的Levenberg-Marquardt（LM）算法用于解决非线性最小二乘问题。 结果显示在Report.pdf中

运筹学中最经典的线性优化讲解教材，英文完整版（目前市面上大多是1-5章，本版本为完整版，但对印刷质量要求较高的朋友们慎下），希望能对研究线性优化的朋友们提供帮助！与君共勉~~

讲线性优化内点法算法的经典参考书，英文版的，读下来绝对有收获

Robert M. Freund and Jorge Vera

线性规划导论英文版前五章的文字版，pdf

nimnlopt：非线性优化库Nlopt的包装

线性优化 还记得你的线性优化课吗？ “一家企业生产 2 种产品。每种产品需要不同数量的 3 种原料，但供应有限。两种产品都会产生特定的利润，而且工厂产能存在整体限制。理想的产品组合是什么？” 这大致就是我们必须在课堂上解决的练习，就是这样。 我们使用的单纯形算法太复杂，无法真正教授，所以我们只需要记住步骤并应用它。 哦，我们短暂地听说过，显然人们正在使用它。 但是我们没有深入研究这些，无论如何，纸笔单纯形法对此没有用处。 这当然是不能接受的，所以我做了linear-optimization.com 使用 [Microsoft Solver Foundation] ( )（已弃用，因此对于下一个项目，我可能会使用 ) 我为各种问题类型和复杂性/难度级别随机创建了有趣的线性优化问题。 用户可能会尝试解决并输入他们的答案并获得一些反馈。 笔记： 关注可访问性。 早期的问题可以通过尝