幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

Python最優化演算法實戰(從推公式到寫代碼)

  • 作者：蘇振裕|責編:張雲靜//劉雲
  • 出版社：北京大學
  • ISBN：9787301315330
  • 出版日期：2020/10/01
  • 裝幀：平裝
  • 頁數：242
人民幣：RMB 69 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書以理論結合編程開發為原則，使用Python作為開發語言，講解最優化演算法的原理和應用，詳細介紹了Python基礎、Gurobi優化器、線性規劃、繁數規劃、多目標優化、動態規劃、圖與網路分析、智能優化演算法。對於演算法部分的每一種演算法都包含原理和編程實踐，使讀者對最優化演算法的認識更加深入。
    本書分為3篇共9章。第1篇(第1-3章)是最優化演算法與編程基礎：第1章介紹了什麼是最優化演算法及其在生產和生活中的應用；第2章介紹Python編程基礎和Python數據分析庫及繪圖庫；第3章講解Gurobi優化器的基礎和高級特性。第2篇(第4-6章)是數學規劃方法：第4章詳細講解線性規劃的知識，包括單純形法、內點法、列生成法、拉格朗日乘子法、對偶問題；第5章講解整數規劃解法的分支定界法和割平面法；第6章講解多目標優化的概念及基於單純形法的目標規劃法。第3篇(第7-9章)是啟髮式演算法：第7章介紹動態規劃演算法；第8章講解圖與網路分析，介紹最小生成樹、最短路徑、網路流、路徑規劃等問題的建模；第9章講解了粒子群演算法和遺傳演算法求解各種類型優化演算法問題的方法。
    本書內容豐富，實例典型，實用性強，適合各個層次從事最優化演算法研究和應用的人員，尤其適合有一定演算法基礎而沒有編程基礎的人員閱讀。
作者介紹
蘇振裕|責編:張雲靜//劉雲
    蘇振裕，廈門大學金融學碩士，現任SHEIN智慧供應鏈資深演算法工程師。知乎專欄《從推公式到寫代碼》作者，運籌優化論壇(optimize．fun)的創建人。在大數據、人工智慧、運籌優化和供應鏈方面，具有多年的相關演算法研究及應用經驗。
目錄
第1篇  最優化演算法與編程基礎
第1章  最優化演算法概述
  1.1  最優化演算法簡介
  1.2  最優化演算法的內容
    1.2.1  規劃論
    1.2.2  庫存論
    1.2.3  圖論
    1.2.4  排隊論
    1.2.5  可靠性理論
    1.2.6  對策論
    1.2.7  決策論
    1.2.8  搜索論
  1.3  本章小結
第2章  Python編程方法
  2.1  開發環境安裝
  2.2  編程基礎：Python語法
    2.2.1  基礎數據結構與基本運算
    2.2.2  關於Python的列表、元組、字典、集合
    2.2.3  程序控制語句
    2.2.4  函數
    2.2.5  類與實例
    2.2.6  迭代
  2.3  數據分析：NumPy基礎
    2.3.1  NumPy基礎數據結構
    2.3.2  NumPy的隨機數
    2.3.3  NumPy矩陣運算
    2.3.4  NumPy線性代數
  2.4  Pandas基礎
    2.4.1  Pandas基礎數據結構
    2.4.2  Pandas基礎統計函數
    2.4.3  Pandas基礎數據處理
    2.4.4  分組統計
    2.4.5  apply函數
  2.5  Python繪圖
    2.5.1  常用圖形
    2.5.2  圖形屬性
    2.5.3  組合圖和子圖
    2.5.4  三維圖
    2.5.5  動態圖
  2.6  本章小結
第3章  Gurobi優化器
  3.1  Gurobi的數據結構
    3.1.1  Multidict
    3.1.2  Tuplelist
    3.1.3  Tupledict
    3.1.4  應用範例
  3.2  Gurobi的參數和屬性
    3.2.1  參數類型
    3.2.2  修改參數
    3.2.3  修改參數的例子

    3.2.4  屬性類型
    3.2.5  查看修改屬性
    3.2.6  修改屬性的例子
  3.3  Gurobi線性化技巧
    3.3.1  最大值max
    3.3.2  最小值min
    3.3.3  絕對值abs
    3.3.4  邏輯與and
    3.3.5  邏輯或or
    3.3.6  指示函數indicator
    3.3.7  帶固定成本約束
    3.3.8  分段線性函數
  3.4  Gurobi多目標優化
  3.5  callback函數
    3.5.1  回調函數callback定義
    3.5.2  狀態where與值what
    3.5.3  callback函數的功能
  3.6  本章小結
｜  第2篇  數學規劃方法  ｜
第4章  線性規劃
  4.1  線性規劃的標準型
  4.2  單純形法
    4.2.1  單純形法的原理
    4.2.2  單純形法的過程
    4.2.3  單純形法代碼
  4.3  單純形的數學規範型
  4.4  內點法
    4.4.1  內點法的原理
    4.4.2  內點法過程
    4.4.3  內點法代碼
  4.5  列生成法
    4.5.1  列生成法的原理
    4.5.2  列生成的過程
  4.6  對偶問題
    4.6.1  對偶問題的形式
    4.6.2  對稱形式對偶
    4.6.3  對偶單純形
    4.6.4  對偶問題的應用
  4.7  拉格朗日乘子法
    4.7.1  無約束優化
    4.7.2  等式約束優化
    4.7.3  不等式約束優化
    4.7.4  拉格朗日對偶
  4.8  本章小結
第5章  整數規劃
  5.1  快速掌握Gurobi整數規劃
  5.2  分支定界法
  5.3  割平面法
  5.4  本章小結
第6章  多目標優化

  6.1  多目標優化的一般形式
  6.2  Pareto最優解
  6.3  多目標優化求解方法
  6.4  目標規劃法
    6.4.1  偏差變數
    6.4.2  優先等級和權重係數
    6.4.3  目標規劃單純形法
    6.4.4  目標規劃Gurobi實現
  6.5  NSGA-Ⅱ
  6.6  本章小結
｜  第3篇  啟髮式演算法  ｜
第7章  動態規劃
  7.1  多階段決策問題
  7.2  動態規劃的基本概念
  7.3  動態規劃的最優化原理
  7.4  最短路徑問題
  7.5  使用整數規劃解最短路徑問題
  7.6  背包問題
  7.7  本章小結
第8章  圖與網路分析
  8.1  圖的基本概念
  8.2  圖的矩陣表示
  8.3  最小生成樹
  8.4  最短路徑問題
  8.5  網路最大流問題
  8.6  路徑規劃
  8.7  VRP問題
  8.8  本章小結
第9章  智能優化演算法
  9.1  粒子群演算法
    9.1.1  粒子群演算法原理
    9.1.2  粒子群求解無約束優化問題
    9.1.3  粒子群求解約束優化問題
    9.1.4  粒子群求解旅行商問題
  9.2  遺傳演算法
    9.2.1  遺傳演算法原理
    9.2.2  遺傳演算法的編碼方法
    9.2.3  遺傳演算法的選擇操作
    9.2.4  遺傳演算法求解無約束優化問題
    9.2.5  遺傳演算法庫Geatpy的介紹
    9.2.6  使用Geatpy求解約束優化問題
    9.2.7  使用Geatpy求解多目標優化問題
  9.3  本章小結

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032