序言
前言
第1章 **化問題簡介 1
1.1 **化問題的數學模型與基本概念 1
1.2 **化問題的分類 3
1.3 凸集與凸函數 3
1.3.1 凸集 4
1.3.2 凸函數 8
1.3.3 凸集的分離和支撐 12
第2章 線性規劃 18
2.1 線性規劃的標準形式和基本概念 18
2.1.1 基解和**解 18
2.2 修正單純形方法 19
2.3 對偶理論 24
2.4 對偶單純形方法 26
2.5 習題 30
第3章 無約束非線性規劃 34
3.1 一維搜索方法 34
3.1.1 0.618法 34
3.1.2 Fibonacci法 36
3.1.3 二分法 37
3.2 無約束**化的梯度方法 38
3.2.1 最速下降法 38
3.2.2 牛頓法 40
3.2.3 共軛梯度法 43
3.2.4 擬牛頓法 54
3.3 信賴域方法 61
3.3.1 信賴域方法的思想和算法框架 61
3.3.2 信賴域方法的收斂性 63？
3.3.3 解信賴域子問題 68
3.4 習題 71
第4章 有約束非線性規劃 72
4.1 解的概念、有解條件和求解方法 72
4.1.1 約束優化問題 72
4.1.2 一階**性條件 74
4.1.3 二階**性條件 81
4.2 可行方向法、既約梯度法 85
4.2.1 可行方向法 85
4.2.2 廣義既約梯度法 93
4.3 罰函數法 95
4.3.1 罰函數 95
4.3.2 簡單罰函數法 99
4.3.3 內點罰函數 104
4.4 習題 109
第5章 多目標規劃 112
5.1 多目標規劃的數學模型 112
5.1.1 引言 112
5.1.2 多目標決策問題的模型結構 112
5.2 多目標規劃解的概念 (有效解、滿意解) 114
5.3 多目標規劃求解的方法 114
5.3.1 可化為一個單目標問題的方法 114
5.3.2 轉化為多個單目標問題的解法 119
5.4 習題 132
第6章 全局**化 133
6.1 函數之差規劃 133
6.1.1 引言 133
6.1.2 d.c.函數空間 134
6.1.3 一些其他的應用 136
6.2 利普希茨優化 140
6.2.1 利普希茨函數 140
6.2.2 利普希茨優化問題 142
6.2.3 下界 145
6.2.4 簡介 148
6.2.5 MCCFP的一些模型及其復雜性 150
6.2.6 求解方法 153
6.3 習題 160
第7章 現代優化方法 162
7.1 遺傳算法簡介 162
7.1.1 遺傳算法概要 162
7.1.2 遺傳算法的特點 163
7.1.3 基本遺傳算法 164
7.2 模擬退火算法 164
7.2.1 物理退火過程和Metropolis準則 165
7.2.2 模擬退火算法的基本思想和步驟 165
7.2.3 模擬退火算法關鍵參數和操作的設定 165
7.3 禁忌搜索 167
7.3.1 局部搜索 167
7.3.2 禁忌搜索算法 170
7.3.3 技術問題 174
7.4 習題 184
參考文獻 185
新書資訊