一、基本概念 二、输入过程和服务时间分布 三、泊松输入——指数服务排队模型 四、其他模型选介 五、排队系统的优化目标与最优化问题

一、基本概念 二、输入过程和服务时间分布 三、泊松输入——指数服务排队模型 四、其他模型选介 五、排队系统的优化目标与最优化问题

第10章数学问题的非传统解法 一、集合论、模糊集与模糊推理 二、粗糙集理论与应用 三、人工神经网络及其在数据拟合中的应用 四、进化算法及其在最优化问题中的应用 五、小波变换及其在数据处理中的应用 六、分数阶微积分学问题求解及应用

第四章动态规划 4.1一般方法 1.多阶段决策问题 多阶段决策过程:问题的活动过程分为若干相互联系的阶段,任一阶段i以后的行为仅依赖于i阶段的过程状态,而与i阶段之前的过程如何达到这种状态的方式无关。在每一个阶段都要做出决策,这决策过程称为多阶段决策过程(multistep decision process)。最优化问题:问题的每一阶段可能有多种可供选择的决策,必须从中选择一种决策。各阶段的决策构成一个决策序列。决策序列不同,所导致的问题的结果可能不同

多阶段的决策问题 最优化原理与动态规划的数学模型 离散确定性动态规划模型的求解 离散随机性动态规划模型的求解 一般数学规划模型的动态规划解法

约束极值问题的算法 一、惩罚函数法(suMT) 1.问题:minf(x) s.t.g(x)≥0i=1,…,m minf(x) s.t.g(x)≥0这里g(x)=(g1(x),…,gm(x) min f() S.t.x∈D D={x|g(x)≥0}:可行点集或可行解集

第 0 章 绪论 §1.1 线性规划问题 §1.2 可行区域与基本可行解 §1.3 单纯形方法 §1.4 初始解 §1.5 对偶性和对偶单纯形法（1） §1.5 对偶性和对偶单纯形法（2） §1.6 灵敏度分析 §2.1 整数线性规划模型 §2.2 Gomory 割平面方法 §2.3 分枝定界方法 §4.1 多阶段决策问题 §4.2 最优化原理 §4.3 确定性的定期多阶段决策问题 §4.4 确定性的不定期多阶段决策问题 §8.1 决策分析的基本概念 §8.2 风险型决策分析 §8.3 不确定型决策分析 §8.4 效用函数和信息的价值

8.1 多阶段决策问题 8.2 最优化原理与动态规划的数学模型 8.3 离散确定性动态规划模型的求解 8.4 离散随机性动态规划模型的求解 8.5 一般数学规划模型的动态规划解法

§8.1 整数规划问题的提出 §8.2 整数规划解法概述 §8.3整数规划的分枝定界法 §8.4 割平面法 §8.6 分派问题及解法 §8.5 0-1规划的隐枚举法

应用光滑函数改进支持向量机模型,得到无约束条件、可微的二次规划问题,从而可以采用快速的最优化算法求解光滑支持向量机模型.提出了一种广义三弯矩方法,用这个方法构造出新的五次样条光滑函数和七次样条光滑函数.证明了上述两个样条光滑函数的逼近精度均高于已有的各种光滑函数;基于上述两个样条函数的光滑支持向量机模型的收敛精度也高于已有的各种光滑支持向量机模型