第6章代数方程与最优化问题的计算机求解 一、代数方程的求解 二、无约束最优化问题求解 三、有约束最优化问题的计算机求解 四、混合整数规划问题的计算机求解 五、线性矩阵不等式问题求解 六、多目标优化问题求解 七、动态规划及其在路径规划中的应用

第二章优化设计的数学基础 一、机械优化设计是建立在多元函数的极值理论基础上 二、无约束优化问题就是数学上的无条件极值问题 三、约束优化问题则是数学上的条件极值问题

§2-1 方向导数与梯度 §2-2 凸集、凸函数与凸规划 §2-3 二次函数及正定矩阵 §2-4 无约束优化问题的极值条件 §2-5 有约束优化问题的极值条件

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

§10.1 线性规划问题 §10.2 线性规划问题的几何意义 §10.3 单纯形法 §10.4 非线性优化问题 §10.5 一维搜索 §10.6 无约束非线性优化

§4.1 最速下降法(Cauchy法) §4.2 Newton法（二阶方法） §4.3 共轭方向法 §4.4 共轭梯度法 §4.5 拟Newton法（变尺度法）

第九章 函数逼近 9.1 逼近问题的描述 9.2 内积空间的最佳逼近 9.3 最小二乘法 9.4 最佳平方逼近与正交多项式 9.5 周期函数的最佳平方逼近与快速傅立叶变换 9.6 最佳一致逼近多项式 9.7 切比雪夫多项式 9.8 函数逼近的若干重要定理 第十章 最优化方法 10.1 线性规划问题 10.2 线性规划问题的几何意义 10.3 单纯形法 10.4 非线性优化问题 10.5 一维搜索 10.6 无约束非线性优化

第一部分 算法篇 第一章 最优化问题与数学基础 第二章 线性规划和单纯形方法 第三章 对偶线性规划 第四章 无约束最优化计算方法 第五章 约束最优化方法 第六章 直接搜索方法 第二部分 应用篇 2.1 单纯形算法 2.2 修正单纯形算法 3.1 对偶单纯形算法 4.1 下降迭代算法 4.2 黄金分割算法..... 4.3 两点三次插值算法.... 4.4 模式算法....... 4.5 最速下降算法 4.6 牛顿算法 4.7 FR共轭梯度算法 4.8 SR1算法 4.9 DFP算法 4.10 信赖域算法 5.1外点（罚函数）法

本文提出一种基于光伏和储能的电压质量改善方法。该方法以整个建设周期经济收益最大化为目标，考虑储能运行约束、节点电压约束等相关约束，采用蚁群算法求解分布式光伏–储能系统，建立了农网光伏–储能低电压治理的优化模型，最后通过IEEE-33节点为例进行验证。结果表明，光伏–储能系统能够在改善农网末端电压质量的基础上，增加整个配电网系统的经济收益，相比于无光伏储能系统更具备经济优势

为提高无法准确建立数学模型的非线性约束单目标系统优化问题的寻优精度,并考虑获取样本的代价,提出一种基于支持向量机和免疫粒子群算法的组合方法(support vector machine and immune particle swarm optimization,SVM-IPSO).首先,运用支持向量机构建非线性约束单目标系统预测模型,然后,采用引入了免疫系统自我调节机制的免疫粒子群算法在预测模型的基础上对系统寻优.与基于BP神经网络和粒子群算法的组合方法(BP and particle swarm optimization,BP-PSO)进行仿真实验对比,同时,通过减少训练样本,研究了在训练样本较少情况下两种方法的寻优效果.实验结果表明,在相同样本数量条件下,SVM-IPSO方法具有更高的优化能力,并且当样本数量减少时,相比BP-PSO方法,SVM-IPSO方法仍能获得更稳定且更准确的系统寻优值.因此,SVM-IPSO方法为实际中此类问题提供了一个新的更优的解决途径