一、问题的提出 二、偏好加总 三、操纵偏好 四、可取的投票规则的特点 五、社会福利函数 六、效用可能边界 七、社会最优与效率 八、公平配置

掌握生产函数、等产量线( Isoquants)、一种可变要素投入( Labor)、两种可变 要素( Two Variable Inputs)、边际报酬递减规律、规模报酬问题

为了建立一个高效的路径搜索引擎,针对大型应用系统中寻径算法的平衡最优性、时间复杂度以及空间复杂度问题,从经典Dijkstra算法出发,将AI领域的决策机制引入到路径搜索中来,提出了一个启发式最优路径搜索算法.该算法在寻径过程中引入代价函数,由代价函数来决定寻径策略(即优先搜索哪些中间节点),以期望减少搜索节点数.给出了该算法得到最佳解的条件及其证明过程,并且以实例数据对两种算法进行了对比测试

 理解动态规划算法的概念  掌握动态规划算法的基本要素 最优子结构性质 重叠子问题性质  掌握动态规划算法的设计方法 找出最优解的性质，并刻划其结构特征 递归地定义最优值 以自底向上的方式计算出最优值 根据计算最优值时得到的信息，构造最优解  通过应用范例学习动态规划算法设计策略  矩阵连乘问题 (Matrix-Chain Multiplication)  最长公共子序列问题  最大子段和问题 Maximum Sub-Sequence Sum  凸多边形最优三角剖分问题 Optimal Triangulation of a Convex Polygon  图像压缩问题  0-1背包问题（0/1 Knapsack Problem） 最优二叉查找树 （Optimal Binary Search Tree）

分枝定界法(Branch and Bound Method 基本思想: 先求出整数规划相应的线性规划(即不考虑整数限制)的最优解, 若求得的最优解符合整数要求,则这个解就是原整数规划的最优解; 若不满足整数条件,则任选一个不满足整数条件的变量来构造新的约束,在原可行域中剔除部分非整数解。 然后,再在缩小的可行域中求解新构造的线性规划的最优解,这 样通过求解一系列线性规划问题,最终得到原整数规划的最优解。 ·定界的含义: 整数规划是在相应的线性规划的基础上增加变量为整数的约束条件,整数规划的最优解不会优于相应线性规划的最优解。 对极大化问题来说,相应线性规划的目标函数最优值是原整数规划函数值的上界;

本章叙述中为了区别图中的顶点和解空间树中的顶点，凡是在解 空间树中出线队顶点一律称为结点。 分支限界法同回溯法类似，它也是在解空间中搜索问题的可行解 或最优解，但搜索的方式不同。回溯法采用深度优先的方式，朝纵深 方向搜索，直至达到问题的一个可行解，或经判断沿此路径不会达到 问题的可行解或最优解时，停止向前搜索，并沿原路返回到该路径上 最后一个还可扩展的结点

2.4线性规划的灵敏度分析 一、线性规划是静态模型 二、参数发生变化,原问题的最优解还是不是最优 三、哪些参数容易发生变化 2.5 参数线性规划

一．模型误差的客观存在性 希望建立的模型尽善尽美： 能“逼真”地模拟现实系统； 能“精确”地预测系统的未来情况； 能“准确”地控制系统； 得到问题的“最优”解；… 逼真、精确、准确、最优、…

研究了一类广义离散时间线性系统的预见控制问题.首先通过对系统方程,误差向量和可预见的目标值信号取差分,构造出一个扩大误差系统,把广义系统的预见控制问题转化为一个形式上的普通广义系统的控制问题.然后利用广义系统最优控制理论的结果,得到广义系统的带有预见前馈补偿的控制器.同时通过详细推导,把一个阶数很高的矩阵Riccati方程降为一个阶数很低的Riccati方程,从而使闭环系统可以实现

• 教学目的与要求：要求学生掌握运输问题 模型的建立及求解运输问题最优解的表上 作业法。 • 教学重点：表上作业法包括伏格尔法求基 可行解，位势法进行最优性检验，闭路法 进行基变换