欢迎光临澳大利亚新华书店网 [登录 | 免费注册]

    • 基于矩信息的鲁棒优化模型算法及应用/博士后文库
      • 作者:张玉利|责编:姚庆爽
      • 出版社:科学
      • ISBN:9787030783622
      • 出版日期:2024/04/01
      • 页数:134
    • 售价:39.2
  • 内容大纲

        本书主要介绍不确定性环境下基于随机参数矩信息的鲁棒优化方法,讨论其模型构建、算法设计及实际应用等方面的最新研究成果。本书旨在为不确定性环境下优化决策提供理论建模、算法设计及分析的新方法和工具,同时为复杂环境下供应链管理、运营管理、物流运作等实际问题提供科学决策支持。
        本书可供从事数学规划、管理科学与工程等相关领域的学者、工程技术人员参考,也可供高等院校运筹学与应用数学、工业工程、物流与供应链管理、控制科学与工程、计算机科学等专业高年级本科生、研究生学习使用。
  • 作者介绍

  • 目录

    “博士后文库”序言
    前言
    第1章  概述
      1.1  不确定性与风险
      1.2  不确定性优化方法概述
        1.2.1  确定性优化
        1.2.2  随机优化
        1.2.3  风险优化
        1.2.4  鲁棒优化
      1.3  鲁棒优化方法
        1.3.1  基于不确定性集的鲁棒优化
        1.3.2  基于分布函数集的鲁棒优化
      1.4  本章小结
    第2章  基于矩信息的鲁棒优化
      2.1  基于矩信息的鲁棒优化概述
      2.2  基于矩信息的鲁棒期望优化
        2.2.1  分段线性凸函数
        2.2.2  子优化问题函数
      2.3  基于矩信息的鲁棒CVaR优化
        2.3.1  最优概率不等式
        2.3.2  鲁棒CVaR
        2.3.3  基于RCVaR的鲁棒优化
      2.4  本章小结
    第3章  基于矩信息的鲁棒库存优化方法及算法
      3.1  批量订购问题
        3.1.1  问题背景
        3.1.2  顾客需求的分布函数集
      3.2  两阶段批量订购鲁棒优化模型
        3.2.1  问题模型
        3.2.2  第二阶段费用函数的等价最短路形式
      3.3  等价二阶锥规划模型
      3.4  参数搜索方法
        3.4.1  参数搜索的基本思想
        3.4.2  区间参数搜索方法
        3.4.3  需求不相关条件下子问题的求解
        3.4.4  需求部分相关条件下子问题的求解
      3.5  数值实验
        3.5.1  算法的有效性
        3.5.2  鲁棒模型的有效性
      3.6  本章小结
    第4章  基于矩信息的鲁棒路径规划方法
      4.1  鲁棒路径规划问题模型
        4.1.1  路径规划问题及可靠性准则
        4.1.2  鲁棒路径规划问题
        4.1.3  概率分布函数集的构造
      4.2  对偶估计方法
        4.2.1  对偶形式
        4.2.2  计算(P)下界的场景方法
        4.2.3  计算(P)上界的半正定规划方法
      4.3  原始估计方法

        4.3.1  RMETT的解析表达式
        4.3.2  求解(P)的原始估计方法
      4.4  数值实验
      4.5  本章小结
    第5章  随机参数独立的鲁棒优化模型的参数搜索算法
      5.1  旅行时间独立的鲁棒路径规划问题
        5.1.1  凹费用的最短路问题
        5.1.2  模型分析
      5.2  单调下降参数搜索
      5.3  交叉点参数搜索方法
      5.4  改进的区间参数搜索
      5.5  加速标签修正算法
      5.6  数值实验
        5.6.1  实验环境
        5.6.2  实际交通网络的计算结果
        5.6.3  网格网络的计算结果
      5.7  本章小结
    第6章  随机参数相关的鲁棒优化模型的拉格朗日算法
      6.1  旅行时间相关的鲁棒路径规划问题
      6.2  拉格朗日对偶问题
        6.2.1  协方差矩阵分解
        6.2.2  问题转化
        6.2.3  对偶化简
      6.3  拉格朗日算法
        6.3.1  约束生成算法
        6.3.2  次梯度投影算法
      6.4  处理负环的方法
        6.4.1  改进的约束生成算法
        6.4.2  改进的次梯度投影算法
        6.4.3  算法复杂度分析
      6.5  拉格朗日算法对偶间隙分析
      6.6  数值实验
        6.6.1  计算算例
        6.6.2  算法实现
        6.6.3  计算性能分析
        6.6.4  收敛性分析
        6.6.5  运行时间分析
        6.6.6  对偶间隙和最优性分析
      6.7  本章小结
    参考文献
    编后记