汤汁小白菜
开始阅读 Github
  我的梦想
不是每个人都应该像我这样去建造一座水晶大教堂，但是每个人都应该拥有自己的梦想，设计自己的梦想，追求自己的梦想，实现自己的梦想。梦想是生命的灵魂，是心灵的灯塔，是引导人走向成功的信仰。有了崇高的梦想，只要矢志不渝地追求，梦想就会成为现实，奋斗就会变成壮举，生命就会创造奇迹。——罗伯·舒乐
网络流问题 网络流问题
1. 网络流问题 最小网络流问题： 决策变量 约束： 流平衡约束 image-20260210230333268 弧的可承担约束 总供给 > 总需求时候，新增一个节点，节点需求 = 总供给 -
2026-02-10 optimization
lagranre relation lagranre relation
1. 拉格朗日松弛 原理： 约束难以求解，通过乘子，将约束转换到目标函数中，再转换为dual 问题，将问题重构 方法： 加入惩罚因子，确定惩罚因子的正负范围 寻找最紧的松弛，例如primal min 问题， g(P)是其下界
2026-02-10 optimization
Bender cutting Bender cutting
1. Bender cutting 核心思想：并不是所有的割平面都有效。 将问题分解，减少约束， 然后逐步增加约束割平面，实现求解 主问题与子问题联系 主问题从子问题中获得information , 然后创建割，求解问
2026-02-07 optimization
cutting_plane cutting_plane
1. 割平面 目标： 切割松弛问题的可行域，加快搜索 要求： 不能将原问题的可行域切掉 需要切割松弛问题，如果可以切割松弛问题的最优解（非原问题可行解）最好 1.1. 分割的步骤 仅有batch bound的
2026-02-05 optimization
松弛+分支定界 松弛+分支定界
1. 松弛+分支定界 1.1. 松弛 方式： 削弱目标函数 削弱约束（多为削弱约束） 线性松弛，将整数变量约束，削弱为连续变量约束 要求： 原问题所有可行解必须保留 新的问题比原问题更好解 1.1.
2026-02-04 optimization
启发式算法 启发式算法
1. 启发式算法 1.1. 构造方法 ​ x = [x1,x2,x3,…xn] ， 逐步修改xn 的数据，选择xn 时候，可以采用一定的优化策略进行选择，实现优化 1.2. 搜索方法 $ x = x + x$, 在x 相近的
2026-02-02 optimization
matlab 面向对象 matlab 面向对象
1. matlab 面向对象 每个类定义在单独的.m 文件中， 文件名与类名相同 classdef test_class % 定义属性 properties(Access = private)
2025-12-24 optimization
yalmip使用 yalmip使用
1. yalmip 1.1. 常用流程 创建变量 x = sdpvar(1, 2, 3, 'full') % 这里全部使用' ? 为什么maltab 中’’ 与 “” 不同呢？ 优化
2025-12-22 小白菜
matlab matlab
1. matlab 1.1. 匿名函数 首先传入两个变量后，另一个变量自动绑定 a = 2; b = 5; g = @(x) myfun(x, a, b); % 快捷方式：自动带 a=2, b
2025-12-21 optimization
1 / 7