汤汁小白菜

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
                        
                                1. 网络流问题最小网络流问题：

约束：

流平衡约束

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 - 总需求

1.1. 网路问题求解方法
1.1.1. 初始化可行流
1.1.2. 好的方
                            
                                2026-02-10
                            
                                    optimization
                                
                            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)是其下界限，寻找最优g
                            
                                2026-02-10
                            
                                    optimization
                                
                            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

主问题从子问题中获得information , 然后创建割，求解问题，求解后的结果再传入子问题中
1.1. 
                            
                                2026-02-07
                            
                                    optimization
                                
                            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
在分支前采用有效的不等式进行切割可行域

1.2. 两
                            
                                2026-02-05
                            
                                    optimization
                                
                            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

1.1.1. 作用
松弛模型证明元模型的可
                            
                                2026-02-04
                            
                                    optimization
                                
                            启发式算法
                        
                                1. 启发式算法1.1. 构造方法​    $x = [x_1 , x_2, x_3 , \dots x_n]$ ， 逐步修改$x_n$ 的数据，选择$x_n$ 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 = 
                            
                                2026-02-02
                            
                                    optimization
                                
                            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
                        
                                1. yalmip1.1. 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
d = 
                            
                                2025-12-22
                            
                                小白菜
                                
                            matlab
                        
                                1. matlab1.1. 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