运筹规划(十六)--大规模问题优化

Dantizig-Wolfe分解算法本章继续介绍大规模优化问题的求解方式。

运筹规划(十五)--大规模问题优化

本节我们就来讨论在运筹规划如何解决大规模的优化问题。一般会有以下一些方式,我分别进行理解。列生成和分值定价算法拉格朗日松弛算法Dantizig-Wolfe分解算法Benders分解算法。

运筹规划(十三)--存储论

本节继续讲解存储论,不过咱们要加深一下难度,大家知道这个时候不是所有的事情就是100%发生的,一定是已一个概率的形式存在的, 那么本节就要讲的核心内容就是当概率遇上运筹规划,将会有什么有意思的求解方法吗?

运筹规划(十二)--存储论

今天我们来介绍运筹优化中的一类问题,存储论问题。在日常生活中通常需要最合理、最经济的存储问题。例如水库蓄水问题等,接下来就来介绍一个存储论包括的相关概念。需求补充费用(存储费,订货费,生产费,缺货费)存储策略其中存储策略包括几种方式。t-循环策略, 每个固定的时间t,补充一个固定的存储量Q(t,S)存储策略,每隔一个固定的时间补充一次,补充的数量不固定,看实际存储量确定,如果实际存储量为L,那么补

运筹规划(九)--VRP问题

书接上回,今天我们来看一个更加复杂的问题,VRP问题【指车辆路径问题(Vehicle Routing Problem)】,通过上面的学习知道了TSP问题是一个人和若干个景点,遍历一遍的最小代价和方案。VRP问题的问题定义是指一定数量的客户,各自有不同数量的货物需求,配送中心向客户提供货物,由一个车队负责分送货物,组织适当的行车路线,目标是使得客户的需求得到满足,并能在一定的约束下,达到诸如路程最短

运筹规划(八)-TSP问题

咱们先来说下TSP问题的背景, 背景讲的是一个游客和几个景点的故事, 一个游客想用最小的代价游历完所有的景点,一个是方案怎么选择,一个是最小代价是什么?这就引出了TSP问题,

运筹规划(七)-求解器

这篇文章主要介绍当我们面对一个运筹问题的时候,如何求解一个问题。先来介绍一个基于python的集成框架pyomo,通过pyomo下面可以调用一系列的求解器,最终实现求解的过程。先给一个demofrom pyomo.environ import *# 创建一个模型model = ConcreteModel()# 定义变量model.x = Var(within=Reals)model.y = Var

时间序列预测(六)--时序预测概率分布应用

大家一定知道,所有的预测永远不可能把误差控制到0,所以当已知这样的预测结果,如何尽可能的提升可用度呢?咱们举个例子销量预测这是一个十分简单的问题,业务通过预测接来下一段时间内的销量变化,从而尽可能小的损失维持一个库存水平。先描述一下咱们面临的问题。日销量 给定参数μ\muμ, σ\sigmaσ, 商品的日销量独立且服从正态分布N(μ,σ2)N(\mu, \sigma^2)N(μ,σ2)仓库容量 W

运筹规划(六)-网络流和图

接下来我们要介绍的算法都与图有关,那么我们就来先定义一下图。V表示网络中的节点,A表示网络中的弧。接下来咱们就来看下最小费用最大流问题。OOI最优炉OOI是位于威斯康星洲和亚拉巴马州的工厂制造家用烤面包炉。制成炉子会有火车运输到OOI位于孟菲斯和匹兹堡两个仓库之一,而后被分销到弗雷斯诺、皮奥利亚和纽瓦克的顾客站点。两个仓库也可以用公司的货车运用少量炉子。我们的任务是做新型的E27炉子下个月的一个分

运筹规划(五)-目标规划

之前我们介绍的大部分方法都是一个目标函数,但是在我们的实际生活中往往很多问题都是有多个目标的问题,要么我们通过加权平均形成一个综合的目标函数,要么就是将问题抽象成一个多目标优化的问题,本章将会介绍这个方法,目标规划。银行投资问题每个投资者在决定如何分配可用的资本的时候需要权衡收益和风险。一般来讲能承诺最高回报的投资机会总是伴随着极大的风险。商业银行在平衡收益和风险尤其谨慎。因为法律和伦理道德要求它
Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×