作者查詢 / illousion
作者 illousion 在 PTT [ Math ] 看板的留言(推文), 共46則
限定看板:Math
看板排序:
首頁
上一頁
1
下一頁
尾頁
46F推: 在求「整數線型規劃」時,線型規劃的目標函數(放05/27 09:10
47F→: 鬆整數限制)只能是一個bound,以本題來說,是上界05/27 09:10
48F→: 。整數線型規劃的解不能從放鬆後的線性規劃來推論05/27 09:10
49F→: ,也跟目標函數斜率無關。上面推文沒有錯,(mixed)05/27 09:10
50F→: integer (linear) programming 的最佳化都是NP-ha05/27 09:10
51F→: rd問題。再來求整數規劃的演算法是Branch-and-boun05/27 09:10
52F→: d,是一種divide and conquer approach,求解放鬆05/27 09:10
53F→: 線型規劃後再去針對有整數限制的變數分枝,然後upd05/27 09:10
54F→: ate bound或是fathom。上面推文有人說convex hull05/27 09:10
55F→: 這是一個非常正確的觀念,當我們知道整數線型規劃05/27 09:10
56F→: 的convex hull之後,最佳化可以reduce to線型規劃05/27 09:10
57F→: 進而變成一個簡單的問題,因為此時所有extreme poi05/27 09:10
58F→: nts都是整數,只要使用線型規劃的算法(interior po05/27 09:10
59F→: int method, which is polynomial,而simplex則不05/27 09:10
60F→: 是)找解就可以。但是convex hull只有在二維的時候05/27 09:10
61F→: 有可能看出來,高維度一般都是未知。做整數線型規05/27 09:10
62F→: 劃研究的人,一般都是做cutting plane method或是s05/27 09:10
63F→: trong formulation,讓可行區間越小越靠近包含所有05/27 09:10
64F→: 的整數點集合,也就是convex hull。05/27 09:10
67F推: 這是作業研究中的整數規劃內容,任何一本作業研究05/27 10:07
68F→: 的書都會講到整數規劃跟branch-and-bound,就是因05/27 10:07
69F→: 為整數規劃跟線型規劃性質完全不同所以要獨立出來05/27 10:07
70F→: 講,而我說到的cutting plane那些是屬於碩博等級的05/27 10:07
71F→: 知識,而且是要專門做整數規劃的人才會去研究,小05/27 10:07
72F→: 弟我剛好博士研究就是整數規劃。另外數學系跟CS也05/27 10:07
73F→: 可能會有人研究這些。整數規劃因為NP-hard,如何設05/27 10:07
74F→: 計有效率的精確或近似算法很重要,或是怎麼把一個05/27 10:07
75F→: 很大的問題分解做decomposition method,因此也必05/27 10:07
76F→: 須具備動態規劃dynamic programming 還有CS中的算05/27 10:07
77F→: 法知識,至少要了解時間複雜度,我老闆都叫我們組05/27 10:07
78F→: 去上幾門CS或數學系的課。05/27 10:07
8F→: 原問題如果對於不同天招聘的人有不同的成本05/07 09:31
9F→: 那可能就會有唯一的最佳解 這樣的cover問題05/07 09:32
10F→: 在polyhedral的概念來說 對稱性很嚴重 symmetric05/07 09:32
11F→: 所以有多重最佳解是很常見的 問題難度也是NP-hard05/07 09:32
7F→: 答案是錯的,這組解不滿足週四週五的人力需求05/06 12:11
1F推: 如果我沒有理解錯的 你逐一消去變數的算法叫做04/26 14:57
2F→: Fourier-Motzkin Elimination 確實可以解線性規劃04/26 14:58
3F→: 可是他的計算時間對於高維的問題非常的慢 不實用04/26 14:58
6F→: 如果有m個不等式n個變數 時間複雜度為O(m^(2^n))04/26 15:00
7F→: 現代線性規劃的求解器solver的code都是基於單形法04/26 15:00
28F→: 等等回一篇好了....04/26 01:18
33F推: 我已經回文了 可以看看我講的你懂不懂04/26 01:46
34F→: 我大學也念商 但目前唸作研博士 你一定也可以懂04/26 01:47
35F→: chem大說的KKT方法會在「非線性規劃」的章節學到04/26 01:48
8F推:用Lagrange multiplier算04/29 20:36
首頁
上一頁
1
下一頁
尾頁