常见算法及问题场景——线性规划
2016-09-06 16:35
295 查看
数据模型
1、约束条件及目标函数2、约束条件所表示的可行域
3、在可行域内求目标函数的最优解及最优值
理论体系
几何上,线性约束条件的集合相当于一个凸包或凸集,叫做可行域。目标函数亦是线性的,所以其极值点会自动成为最值点。而线性目标函数暗示其最优解只会出现在其可行域的边界点中。
两种情况下无解:
1、约束条件互相矛盾,即坐标系中可行域为空。
2、约束条件构成的多面体可行域无限大。
现实问题很少会出现上面无解的情况,一般都会在可行域多面体的顶点处出现1个或多个最优解。即一个点,一条边,一个面,多个面构成最优解。
单纯形法
至今为止,为简单、实用的线性规划问题求解方法。利用多面体的顶点构造一个可能的解,然后沿着多面体的边走到目标函数值更高的另一个顶点,直至到达最优解为止。
相关文章推荐
- 常见算法及问题场景——散列(哈希)
- 常见算法及问题场景——图
- 常见算法及问题场景——图
- 常见算法及问题场景——分治
- 常见算法及问题场景——动态规划
- 常见算法及问题场景——字符串匹配
- 常见算法及问题场景——贪心算法
- 常见算法问题的分类
- 大学常见算法的java实现及思考-汉诺塔问题
- 常见的算法问题
- matlab与常见算法_线性规划
- 算法面试常见问题【转】
- [Java]常见算法问题(持续学习,更新)
- 常见算法:C语言求素数的问题
- 常见问题:如何在算法中使用智能指针
- SharpGL学习笔记(十二) 光源例子:解决光源场景中的常见问题
- 常见问题与对应处理算法
- 大数据量的存储,以及分表常见算法及其带来的问题,和微薄url的加密规则猜想
- 算法:“森林的遍历” 在 “企业应用” 的常见场景
- 面试中常见的一些算法问题