体系化学习运筹学基础算法的实践和总结

文章目录

  • 引言
  • 目标设计
  • 目标实践
  • 文章汇总
  • 经验总结
  • 一则预告

引言

眨眼间已经12月了,眼看着2023年马上要过完了。

女朋友最近总说,工作以后感觉时间过的好快。事实上,我也是这么认为的。年纪越大,越会担心35岁危机的降临。所以,人还是应该持续学习和进步的。具体来说,就是在工作时间之外,每年都能有一些关于自身的成长。

23年初,我给自身成长设置了一系列目标,其中之一就是体系化。这里的体系化,主要包含两项,第一项是运筹学基础算法的体系化,第二项是机器学习算法的体系化。到了年尾,应该为一年的工作做一个总结了。

本文将着重分享今年在第一项(运筹学基础算法)上的实践和总结,后续文章将再聊另外一个内容。

正文见下。

目标设计

科学体系化的方式,私以为应该是参考各种专业书的目录,然后结合自己的认知,做个性化设计。 举个例子,《运筹学》(清华大学出版社)这本书是直接从线性规划问题开始的,但是求解线性规划问题的单纯形法,对我来说已经比较复杂,不能算入门了。

下图是我今年初给自己安排的体系化学习目标。

我认为,学习过程要从简单到复杂。而最简单的运筹问题,应该是一维无约束问题,在此基础上再提升问题维度和增加不同类型的约束条件。这些内容,在我年初的体系化学习目标中被归类为非线性规划模块。现在想来,“非线性规划”这个模块的标题并不是很准确,不过也没想到更好的,就继续用这个吧。

理解了以上普适性较好的基本算法体系后,我觉得才适合来研究线性/整数规划这一类在实际业务中被广泛研究的问题和对应的求解算法。

除了非线性规划、线性规划和整数规划外,还要学习智能优化算法的主要原因,是我觉得这些算法的改进尝试中,针对迭代方向和迭代步长的设计很有艺术感,虽然缺乏严格的数学证明,但在实践中已经被证明为非常有效的手段。

目标实践

对于大部分算法,我给自己预设的目标是两周学习完,这样最终评估下来能有19周的剩余时间。

从剩余时间来说,我给自己安排的计划,算是比较宽松的。我一直觉得,工作和学习应该是为生活服务的,如果发生了冲突,那幸福的生活体验应该放在第一位。所以我从一开始就没想着给自己太大的压力,如果觉得有些累了,偷懒玩游戏、看视频,甚至只是无聊发呆,也不会有太大的负罪感。

实际也是如此——从完成度来看,我最后一篇文章是VNS,11月12号完成的,距离12月31号只剩6周,也就是说我在年中的时候荒废了13周左右的时间。

我对算法学习完成的定义是,写一篇与算法内容对应的文章,里面至少应该包含2个模块:

第一个是用自己的逻辑描述清楚算法原理。我对自己的要求是,让算法小白都能看懂内容,如果未来真的有机会教书育人,这应该是我宝贵的财富了;

第二个是自己编写代码实现算法全过程。我对自己的要求是,分别用Python和Java编程实现,以验证自己是否真的理解了算法原理,同时提升代码能力。

从实际完成度来看,每一个算法相关的文章都算是及格了。对算法原理的描述,我还是比较满意的,特别是收到小伙伴们的暖心评论和留言时,都会备受鼓舞。在代码实现方面,并没有达到预期,开始阶段一些简单的算法还能用Python和Java分别实现,到了中后期算法复杂度提升后就有些力不从心了。在认清现实后,我去掉了使用Java实现算法过程的目标。针对特别复杂的算法,甚至都不要求自己手写了。

看,我就是这么容易和自己和解。

文章汇总

本节汇总了近一年运筹学基础算法的相关文章和链接,并按照此前的目标设计进行了分类。

分类文章和链接
非线性规划-黄金分割法Python和Java代码实现:黄金分割法求解一维最优化问题
非线性规划-切线法Python和Java代码实现:切线法求解一维最优化问题
非线性规划-坐标轮转法Python代码实现:坐标轮换法求解多维最优化问题
非线性规划-梯度类算法梯度类算法原理:最速下降法、牛顿法和拟牛顿法
拟牛顿法:python代码实现
非线性规划-间接法求解包含约束的最优化问题:拉格朗日乘子法和KKT条件
非线规划-直接法求解包含约束的最优化问题:罚函数法
线性规划-单纯形法线性规划和单纯形法-原理篇
线性规划模型-工程应用篇
线性规划-整数规划求解整数规划问题的割平面法和分支定界法
稍微憋个招,聊聊为什么不能止步于会调求解器
线性规划-对偶问题线性规划对偶问题:理论推导和实际应用
智能优化-DE差分进化算法,依旧强势
智能优化-ACO蚁群算法求包含34个国内城市的TSP,和最优解相差没那么大
智能优化-ALNS着实不错的自适应大邻域搜索算法ALNS

经验总结

关于这一年来对于运筹算法的学习和感悟,总结如下:

首先,这些算法在运筹学中算是基础内容。通过对这些知识点的学习和总结,我自身受益匪浅,在一定程度上弥补了我因为非科班出身导致基础知识储备的欠缺。不过这只是一个开始,随着认知的提升,可能会发现未知的内容也越来越多,后续还有很多内容需要去慢慢探索。

其次,在学习上我是偏应用导向的。当初选择运筹学作为自己未来长期从事的行业,主要是觉得把这些算法策略应用到实际场景中能带来极大的成就感,所以我不太会执着于理论上的推导,在学习知识时,会优先选择工业实践中最常用的运筹算法,并辅以部分基础的算法原理,以知其然并知其所以然。

最后,这些知识点的串联方式是基于我目前的认知。图中的分类仅依赖于我当前体系化学习的实践路径,算不上权威,可以作为大家构建自己知识体系的参考。

一则预告

明年运筹优化领域的文章主题,偷偷预告一下,大概率是随机优化和鲁棒优化,即,模型输入存在不确定性情况下的最优决策。

具体的学习路径,我还没思考清楚——当然了,即使已经想清楚了,我也不会直接公开出来,大概率会类似于这样,等明年年底总结吧!

最后的最后,愿大家都能持之以恒地做一件件小事,慢慢努力,惊艳众人。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/213098.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Xubuntu16.04系统中使用EDIMAX EW-7822UAC无线网卡开启5G自发AP

目录 1.关于 EDIMAX EW-7822UAC2.驱动安装3.查看无线网卡信息3.通过create_ap配置5G自发AP 1.关于 EDIMAX EW-7822UAC 官网介绍 https://www.edimax.com/edimax/merchandise/merchandise_detail/data/edimax/global/wireless_adapters_ac1200_dual-band/ew-7822uac/ 详细参数…

Python开发运维:Python项目发布到K8S集群

目录 一、实验 1.Python项目发布到K8S集群 一、实验 1.Python项目发布到K8S集群 (1)获取应用程序代码 #把hello-python.tar.gz压缩包上传到k8s控制节点master1的root下,手动解压 tar zxvf hello-python.tar.gz (2&#xff0…

【Linux】进程周边001之进程概念

👀樊梓慕:个人主页 🎥个人专栏:《C语言》《数据结构》《蓝桥杯试题》《LeetCode刷题笔记》《实训项目》《C》《Linux》 🌝每一个不曾起舞的日子,都是对生命的辜负 目录 前言 1.基本概念 2.描述进程-PCB…

LeetCode5.最长回文子串

昨天和之前打比赛的队友聊天,他说他面百度面到这道算法题,然后他用暴力法解的,面试官让他优化他没优化出来,这道题我之前没写过,我就想看看我能不能用效率高一点的方法把它做出来,我一开始就在想用递归或者…

springboot(ssm滁州市特产销售系统 特产商城系统Java系统

springboot(ssm滁州市特产销售系统 特产商城系统Java系统 开发语言:Java 框架:ssm/springboot vue JDK版本:JDK1.8(或11) 服务器:tomcat 数据库:mysql 5.7(或8.0) …

解决错误:sudo debtap -u curl: (22) The requested URL returned error: 404

具体错误 $ sudo debtap -u > Synchronizing pkgfile database... :: Updating 2 repos...core is up to dateextra is up to date > Synchronizing debtap database...% Total % Received % Xferd Average Speed Time Time Time CurrentDload Upload …

设计CPU功能的数字电路

实验目的(1)熟悉Multisim 电路仿真软件的操作界面和功能; (2)掌握逻辑电路综合设计,并采用仿真软件进行仿真。 实验内容1.试设计一个简易CPU功能的数字电路,实验至少要求采用4个74HC/HCT194作为4个存储单元(可以预先对存储单元存储数据),74HC283作为计算单元。请实现…

用相似对角矩阵加速矩阵的幂,以斐波那契数列为例

《用相似对角矩阵加速矩阵的幂,以斐波那契数列为例》 在计算机科学和线性代数领域,矩阵的幂是一个常见而重要的问题。特别是对于大型矩阵,直接计算幂可能会变得十分耗时。然而,通过相似对角矩阵的方法,我们能够以更为…

多维时序 | MATLAB实现RIME-CNN-LSTM-Multihead-Attention多头注意力机制多变量时间序列预测

多维时序 | MATLAB实现RIME-CNN-LSTM-Multihead-Attention多头注意力机制多变量时间序列预测 目录 多维时序 | MATLAB实现RIME-CNN-LSTM-Multihead-Attention多头注意力机制多变量时间序列预测预测效果基本介绍模型描述程序设计参考资料 预测效果 基本介绍 MATLAB实现RIME-CNN-…

python字符串格式化--数字精度控制和快速写法与表达式格式化

数字精度控制 我们可以使用m.n来控制数字的宽度和精度: m是宽度,设置必须为数字,且如果设置的数字小于本身,则不生效n控制小数点精度,必须为数字,会进行四舍五入 示例: 5d:是将宽…

idea本地调试hadoop 遇到的几个问题

1.DEA对MapReduce的toString调用报错:Method threw ‘java.lang.IllegalStateException‘ exception. Cannot evaluate org.apache.hadoop.mapreduc 解决方法:关闭 IDEA 中的启用“ tostring() ”对象视图 2.代码和hdfs路径都对的情况下,程序…

架构设计系列之基础:初探软件架构设计

11 月开始突发奇想,想把自己在公司内部做的技术培训、平时的技术总结等等的内容分享出来,于是就开通了一个 Wechat 订阅号(灸哥漫谈),开始同步发送内容。 今天(12 月 10 日)也同步在 CSDN 上开通…

文章解读与仿真程序复现思路——电力系统自动化EI\CSCD\北大核心《面向微电网群的云储能经济-低碳-可靠多目标优化配置方法》

这篇文章的标题涵盖了以下关键信息: 面向微电网群:研究的重点是微电网群,这可能指的是多个微电网系统的集合,而不仅仅是一个单独的微电网。微电网是指由分布式能源资源、储能系统和智能控制组成的小型电力系统,通常能够…

记录每日LeetCode 406.根据身高重建队列 Java实现

题目描述: 假设有打乱顺序的一群人站成一个队列,数组 people 表示队列中一些人的属性(不一定按顺序)。每个 people[i] [hi, ki] 表示第 i 个人的身高为 hi ,前面 正好 有 ki 个身高大于或等于 hi 的人。 请你重新构…

《C++新经典设计模式》之附录A 类和对象

《C新经典设计模式》之附录A 类和对象 A.1 静态对象的探讨与全局对象的构造顺序A.1.1 静态对象的探讨A.1.1.cpp A.1.2 全局对象的构造顺序问题A.1.2.cpp A.2 拷贝构造函数和拷贝赋值运算符A.2.1 拷贝构造函数和拷贝赋值运算符的书写A.2.1.cpp A.2.2 对象自我赋值产生的问题A.2.…

实现加盐加密方法以及java nio中基于MappedByteBuffer操作大文件

自己实现 传统MD5可通过彩虹表暴力破解, 加盐加密算法是一种常用的密码保护方法,它将一个随机字符串(盐)添加到原始密码中,然后再进行加密处理。 1. 每次调用方法产生一个唯一盐值(UUID )密码…

UDS诊断 10服务

文章目录 简介诊断会话切换请求和响应1、请求2、子功能3、肯定响应4、否定响应5、特殊的NRC 为什么划分不同会话报文示例UDS中常用 NRC参考 简介 10服务,即 Diagnostic Session Control(诊断会话控制)服务用于启用服务器中的不同诊断会话&am…

(四) python门面模式

文章目录 4.1 结构型设计模式4.1.1 简介4.1.2 常见的几种结构型设计模式 4.2 理解门面设计模式4.2.1 门面设计模式概述4.2.2 门面设计模式的作用 4.3 UML类图4.3.1 门面4.3.2 系统4.3.3 客户端 4.4 门面模式的代码实现4.4.1 场景:4.4.2 python实现 4.5 原理&#xf…

Compose for iOS:kotlin 与 swift 互操作

前言 类似于 Android 上的 compose,在 iOS 上的 compose 同样支持嵌套显示 compose UI 和 swiftUI 或是 uikit 。 但是不同于 Android 原生就是使用 kotlin 作为开发语言,iOS 的开发语言是 swift 或者 object-c 。虽然大多数业务逻辑都可以直接使用 ko…

渲染(iOS渲染过程解析)

渲染 渲染原理 一个硬核硬件科普视频 CPU和GPU CPU(Central Processing Unit):现代计算机整个系统的运算核心、控制核心,适合串行计算。GPU(Graphics Processing Unit):可进行绘图运算工作的…