【算法中的最优化方法】国科大林姝期末复习2021

【算法中的最优化方法】国科大林姝期末复习2021_第1张图片
这门课的资料在网上很少,本着为师弟师妹期末减负的思想总结一下2021年的考题~~

凸、拟凸函数、单峰函数的判断(给函数)、梯度方向的判断(PPT最后一页那道题)、给函数和约束判断最优的方法,说明原因,给出停止条件。(考的这几道题的来源我在文后的文件中给出osc_sample_exam_1-4)
在这里插入图片描述
【算法中的最优化方法】国科大林姝期末复习2021_第2张图片
【算法中的最优化方法】国科大林姝期末复习2021_第3张图片

把给定的函数和约束化成 m i n f ( x ) = C T x minf(x)=C^Tx minf(x)=CTx, s . t . A x = b , x ≥ 0 s.t. Ax=b,x\geq0 s.t.Ax=b,x0的形式。

单纯形法:(1)图解法(2)给定起点[0,0],写出单纯形法的详细步骤(和讲义PPT上的差不多)。
证明:线性函数+凸函数仍然为凸函数。
计算题(20分):给定起点,迭代三步:牛顿法的梯度和海森逆矩阵、FR梯度和逆矩阵、牛顿法和FR的比较、DFP和牛顿的比较。

题目很多,基本上做不完,最后的计算题分值很高,建议合理安排时间。
祝大家都能做完题 考高分!!
练习和osc_sample_exam

你可能感兴趣的:(笔记,算法)