网站服务器地址在哪里看,wordpress显示某一类文章,深圳外贸网站建设服务商,信用家装修网官网文章目录 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#xff0c;眼看着2023年马上要过完了。 女朋友最近总说#xff0c;工作以后感觉时间过的好快。事实上#xff0c;我也是这么认为的。年纪越大#xff0c;越会担心35岁危机的降临。所以眼看着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VNS11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。