在线阅读 https://liu-yang-maker.github.io/datawhale-operational-research/
近些年，以机器学习为代表的人工智能技术逐渐被大家认识并在很多方面得到普及，深度学习技术在学术界和工业界取得了广泛的成功，受到高度重视，并掀起新一轮的人工智能热潮。运筹学作为一个看似古老，但近期兴起的学科，主要由最优化、图论、组合优化...很多内容构成，最优化作为很重要的一部分内容，其中的优化求解器大家都熟练地使用着，但是对于其中真正的原理，又有多少人真的了解和关心呢。这里我们就会带着大家认真细致得学习一遍运筹学相关的内容。
本课程讲授和讨论运筹学的基本方法，主要内容有博弈论，线性规划，非线性规划，复杂性理论，组合优化，以及随机过程，马尔可夫决策过程，排队论和库存论等。关于最优化的算法理论和建模，主要内容有最优化基础，包括无约束最优性理论、对偶理论、约束最优性理论，和无约束优化算法，包括梯度类算法、牛顿类算法、拟牛顿类算法，以及约束优化算法，包括罚函数等。
通过本课程的学习，希望能够掌握运筹学和最优化算法的理论和算法实现，提高人工智能技术进行科学研究与应用开发的能力，其中关于代码的部分使用python或者matlab。
学习的先修要求：了解一些基本的高数知识和数理统计知识.
- 优化与深度学习（Yang）
- 优化算法概述（Yang）
- 梯度下降与随机梯度下降（振东）
- 小批量随机梯度下降（小豪）
- 动量法（柯琴）
- AdaGrad（建国）
- Adam（Chu）
- Nesterov加速（Yang）
- 无约束优化基础(Yang)
- 线性搜索方法
- 信赖域方法
- 共轭梯度法
- 拟牛顿法(Chu)
- 约束优化基础(Yang)
- 罚函数法
- 增广拉格朗日法
对偶理论；单纯形算法；椭球算法；内点算法；网络流模型。
整数线性规划
- 无约束优化基础
- 线性搜索方法
- 共轭梯度法
- 拟牛顿法
- 信赖域方法（选）
- 约束优化基础
- 罚函数法与增广拉格朗日法
- SQP方法
- 内点法
注：可以单独介绍也可以分散到各章节介绍
- 图的基本概念；最短路问题；
- 树及其基本性质；生成树与最小生成树；图的中心与中位点；图的矩阵表示；
- 割点和割边；连通度和边连通度；2-连通图的性质；
- 匹配与最大匹配；完美匹配；二部图的匹配；二部图中最大匹配和最大权匹配的算法；
- Euler图；**邮递员问题；Hamilton图；旅行商问题。
- 单纯形
- 原始对偶
写作规范：https://www.notion.so/9695c19dd1ab41a3a61ae4d69770e915
| 成员 | 个人简介 | 个人主页 |
|---|---|---|
| 刘洋 | datawhale成员，**科学院数学与系统科学研究院 | 知乎主页 公众号：鸣也的小屋 个人主页 |
| Chu | datawhale成员，阿姆斯特丹自由大学计算机系统系 | 个人主页 |
| 管柯琴 | 厦门大学管理学院 | 个人主页 |
| 刘斯豪 | 广东工业大学数学与统计学院 | 公众号：Lau Chaos |
| 黄建国 | 上海科技大学信息学院 | 知乎 |
| 李振东 | 上海大学钱伟长学院 | 知乎主页 个人主页 |
扫描下方二维码关注公众号：Datawhale
本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。
