Python最优化算法实战

从推公式到写代码：代码是联系理论和现实的桥梁，本书通过代码实现*优化算法，将理论与实践相结合，在编程中思考算法的计算过程，并通过代码将算法应用在实际问题中，以达到解决问题的目的。

本书以理论结合编程开发为原则，使用Python作为开发语言，讲解*优化算法的原理和应用，详细介绍了Python基础、Gurobi优化器、线性规划、整数规划、多目标优化、动态规划、图与网络分析、智能优化算法。对于算法部分的每一种算法都包含原理和编程实践，使读者对*优化算法的认识更加深入。本书分为3篇共9章。第1篇（第1～3章）是*优化算法与编程基础：第1章介绍了什么是*优化算法及其在生产和生活中的应用；第2章介绍Python编程基础和Python数据分析库及绘图库；第3章讲解Gurobi优化器的基础和高级特性。第2篇（第4～6章）是数学规划方法：第4章详细讲解线性规划的知识，包括单纯形法、内点法、列生成法、拉格朗日乘子法、对偶问题；第5章讲解整数规划解法的分支定界法和割平面法；第6章讲解多目标优化的概念及基于单纯形法的目标规划法。第3篇（第7～9章）是启发式算法：第7章介绍动态规划算法；第8章讲解图与网络分析，介绍最小生成树、最短路径、网络流、路径规划等问题的建模；第9章讲解了粒子群算法和遗传算法求解各种类型优化算法问题的方法。本书内容丰富，实例典型，实用性强，适合各个层次从事*优化算法研究和应用的人员，尤其适合有一定算法基础而没有编程基础的人员阅读。

苏振裕，厦门大学金融学硕士，现任SHEIN 智慧供应链资深算法工程师。知乎专栏《从推公式到写代码》作者，运筹优化论坛（optimize.fun）的创建人。在大数据、人工智能、运筹优化和供应链方面，具有多年的相关算法研究及应用经验。

第1篇很优化算法与编程基础
第1章很优化算法概述2
1.1很优化算法简介3
1.2很优化算法的内容4
1.2.1规划论4
1.2.2库存论5
1.2.3图论6
1.2.4排队论7
1.2.5可靠性理论8
1.2.6对策论8
1.2.7决策论8
1.2.8搜索论9
1.3本章小结9
第2章Python编程方法10
2.1开发环境安装11
2.2编程基础：Python语法17
2.2.1基础数据结构与基本运算18
2.2.2关于Python的列表、元组、字典、集合18
2.2.3程序控制语句21
2.2.4函数21
2.2.5类与实例22
2.2.6迭代23
2.3数据分析：NumPy基础24
2.3.1NumPy基础数据结构24
2.3.2NumPy的随机数26
2.3.3NumPy矩阵运算28
2.3.4NumPy线性代数31
2.4Pandas基础32
2.4.1Pandas基础数据结构32
2.4.2Pandas基础统计函数35
2.4.3Pandas基础数据处理37
2.4.4分组统计39
2.4.5apply函数41
2.5Python绘图42
2.5.1常用图形43
2.5.2图形属性47
2.5.3组合图和子图49
2.5.4三维图51
2.5.5动态图55
2.6本章小结57
第3章Gurobi优化器58
3.1Gurobi的数据结构59
3.1.1Multidict59
3.1.2Tuplelist60
3.1.3Tupledict61
3.1.4应用范例62
3.2Gurobi的参数和属性65
3.2.1参数类型65
3.2.2修改参数75
3.2.3修改参数的例子75
3.2.4属性类型77
3.2.5查看修改属性85
3.2.6修改属性的例子85
3.3Gurobi线性化技巧85
3.3.1优选值max86
3.3.2最小值min88
3.3.3绝对值abs89
3.3.4逻辑与and90
3.3.5逻辑或or90
3.3.6指示函数indicator90
3.3.7带固定成本约束91
3.3.8分段线性函数91
3.4Gurobi多目标优化92
3.5callback函数96
3.5.1回调函数callback定义97
3.5.2状态where与值what97
3.5.3callback函数的功能98
3.6本章小结102
第2篇数学规划方法
第4章线性规划104
4.1线性规划的标准型105
4.2单纯形法105
4.2.1单纯形法的原理106
4.2.2单纯形法的过程106
4.2.3单纯形法代码111
4.3单纯形的数学规范型113
4.4内点法114
4.4.1内点法的原理114
4.4.2内点法过程115
4.4.3内点法代码118
4.5列生成法120
4.5.1列生成法的原理120
4.5.2列生成的过程123
4.6对偶问题126
4.6.1对偶问题的形式127
4.6.2对称形式对偶128
4.6.3对偶单纯形129
4.6.4对偶问题的应用130
4.7拉格朗日乘子法130
4.7.1无约束优化131
4.7.2等式约束优化131
4.7.3不等式约束优化132
4.7.4拉格朗日对偶134
4.8本章小结137
第5章整数规划138
5.1快速掌握Gurobi整数规划139
5.2分支定界法140
5.3割平面法142
5.4本章小结147
第6章多目标优化148
6.1多目标优化的一般形式149
6.2Pareto很优解149
6.3多目标优化求解方法151
6.4目标规划法152
6.4.1偏差变量153
6.4.2优先等级和权重系数153
6.4.3目标规划单纯形法154
6.4.4目标规划Gurobi实现158
6.5NSGA-Ⅱ159
6.6本章小结160
第3篇启发式算法
第7章动态规划162
7.1多阶段决策问题163
7.2动态规划的基本概念164
7.3动态规划的很优化原理165
7.4最短路径问题166
7.5使用整数规划解最短路径问题169
7.6背包问题170
7.7本章小结175
第8章图与网络分析176
8.1图的基本概念177
8.2图的矩阵表示178
8.3最小生成树179
8.4最短路径问题183
8.5网络优选流问题187
8.6路径规划190
8.7VRP问题196
8.8本章小结203
第9章智能优化算法204
9.1粒子群算法205
9.1.1粒子群算法原理205
9.1.2粒子群求解无约束优化问题207
9.1.3粒子群求解约束优化问题211
9.1.4粒子群求解旅行商问题218
9.2遗传算法225
9.2.1遗传算法原理225
9.2.2遗传算法的编码方法227
9.2.3遗传算法的选择操作230
9.2.4遗传算法求解无约束优化问题231
9.2.5遗传算法库Geatpy的介绍233
9.2.6使用Geatpy求解约束优化问题239
9.2.7使用Geatpy求解多目标优化问题241
9.3本章小结242