運(yùn)籌學(xué)（原書(shū)第2版）
定 價(jià)：199 元
叢書(shū)名：華章教育
- 作者：［美］ 羅納德 L.拉丁
- 出版時(shí)間：2018/6/1
- ISBN：9787111600336
- 出 版 社：機(jī)械工業(yè)出版社
- 中圖法分類(lèi)：O22
- 頁(yè)碼：
- 紙張：膠版紙
- 版次：
- 開(kāi)本：16開(kāi)
本書(shū)是羅納德L.拉丁所著的經(jīng)典教材，時(shí)隔18年首次修訂，面向本科生（姊妹篇DiscreteOptimization針對(duì)研究生階段的學(xué)生，1988年問(wèn)世），首版于1998年，被美國(guó)工業(yè)工程師協(xié)會(huì)（IIE）評(píng)選為年度圖書(shū)。本書(shū)宗旨是給不同學(xué)科背景的讀者提供運(yùn)籌學(xué)學(xué)習(xí)的全面指南。涵蓋運(yùn)籌學(xué)的全部?jī)?nèi)容（整數(shù)、非整數(shù)算法，網(wǎng)絡(luò)編程，動(dòng)態(tài)數(shù)學(xué)建模等），加入了眾多主題和案例，每種算法和分析都配有一個(gè)小故事和計(jì)算練習(xí)。修訂版本提升了本書(shū)作為本科生教材的難度，與研究生階段的內(nèi)容銜接更為緊密，同時(shí)又可作為研究、專(zhuān)業(yè)人員的自學(xué)和參考用書(shū)。已被普渡大學(xué)、加州大學(xué)歐文分校、華盛頓大學(xué)等高校采用。
前 言距離《運(yùn)籌學(xué)》（Optimization in Operations Research）第1版出版已近20年了。在此期間上千學(xué)生和百余名教師、研究人員和相關(guān)從業(yè)者有機(jī)會(huì)從本書(shū)的連貫性內(nèi)容和易讀性設(shè)計(jì)中受益。誠(chéng)然，這本書(shū)很難讓所有讀者都受益，但仍然有很多人通過(guò)書(shū)評(píng)或信件的方式表達(dá)了他們對(duì)這本書(shū)的贊許之情。美國(guó)工業(yè)工程師協(xié)會(huì)也高度評(píng)價(jià)了此書(shū)，并授予其1999年聯(lián)合出版年度圖書(shū)獎(jiǎng)。
在第2版中，我盡量保留了上一版中最好的部分，并在其基礎(chǔ)上加入了新的內(nèi)容。本書(shū)的編寫(xiě)目標(biāo)不變——給那些在學(xué)習(xí)過(guò)程中的高年級(jí)本科生或剛?cè)雽W(xué)的研究生以及參照本書(shū)自學(xué)的研究人員和業(yè)界相關(guān)從業(yè)者提供優(yōu)化建模和分析的工具，希望他們將學(xué)習(xí)到的相關(guān)知識(shí)技能與管理洞察力應(yīng)用在實(shí)際操作中，為以后的工作提供幫助。
本書(shū)第2版中增加了許多新內(nèi)容：
●在第4章隨機(jī)優(yōu)化問(wèn)題中，第一次引入了隨機(jī)規(guī)劃的相關(guān)內(nèi)容，并在第9章討論了馬爾可夫決策過(guò)程。
●關(guān)于線性規(guī)劃的討論，在第6章加入了兩種對(duì)偶方法（即encompass dual和primal-dual方法）。
●新內(nèi)容詳細(xì)整理了最優(yōu)化問(wèn)題的各種情況，包括第6章的線性規(guī)劃與第12章的割平面法。
●將匈牙利算法納入作業(yè)部分，并在第10章加入最小/最大生成樹(shù)方法的介紹。
●新加入的第13章介紹了大規(guī)模最優(yōu)化問(wèn)題的相關(guān)知識(shí)，包括延遲列生成算法、拉格朗日松弛定理、Dantzig-Wolfe分解與Benders分割法。
●新加入的第14章介紹了有關(guān)計(jì)算復(fù)雜度的各種理論，以便更精確地比較問(wèn)題和算法。
●有關(guān)非線性規(guī)劃的第17章現(xiàn)在涵蓋了比較流行的序列二次規(guī)劃方法。
●在整本教材中提高了數(shù)學(xué)的嚴(yán)謹(jǐn)性，比如細(xì)化了相關(guān)計(jì)算步驟。
為了滿足讀者的興趣和需求，本書(shū)加入了很多新內(nèi)容，使得關(guān)于最優(yōu)化和數(shù)學(xué)規(guī)劃問(wèn)題的討論更加全面。這些內(nèi)容涵蓋線性規(guī)劃、整數(shù)規(guī)劃、非線性規(guī)劃、網(wǎng)絡(luò)規(guī)劃和動(dòng)態(tài)規(guī)劃模型及算法，以及這些問(wèn)題應(yīng)用領(lǐng)域的豐富案例。
由于本書(shū)內(nèi)容面廣，顯然許多讀者閱讀和課程教學(xué)中很少會(huì)用到整本書(shū)的內(nèi)容，也不會(huì)按照書(shū)中內(nèi)容順序來(lái)使用。所以，我盡量合理組織各章節(jié)內(nèi)容，讓它們盡可能通俗易懂并易于跳躍、重復(fù)閱讀。
章節(jié)之間互相依賴(lài)的內(nèi)容已盡可能刪減，留下的部分也有清晰的引用標(biāo)注。預(yù)備知識(shí)簡(jiǎn)明地梳理了與所學(xué)內(nèi)容相關(guān)的基礎(chǔ)知識(shí)。而定義、原理和算法被安排在顯眼的框圖中，便于讀者查詢和理解。當(dāng)需要更多篇幅涉及計(jì)算和延伸討論等細(xì)節(jié)內(nèi)容時(shí)，為了易于閱讀，它們被概括總結(jié)到例題中。每個(gè)章節(jié)最后都配有練習(xí)題，題前有相關(guān)圖標(biāo)標(biāo)識(shí)哪些題目需要電腦軟件（）、計(jì)算器（）和在網(wǎng)站配有參考答案（）。
為了能讓不同知識(shí)背景的讀者都感到最優(yōu)化問(wèn)題的教材有趣且易讀，需要將最優(yōu)化模型和問(wèn)題相結(jié)合，這是我在撰寫(xiě)此書(shū)時(shí)一個(gè)堅(jiān)定的想法。所以在應(yīng)用案例中每個(gè)算法和分析都由一個(gè)簡(jiǎn)短的故事引入。而且在練習(xí)題中，計(jì)算題也通常會(huì)先將問(wèn)題模型化。這些故事大部分都源于真實(shí)的運(yùn)籌學(xué)案例。故事的設(shè)定有時(shí)看起來(lái)不太自然，但都能幫助讀者理解模型的決策變量、約束和目標(biāo)以及計(jì)算的步驟。比如相比于單單一個(gè)抽象的數(shù)學(xué)函數(shù)，故事中的某些變量能隨著算法的引入而改善，那么這種改善建議就會(huì)給讀者更直觀的感受。同樣，如果讀者能體會(huì)到一些現(xiàn)實(shí)決策本質(zhì)上是判斷是否引入某項(xiàng)行動(dòng)時(shí)，就更容易理解二元決策變量的含義了。
一般人認(rèn)為學(xué)生通過(guò)作業(yè)練習(xí)題能更好地掌握相關(guān)的知識(shí)。這也是第2版延續(xù)第1版的傳統(tǒng)，在每個(gè)章節(jié)最后加入練習(xí)題的原因。其中一些練習(xí)題摘自教材第1版，而大部分是新的或改良后的題目。這些題目涵蓋范圍十分廣泛，有關(guān)于算法細(xì)節(jié)、定義及性質(zhì)的證明題，用以加強(qiáng)對(duì)方法的理解；也加入了大量定量計(jì)算的練習(xí)題，包括對(duì)小型案例解決方法的說(shuō)明與驗(yàn)證，和更加復(fù)雜困難的應(yīng)用題的案例介紹。它們改編自實(shí)際運(yùn)籌問(wèn)題，有助于鍛煉讀者的數(shù)理能力。
早期最優(yōu)化問(wèn)題入門(mén)級(jí)教材很大程度關(guān)注于如何依靠算法來(lái)計(jì)算小案例的解。但隨著現(xiàn)今實(shí)際問(wèn)題逐漸改由大型計(jì)算機(jī)軟件計(jì)算，教材有時(shí)會(huì)將注意力局限在構(gòu)建數(shù)據(jù)集合而非算法——將計(jì)算過(guò)程本身看作黑箱。
我盡量避免了上述的兩種極端。如果學(xué)生想掌握計(jì)算過(guò)程所基于的原理，那么實(shí)例的圖解和算法實(shí)現(xiàn)就是十分重要的。本書(shū)第2版延續(xù)了上一版的模式，在介紹新概念時(shí)將篇幅著重于算法實(shí)現(xiàn)和求解過(guò)程。但是，沒(méi)有讀者會(huì)僅僅看到算法應(yīng)用到小型例子中就能真切感受到最優(yōu)化方法的力量，所以第1版和第2版的大部分案例和練習(xí)中都要求學(xué)生在課上使用軟件求解更加龐大復(fù)雜的問(wèn)題。這些問(wèn)題不像小案例那樣易于觀察到答案，需要應(yīng)用正確的求解方法。此外，書(shū)中一些部分還涉及了建模編程語(yǔ)言，例如AMPL。
本書(shū)的讀者既有本科生也有低年級(jí)研究生，在平衡兩類(lèi)學(xué)生對(duì)于內(nèi)容接受程度的過(guò)程中，最大的挑戰(zhàn)就是數(shù)理內(nèi)容嚴(yán)謹(jǐn)性的問(wèn)題。初級(jí)教材僅簡(jiǎn)單介紹計(jì)算方法的內(nèi)容，而很少證明其正確性。進(jìn)階的教材通常很快進(jìn)入嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)定理和公式的證明，幾乎不包含任何關(guān)于基本策略和思路的討論。
在第1版中我努力縮小兩者的差異，在書(shū)中不僅關(guān)注于方法背后的策略和思路，同時(shí)提供
目 錄
譯者序
前 言
作者簡(jiǎn)介
第1章 運(yùn)用數(shù)學(xué)模型解決問(wèn)題1
1.1 運(yùn)籌學(xué)應(yīng)用案例1
1.2 優(yōu)化及運(yùn)籌學(xué)方法的步驟3
1.3 系統(tǒng)邊界、敏感性分析、易處理性以及有效性7
1.4 描述性模型與仿真模擬9
1.5 數(shù)值搜索，精確解與啟發(fā)解12
1.6 確定模型與隨機(jī)模型14
1.7 本章小結(jié)16
練習(xí)題17
第2章 運(yùn)籌學(xué)中的確定性優(yōu)化模型19
2.1 決策變量、約束條件以及目標(biāo)函數(shù)19
2.2 圖解法和最優(yōu)化產(chǎn)出22
2.3 大型優(yōu)化模型及其標(biāo)引32
2.4 線性規(guī)劃與非線性規(guī)劃38
2.5 離散（或者整數(shù)）規(guī)劃43
2.6 多目標(biāo)優(yōu)化模型50
2.7 優(yōu)化模型分類(lèi)小結(jié)54
2.8 計(jì)算機(jī)求解技術(shù)以及AMPL54
練習(xí)題61
參考文獻(xiàn)76
第3章 搜索算法77
3.1 搜索算法、局部和全局最優(yōu)77
3.2 沿可行改進(jìn)方向的搜索86
3.3 可行改進(jìn)方向的代數(shù)條件93
3.4 線性目標(biāo)和凸集的易處理性102
3.5 尋找初始可行解109
練習(xí)題116
參考文獻(xiàn)119
第4章 線性規(guī)劃120
4.1 資源分配模型120
4.2 混料模型124
4.3 運(yùn)營(yíng)規(guī)劃模型128
4.4 排班和人員規(guī)劃模型137
4.5 多階段模型141
4.6 可線性化的非線性目標(biāo)模型146
4.7 隨機(jī)規(guī)劃152
練習(xí)題157
參考文獻(xiàn)175
第5章 線性規(guī)劃的單純形法176
5.1 線性規(guī)劃的最優(yōu)解和標(biāo)準(zhǔn)型176
5.2 頂點(diǎn)搜索和基本解187
5.3 單純形法196
5.4 字典和單純形表204
5.5 兩階段法208
5.6 退化與零步長(zhǎng)217
5.7 單純形法的收斂和循環(huán)220
5.8 力求高效：修正單純形法222
5.9 有簡(jiǎn)單上下限的單純形法233
練習(xí)題240
參考文獻(xiàn)245
第6章 線性規(guī)劃的對(duì)偶理論與靈敏度分析246
6.1 通用的活動(dòng)視角與資源視角246
6.2 對(duì)線性規(guī)劃模型系數(shù)變化的定性靈敏度分析250
6.3 線性規(guī)劃模型系數(shù)靈敏度的定量分析：對(duì)偶模型259
6.4 構(gòu)造線性規(guī)劃的對(duì)偶問(wèn)題267
6.5 計(jì)算機(jī)輸出結(jié)果與單個(gè)參數(shù)變化的影響271
6.6 模型大幅度改動(dòng)，再優(yōu)化以及參數(shù)規(guī)劃285
6.7 線性規(guī)劃中的對(duì)偶問(wèn)題和最優(yōu)解292
6.8 對(duì)偶單純形法的搜索304
6.9 原始—對(duì)偶單純形法搜索308
練習(xí)題313
參考文獻(xiàn)327
第7章 線性規(guī)劃內(nèi)點(diǎn)法328
7.1 在可行域內(nèi)部搜索328
7.2 對(duì)當(dāng)前解進(jìn)行尺度變換336
7.3 仿射尺度變換搜索342
7.4 內(nèi)點(diǎn)搜索的對(duì)數(shù)障礙法348
7.5 原始對(duì)偶內(nèi)點(diǎn)法358
7.6 線性規(guī)劃搜索算法的復(fù)雜性364
練習(xí)題365
參考文獻(xiàn)371
第8章 目標(biāo)規(guī)劃372
8.1 多目標(biāo)優(yōu)化模型372
8.2 有效點(diǎn)和有效邊界377
8.3 搶占式優(yōu)化和加權(quán)目標(biāo)382
8.4 目標(biāo)規(guī)劃387
練習(xí)題396
參考文獻(xiàn)407
第9章 最短路與離散動(dòng)態(tài)規(guī)劃408
9.1 最短路模型408
9.2 利用動(dòng)態(tài)規(guī)劃解決最短路問(wèn)題415
9.3 一對(duì)多的最短路問(wèn)題：貝爾曼—福特算法422
9.4 多對(duì)多最短路問(wèn)題：弗洛伊德—瓦爾肖算法428
9.5 無(wú)負(fù)權(quán)一對(duì)多最短路問(wèn)題：迪杰斯特拉算法435
9.6 一對(duì)多無(wú)環(huán)圖最短路問(wèn)題440
9.7 CPM項(xiàng)目計(jì)劃和最長(zhǎng)路444
9.8 離散動(dòng)態(tài)規(guī)劃模型450
9.9 利用動(dòng)態(tài)規(guī)劃解決整數(shù)規(guī)劃問(wèn)題458
9.10 馬爾科夫決策過(guò)程461
練習(xí)題466
參考文獻(xiàn)476
第10章 網(wǎng)絡(luò)流與圖477
10.1 圖、網(wǎng)絡(luò)與流477
10.2 用于網(wǎng)絡(luò)流搜索的圈方向487
10.3 消圈算法求最優(yōu)流497
10.4 網(wǎng)絡(luò)單純形法求最優(yōu)流504
10.5 最優(yōu)網(wǎng)絡(luò)流的整性512
10.6 運(yùn)輸及分配模型514
10.7 用匈牙利算法求解分配問(wèn)題521
10.8 最大流與最小割527
10.9 多商品及增益／損耗流533
10.10 最�。畲笊蓸�(shù)539
練習(xí)題544
參考文獻(xiàn)560
第11章 離散優(yōu)化模型561
11.1 塊狀/批量線性規(guī)劃及固定成本561
11.2 背包模型與資本預(yù)算模型566
11.3 集合包裝、覆蓋和劃分模型571
11.4 分配模型及匹配模型579
11.5 旅行商和路徑模型588
11.6 設(shè)施選址和網(wǎng)絡(luò)設(shè)計(jì)模型596
11.7 處理機(jī)調(diào)度及排序模型602
練習(xí)題613
參考資料630
第12章 離散優(yōu)化求解方法631
12.1 全枚舉法求解631
12.2 離散優(yōu)化模型的松弛模型及其應(yīng)用633
12.3 分支定界搜索649
12.4 分支定界法的改良660
12.5 分支切割法671
12.6 有效不等式組676
12.7 割平面理論681
練習(xí)題688
參考資料702
第13章 大規(guī)模優(yōu)化方法703
13.1 列生成算法和分支定價(jià)算法703
13.2 拉格朗日松弛算法713
13.3 Dantzig-Wolfe分解算法726
13.4 Benders分解算法731
練習(xí)題737
參考文獻(xiàn)742
第14章 計(jì)算復(fù)雜性理論743
14.1 問(wèn)題、實(shí)例和求解的難度743
14.2 衡量算法復(fù)雜性及問(wèn)題的難度745
14.3 可解問(wèn)題的多項(xiàng)式時(shí)間驗(yàn)證標(biāo)準(zhǔn)748
14.4 多項(xiàng)式可解和非確定多項(xiàng)式可解749
14.5 多項(xiàng)式時(shí)間歸約和NP難問(wèn)題753
14.6 P問(wèn)題和NP問(wèn)題755
14.7 求解NP難問(wèn)題757
練習(xí)題760
參考文獻(xiàn)764
第15章 離散優(yōu)化的啟發(fā)式算法765
15.1 構(gòu)造型啟發(fā)式算法765
15.2 針對(duì)離散優(yōu)化INLPs問(wèn)題改進(jìn)搜索啟發(fā)式算法771
15.3 元啟發(fā)式算法：禁忌搜索和模擬退火777
15.4 進(jìn)化元啟發(fā)式算法和遺傳算法784
練習(xí)題787
參考文獻(xiàn)793
第16章 無(wú)約束的非線性規(guī)劃794
16.1 無(wú)約束非線性規(guī)劃模型794
16.2 一維搜索803
16.3 導(dǎo)數(shù)、泰勒級(jí)數(shù)和多維的局部最優(yōu)解條件812
16.4 凹凸函數(shù)和全局最優(yōu)822
16.5 梯度搜索827
16.6 牛頓法831
16.7 擬牛頓法和BFGS搜索835
16.8 無(wú)導(dǎo)數(shù)優(yōu)化和Nelder-Mead法842
練習(xí)題849
參考文獻(xiàn)854
第17章 帶約束的非線性規(guī)劃855
17.1 帶約束的非線性規(guī)劃模型855
17.2 特殊的NLP：凸規(guī)劃、可分離規(guī)劃、二次規(guī)劃和正項(xiàng)幾何規(guī)劃862
17.3 拉格朗日乘子法876
17.4 KARUSH-KUHN-TUCKER最優(yōu)性條件882
17.5 懲罰與障礙法890
17.6 既約梯度法898
17.7 二次規(guī)劃求解方法909
17.8 序列二次規(guī)劃917
17.9 可分離規(guī)劃方法920
17.10 正項(xiàng)幾何規(guī)劃方法927
練習(xí)題934
參考文獻(xiàn)945
書(shū)單推薦
