说明：Lagrange乘子法用于解约束最优化问题

Lagrange乘子 乘子法约束 Lagrange-multiplier 约束最优化 lagrange

说明：约束最优化方法－－最速下降法(也叫梯度法)，是人们用来求多个变量函数极值问题的最早的一种方法。

约束极值 最优化 gradient-methods gradient-descent matlab-优化

说明：用拉格朗日乘子法求解约束最优化问题，很好的实例程序。

优化程序 拉格朗日乘子 拉格朗日法 朗格朗日乘子 lamao

说明：求解约束优化问题的改进粒子群优化算法,实现求解带各种约束条件的优化问题，输入条件，初始条件，以及设定参数，输出数值，最优解位置以及函数极小值。

约束优化 粒子群优化算法 约束条件 函数极小值

说明：拟牛顿法和最速下降法(Steepest Descent Methods)一样只要求每一步迭代时知道目标函数的梯度。通过测量梯度的变化，构造一个目标函数的模型使之足以产生超线性收敛性。这类方法大大优于最速下降法，尤其对于困难的问题。另外，因为拟牛顿法不需要二阶导数的信息，所以有时比牛顿法(Newton...

拟牛顿迭代法 无约束优化 拟牛顿法 导数约束 优化 s函数

说明：The alternating direction method of multipliers优化算法。简称ADMM，是机器学习中比较广泛使用的约束问题最优化方法。

ADMM ADMM方法

说明：排课问题是一个有约束的、多目标的组合优化问题，并且已经被证明是一个NP完全问题。 遗传算法借鉴生物界自然选择和自然遗传机制，使用群体搜索技术，尤其是用于处理传统搜索方法难以解决的复杂的和非线性的问题。经过近40年的发展，遗传算法在理论研究和实际应用中取得了巨大的成功，本文将遗传算法用于排课问题的求解...

排课 排课问题 solving fuzzy 排课约束 NP排课 适应度函数