运筹学——优化模型与算法
作者：（美）拉丁（Rardin，R.L.)著
ISBN：10位［7121049252］13位［9787121049255］
出版社：电子工业出版社
出版日期：2007-9-1
定价：￥89.00元
内容提要本书是一本适应当今运筹学发展趋势的优秀的综合性入门教材，主要特点是重视建模和算法的结合，引入了相关的建模工具以及用其进行模型开发的基本技巧。全书共分14章，前3章介绍数学模型的问题求解和改进搜索的基本概念与原理，其余内容则覆盖了确定型优化领域的几乎全部内容，除了传统的线性规划的模型、算法、对偶理论和灵敏度分析等内容以外，还包括了网络流、整数／组合优化、非线性规划和目标规划等领域的基本模型和主要算法。此外，本书还包含了遗传算法、模拟退火、禁忌搜索和分支切割算法等前沿内容。全书采用统一的理论框架，以简单的“改进搜索”思路贯穿始终，全面且循序渐进地演绎了各种优化算法和方法，包括传统的单纯形法、牛顿法、网络流算法以及各种启发式算法，使读者感受到每次引入的新算法都建立在以往算法的基础上，直观且逻辑性强，易于理解。本书收录了丰富的实际案例，并有大量上机习题，便于理论结合实践。
编辑推荐本书是一本适应当今运筹学发展趋势的优秀的综合性入门教材，主要特点是重视建模和算法的结合，引入了相关的建模工具以及用其进行模型开发的基本技巧。全书共分14章，前3章介绍数学模型的问题求解和改进搜索的基本概念与原理，其余内容则覆盖了确定型优化领域的几乎全部内容，除了传统的线性规划的模型、算法、对偶理论和灵敏度分析等内容以外，还包括了网络流、整数／组合优化、非线性规划和目标规划等领域的基本模型和主要算法。此外，本书还包含了遗传算法、模拟退火、禁忌搜索和分支切割算法等前沿内容。全书采用统一的理论框架，以简单的“改进搜索”思路贯穿始终，全面且循序渐进地演绎了各种优化算法和方法，包括传统的单纯形法、牛顿法、网络流算法以及各种启发式算法，使读者感受到每次引入的新算法都建立在以往算法的基础上，直观且逻辑性强，易于理解。本书收录了丰富的实际案例，并有大量上机习题，便于理论结合实践。
作者简介ROilaldL，Rardin，美国数学规划和优化理论及其应用运筹学方面的著名学者。于1974年从佐治亚理工学院获得博士学位，长期任普度大学工业工程系教授、普度大学能源建模研究组(PEMRG)主任和Regenstrief医疗保健工程研究中心(RCHE)主任，还曾担任美国国家自然科学基金会运筹学和服务企业项目主任。Raldin教授的教学和研究重点是大规模优化的建模与算法，包括在医疗保健系统、交通与物流系统以及能源规划方面的应用。他曾四次荣获普度大学在工业工程方面的Pritsker杰出教学奖，是美国工业工程学会、运筹学与管理科学学会以及数学规划学会的会员。Rardin教授现已加入阿肯色大学。
目录CHAPTERIPROBLEMSOLVINGWITHMATHEMATICALMODELS
1.1ORApplicationStories
1.2OptimizationandtheOperationsResearchProcess
1.3SystemBoundaries,SensitivityAnalysis,TractabilityandValidity
1.4DescriptiveModelsandSimulation
1.5NumericalSearchandExactversusHeuristicSolutions
1.6DeterministicversusStochasticModels
1.7Perspectives
Exercises
CHAPTER2DETERMINISTICOPTIMIZATIONMODELSINOPERATIONSRESEARCH
2.1DecisionVariables,Constraints,andObjectiveFunctions
2.2GraphicSolutionandOptimizationOutcomes
2.3Large-ScaleOptimizationModelsandIndexing
2.4LinearandNonlinearPrograms
2.5DiscreteorIntegerPrograms
2.6MultiobjectiveOptimizationModels
2.7ClassificationSummary
Exercises
CHAPTER3IMPROVINGSEARCH
3.1ImprovingSearch,LocalandGlobalOptima
3.2SearchwithImprovingandFeasibleDirections
3.3AlgebraicConditionsforImprovingandFeasibleDirections
3.4UnimodelandConvexModelFormsTractableforImprovingSearch
3.5SearchingandStartingFeasibleSolutions
Exercises
CHAPTER4LINEARPROGRAMMINGMODELS
4.1AllocationModels
4.2BlendingModels
4.3OperationsPlanningModels
4.4ShiftSchedulingandStaffPlanningModels
4.5Time-PhasedModels
4.6ModelswithLinearizableNonlinearObjectives
Exercises
CHAPTER5SIMPLEXSEARCHFORLINEARPROGRAMMING
5.1LPOptimalSolutionsandStandardForm
5.2Extreme-PointSearchandBasicSolutions
5.3TheSimplexAlgorithm
5.4DictionaryandTableauRepresentationsofSimplex
5.5TwoPhaseSimplex
5.6DegeneracyandZero-LengthSimplexSteps
5.7ConvergenceandCyclingwithSimplex
5.8DoingItEfficiently:RevisedSimplex
5.9SimplexwithSimpleUpperandLowerBounds
Exercises
CHAPTER6INTERIORPOINTMETHODSFORLINEARPROGRAMMING
6.1SearchingthroughtheInterior
6.2ScalingwiththeCurrentSolution
6.3AffineScalingSearch
6.4LogBarrierMethodsforInteriorPointSearch
6.5DualandPrimal-DualExtensions
Exercises
CHAPTER7DUALITYANDSENSITIVITYINLINEARPROGRAMMING
7.1GenericActivitiesversusResourcesPerspective
7.2QualitativeSensitivitytoChangesinModelCoefficients
7.3QuantifyingSensitivitytoChangesinLPModelCoefficients:ADualModel
7.4FormulatingLinearProgrammingDuals
7.5Primal-to-DualRelationships
7.6ComputerOutputsandWhatIfChangesofSingleParameters
7.7BiggerModelChanges,Reoptimization,andParametricProgramming
Exercises
CHAPTER8MULTIOBYECTIVEOPTIMIZATIONANDGOALPROGRAMMING
8.1MultiobjectiveOptimizationModels
8.2EfficientPointsandtheEfficientFrontier
8.3PreemptiveOptimizationandWeightedSumsofObjectives
8.4GoalProgramming
Exercises
CHAPTER9SHORTESTPATHSANDDISCRETEDYNAMIC
CHAPTER10NETWORKFLOWS
CHAPTER11DISCRETEOPTIMIZATIONMODELS
CHAPTER12DISCRETEOPTIMIZATIONMETHODS
CHAPTER13UNCONSTRAINEDNONLNEARPROGRAMMING
CHAPTER14CONSTRAINEDNONLINEARPROGRAMMING
SELECTEDANSWERS
INDEX