批调度与网络问题的组合算法 李曙光,于立萍,宋英杰,张斌 人民邮电出版社 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

李曙光，于立萍，宋英杰，张斌 著

图书标签:

• 批调度
• 网络优化
• 组合算法
• 启发式算法
• 运筹学
• 优化算法
• 人工智能
• 计算机科学
• 工业工程
• 排程问题

店铺： 煜城弘毅图书专营店

出版社： 人民邮电出版社

ISBN：9787115455956

商品编码：30049572024

包装：平装-胶订

出版时间：2017-06-01

图书基本信息
图书名称	批调度与网络问题的组合算法	作者	李曙光,于立萍,宋英杰,张斌
定价	39.00元	出版社	人民邮电出版社
ISBN	9787115455956	出版日期	2017-06-01
字数		页码
版次	1	装帧	平装-胶订
开本	大32开	商品重量	0.4Kg

内容简介

本书以作者在算法设计领域的研究成果为基础，给出了求解批调度问题的一系列组合算法，以及求解网络优化问题的若干组合算法。主要研究了极小化加权完工时间和、*延迟和*完工时间3种调度目标函数，以及网络中的呼叫接纳、利润极大化和t区间的k染色问题等。本书可作为从事调度理论、组合*化、算法设计与应用科技人员的参考书。

作者简介

山东工商学院计算机学院副教授。1993年大本毕业于山东师范大学数学系；2001年7月硕士研究生毕业于山东大学数学与系统科学学院并获运筹学专业硕士学位；2007年7月博士研究生毕业于山东大学数学与系统科学学院并获运筹学专业博士学位；2011年12月山东大学计算机学院博士后出站。2012年4月至10月在美国佐治亚大学做访问学者。研究方向为组合*化与理论计算机科学。研究领域包括图论和调度理论。

目录

章 绪论 第二章 极小化加权完工时间和的批机器并行调度 章 绪论1 1.1 背景知识1 1.2 算法复杂性的若干基础概念4 第2章 极小化加权完工时间和的批机器并行调度6 2.1 引言6 2.2 预备知识8 2.3 小工件10 2.4 一般问题13 2.4.1 动态规划框架13 2.4.2 工件子集的压缩表示14 2.4.3 在一个块中调度工件19 2.5 结语22 第3章 极小化加权完工时间和的无界批机器并行调度23 3.1 引言23 3.2 预备知识24 3.3 动态规划26 3.4 工件子集的压缩表示27 3.5 在一个块中调度工件29 3.6 结语32 第4章 极小化大延迟的批机器并行调度33 4.1 引言33 4.2 预备知识35 4.3 小工件分批38 4.4 调度工件42 4.5 结语46 第5章 工件具有尺寸的极小化大完工时间的单机批调度48 5.1 引言48 5.2 预备知识50 5.3 SBPP问题的多项式时间近似方案50 5.3.1 简化输入51 5.3.2 短工件52 5.3.3 一般情形55 5.4 问题BPP的一个 ( )-近似算法59 第6章 环形网呼叫接纳控制61 6.1 引言61 6.2 预备知识62 6.3 无向环形网63 6.4 有向环形网69 6.5 结语70 第7章 多纤网利润极大化71 7.1 引言71 7.2 多纤链网73 7.3 多纤环形网76 7.4 均匀多纤环形网77 7.5 结语79 第8章 圈上t-区间的k-染色80 8.1 引言80 8.2 预备知识81 8.3 一个3.042-近似算法82 8.4 结语84 附录A 符号说明85 参考文献87

编辑推荐

1.本书不单单研究市面书籍中的调度问题更研究分析了批调度问题，更加贴近实际应用。2.批调度产生于大规模的生产流水作业线，有很好的应用前景。3.优质、快速地求解调度问题，有重要的理论和应用意义。

文摘

序言

《现代运筹学与优化方法导论》 内容简介： 本书全面系统地介绍了现代运筹学和优化方法的核心理论、关键技术与前沿应用，旨在为读者提供一个深入理解和掌握运筹学复杂问题的坚实基础。本书并非针对特定领域或单一类问题的算法集合，而是着眼于构建一种普适性的思维框架和解决问题的通用工具箱。内容涵盖从经典的数学规划到新兴的智能优化算法，旨在揭示不同方法之间的内在联系，以及它们在解决现实世界中的各类优化挑战时的适用性与局限性。 第一部分：运筹学基础理论与建模 本部分奠定了读者理解后续章节的基础，深入剖析了运筹学问题的本质，并指导读者如何将实际问题转化为数学模型。 第一章：运筹学概述与建模基础 1.1 运筹学是什么？ 本章将从历史渊源、学科内涵、研究范畴以及其在现代社会中的重要作用等方面，全面介绍运筹学。我们将探讨运筹学如何作为一门跨学科的科学，运用科学方法和数学工具来解决复杂的决策问题，优化资源配置，提高效率和效益。 1.2 决策问题与优化思想 深入阐述“决策”与“优化”的核心概念，分析不同类型决策问题的特征，如确定性决策、不确定性决策、竞争性决策等。重点强调优化思想在运筹学中的核心地位，包括目标函数、约束条件、可行域、最优解等基本要素。 1.3 数学建模的基本原则与步骤 本节将详细介绍将现实世界中的复杂问题抽象成数学模型的过程。我们将分解建模的四个关键步骤：理解问题、识别变量、设定目标函数、构建约束条件。并强调模型简化、假设合理性、以及模型验证的重要性。 1.4 常见优化模型的分类与特点 介绍不同类型的数学模型，如线性规划模型、整数规划模型、非线性规划模型、动态规划模型、随机规划模型等。对每种模型的结构、适用场景、以及其所反映的现实问题特征进行清晰的界定。 1.5 模型应用案例入门 通过一系列简单但典型的实际案例，如生产计划、库存管理、路径选择等，演示如何应用运筹学思维和初步的建模技术来分析和解决问题，帮助读者建立直观的理解。 第二章：线性规划及其基础 2.1 线性规划模型构建 深入探讨线性规划（LP）模型的标准形式、一般形式以及如何根据实际问题构建LP模型。重点在于如何将目标函数和约束条件表示为线性的代数表达式。 2.2 图解法与基本概念 对于只有两个变量的LP问题，介绍直观的图解法，帮助理解可行域、顶点、最优解等基本概念。 2.3 单纯形法原理与操作 详细讲解求解线性规划问题的经典算法——单纯形法。包括算法的几何意义、代数构造、表上作业法、以及如何处理退化、无界解和无可行解的情况。 2.4 对偶理论及其经济解释 介绍对偶理论，包括对偶问题、弱对偶定理、强对偶定理。阐述对偶变量的经济意义，如影子价格，以及对偶理论在敏感性分析和问题理解方面的作用。 2.5 灵敏度分析 讲解如何进行灵敏度分析，研究模型参数（目标函数系数、约束右端值）变化对最优解的影响。这对实际应用中的决策调整至关重要。 第三章：整数规划与混合整数规划 3.1 整数规划模型 介绍当决策变量必须取整数时的整数规划（IP）模型。讨论纯整数规划、0-1整数规划、混合整数规划（MIP）等变体。 3.2 分枝定界法 详细讲解求解整数规划问题的经典算法——分枝定界法（Branch and Bound）。阐述其分枝策略、定界方法（通常利用LP松弛），以及剪枝规则。 3.3Cutting Plane方法 介绍另一种求解整数规划的方法——割平面法（Cutting Plane）。解释如何通过增加割平面来逐步收敛到整数最优解。 3.4 混合整数规划的应用 聚焦于混合整数规划在实际问题中的广泛应用，如选址、调度、排班、网络设计等，展示其强大的建模能力。 第二部分：网络流理论与应用 本部分将深入研究在网络结构中存在的优化问题，这些问题在交通、通信、物流等领域具有极其重要的应用价值。 第四章：网络流模型基础 4.1 网络的基本概念 定义图、有向图、无向图、路径、回路、连通性等基本图论概念，为后续网络流问题的讨论打下基础。 4.2 最大流问题 介绍最大流问题，即在网络中找到一条或多条路径，使得从源点到汇点的总流量最大。 4.3 最小割问题 介绍与最大流问题密切相关的最小割问题，并阐述其与最大流问题之间的重要关系（最大流最小割定理）。 4.4 最小费用最大流问题 引入成本概念，讨论在满足最大流量要求的同时，如何最小化总成本。 4.5 传递问题 介绍传递问题，如任务分配、资源调度等，它们可以通过网络流模型来解决。 第五章：经典网络流算法 5.1 Ford-Fulkerson算法族 介绍Ford-Fulkerson方法的基本思想，并深入讲解其两个著名的实现算法：Edmonds-Karp算法（基于BFS寻找增广路径）和Dinic算法（基于分层图）。 5.2 最小费用流算法 介绍解决最小费用流问题的算法，如Successive Shortest Path算法（基于Bellman-Ford或SPFA，以及Dijkstra与势能）和Cycle Canceling算法。 5.3 判定性算法示例 讨论一些用于判定网络性质的算法，如判断网络是否连通、是否存在特定路径等。 第三部分：组合优化与启发式算法 本部分将关注那些解的取值是离散的、可能难以用传统数学规划方法高效求解的问题，并介绍各种启发式和元启发式算法。 第六章：组合优化问题概述 6.1 组合优化的特点与挑战 阐述组合优化问题的本质，即在有限的、离散的选项集合中寻找最优解。讨论其NP-hard性质以及带来的求解困难。 6.2 经典组合优化问题 介绍一系列经典的组合优化问题，如旅行商问题（TSP）、车辆路径问题（VRP）、背包问题（Knapsack Problem）、集合覆盖问题（Set Cover Problem）、图着色问题（Graph Coloring Problem）等。 6.3 组合优化的建模技巧 探讨如何将组合优化问题转化为整数规划模型，以及其潜在的建模挑战。 第七章：贪婪算法与精确算法 7.1 贪婪算法的设计原则 介绍贪婪算法的设计思想，即在每一步都做出局部最优的选择，以期达到全局最优。 7.2 贪婪算法的应用与局限性 演示贪婪算法在某些问题（如活动选择、霍夫曼编码）上的成功应用，并讨论其不能保证全局最优的情况。 7.3 精确算法的局限性 进一步强调对于NP-hard问题，精确算法（如穷举搜索、回溯法、分枝定界法）的计算复杂度随着问题规模的增长呈指数级增长，其在大型实例上变得不可行。 第八章：启发式与元启发式算法 8.1 启发式算法的理念 介绍启发式算法的核心思想：通过经验法则、直观判断或简化的搜索策略，快速找到一个“足够好”的解，而非严格的最优解。 8.2 局部搜索算法 详细介绍局部搜索算法，包括其基本框架、邻域结构的设计、以及何时停止搜索。 8.3 元启发式算法 深入讲解各类元启发式算法，如： 模拟退火算法（Simulated Annealing）： 借鉴物理退火过程，允许算法在搜索过程中以一定概率接受较差的解，以跳出局部最优。 禁忌搜索算法（Tabu Search）： 利用禁忌列表记忆和避免重复访问已搜索过的区域，引导搜索方向。 遗传算法（Genetic Algorithm）： 模拟生物进化过程，通过选择、交叉、变异等操作产生下一代种群，并逐步优化。 蚁群优化算法（Ant Colony Optimization）： 模仿蚂蚁觅食行为，通过信息素的积累和挥发来引导搜索。 粒子群优化算法（Particle Swarm Optimization）： 借鉴鸟群或鱼群觅食行为，通过粒子间的协作和信息共享来搜索最优解。 8.4 元启发式算法的融合与改进 讨论如何结合不同元启发式算法的优点，以及如何针对具体问题设计和调优算法参数。 第四部分：高级主题与未来展望 本部分将进一步拓展读者的视野，介绍一些更高级的优化技术，并展望运筹学和优化方法的未来发展方向。 第九章：约束规划与多目标优化 9.1 约束规划（Constraint Programming） 介绍约束规划的基本概念，如变量、域、约束，以及其在解决组合爆炸问题方面的优势，与数学规划方法的互补性。 9.2 多目标优化理论 阐述多目标优化问题的特点，即存在多个相互冲突的目标需要同时优化。介绍Pareto最优性、Pareto前沿等概念。 9.3 多目标优化方法 介绍处理多目标优化问题的常用方法，如加权求和法、ε-约束法、以及适用于启发式搜索的多目标进化算法。 第十章：鲁棒优化与随机优化 10.1 不确定性下的优化 讨论在数据不确定或存在随机性的情况下如何进行优化决策。 10.2 鲁棒优化 介绍鲁棒优化（Robust Optimization）的思想，即寻求在最坏情况下表现良好的解，以应对参数的不确定性。 10.3 随机规划 介绍随机规划（Stochastic Programming）方法，如两阶段随机规划，以及如何利用概率分布来建模和求解问题。 第十一章：机器学习与运筹学的交叉 11.1 机器学习在优化中的应用 探讨机器学习（如强化学习）如何用于学习优化策略、发现新的优化算法或对现有算法进行参数调优。 11.2 运筹学在机器学习中的应用 讨论运筹学技术（如凸优化、组合优化）如何应用于机器学习模型的训练、特征选择、模型解释等方面。 11.3 深度学习与优化 介绍深度学习在解决复杂优化问题中的潜力，以及端到端可学习优化算法的兴起。 第十二章：现代运筹学的挑战与未来趋势 12.1 大规模与高维问题 讨论当前运筹学面临的大规模、高维度数据和复杂模型的挑战。 12.2 动态与实时优化 展望对动态变化环境下的实时优化需求，以及相关技术的发展。 12.3 可解释性与公平性 强调在智能优化系统中，对结果的可解释性、算法的公平性以及伦理问题的关注。 12.4 跨领域应用与创新 展望运筹学在智慧城市、可持续发展、生物医药、金融科技等新兴领域的应用前景。 本书内容丰富，理论严谨，并辅以大量的概念解释和原理阐述。它提供了一个理解运筹学和优化方法体系的完整视角，适用于对定量分析、决策科学、算法设计与分析感兴趣的本科生、研究生以及相关领域的专业研究人员和实践者。通过学习本书，读者将能够系统地掌握求解各类优化问题的理论工具和实践方法，从而在各自的研究和工作领域中提升决策效率与优化水平。

评分☆☆☆☆☆

我一直认为，好的技术书籍应该能够激发读者的思考，而不是简单地传递信息。这本书在这方面做得非常出色。从目录上看，它涵盖了批调度和网络问题这两个看似独立却又相互关联的领域，这本身就给我带来了很大的好奇。阅读过程中，我发现作者们不仅仅是罗列算法，更重要的是在探讨不同算法的优劣、适用场景以及如何根据具体问题进行裁剪和组合。这种深度的分析让我能够理解为什么某种算法在这种情况下更有效，而另一种在彼种情况下更合适。书中对于一些经典问题的讲解，例如旅行商问题、最短路径问题等等，都进行了细致的推导和阐述，让我能够追溯到问题的本质。更让我惊喜的是，作者们并没有回避一些实际应用中的难题，而是积极地探讨如何克服这些困难，如何设计出更鲁棒、更高效的算法。这本书让我对如何将理论知识转化为实际的解决方案有了更深刻的认识。

评分☆☆☆☆☆

这本书的书名虽然听起来有些专业，但实际上它提供了一个非常有趣且实用的视角来理解和解决现实世界中的许多挑战。我一直对如何高效地分配资源和规划流程感到好奇，这本书正好解答了我许多困惑。书中对于“批调度”的探讨，让我看到了在生产制造、项目管理等领域，如何通过优化调度策略来提高效率、降低成本。我尤其喜欢作者们在分析不同调度算法时所展现的严谨性，他们不仅阐述了算法的原理，还深入分析了其优缺点以及适用的范围。而“网络问题”的引入，更是为解决批调度问题提供了更广阔的思路，让我了解到如何利用网络流、图论等工具来构建更全面的优化模型。书中通过丰富的案例，将这些复杂的理论转化为易于理解的实践方法，让我深刻体会到理论与实践相结合的力量。

评分☆☆☆☆☆

我一直对那些能够将抽象数学理论与实际应用巧妙结合的书籍情有独钟，而这本书无疑是其中的佼佼者。它以“批调度”和“网络问题”为切入点，为我打开了一个全新的认知世界。书中对于批调度算法的解析，清晰而深入，让我了解到在各种复杂的约束条件下，如何通过精密的计算来达到最优的资源分配。我特别欣赏作者们在阐述算法时所使用的生动比喻和形象图示，这使得一些看似晦涩难懂的概念变得触手可及。而对于网络问题的深入探讨，更是让我看到了这些理论如何在现实生活中大放异彩，例如城市交通网络的优化、物流配送的路径规划等等。书中并非简单地介绍算法，而是引导读者去思考，去探索更优的解决方案，这种启发式的学习方式让我受益匪浅，感觉自己不仅是在阅读一本书，更是在参与一场智慧的探索。

评分☆☆☆☆☆

这本书的书名虽然听起来有些技术范儿，但读起来却意外地引人入胜。我一直对如何优化生产流程和资源分配有着浓厚的兴趣，而这本书恰好能满足我这方面的求知欲。它并没有仅仅停留在理论的堆砌，而是将抽象的概念通过生动形象的案例解释清楚，让我这个非专业人士也能理解其中的奥妙。特别是关于“批调度”的部分，书中给出的几种算法，无论是横向对比还是纵向分析，都显得十分透彻。我尤其欣赏作者们对于现实世界中各种制约因素的考量，比如设备能力、交期要求、成本控制等等，这些细节的处理让算法的实用性大大提升。而且，书中对于“网络问题”的论述也相当精彩，它不仅仅是简单的连通性问题，而是深入到了网络流、路径规划等更复杂的层面，并巧妙地与批调度问题结合起来，提供了一个全新的视角。我感觉这不仅仅是一本学术著作，更像是一位经验丰富的工程师在分享他的智慧结晶，让我受益匪浅。

评分☆☆☆☆☆

说实话，刚拿到这本书的时候，我有些担心它的深度和难度，毕竟“组合算法”听起来就不是一般人能轻易掌握的。但读下来之后，我的顾虑完全打消了。作者们用一种非常友好的方式来介绍复杂的概念，而且逻辑清晰，循序渐进。虽然书中涉及了不少数学模型和算法推导，但并没有让人感到枯燥乏味。相反，通过大量的图表和实例，我能够更直观地理解每一个步骤的含义。尤其是书中对于“网络问题的应用”的介绍，让我看到了这些抽象的理论在现实生活中是如何发挥作用的，比如物流配送、通信网络优化等等，这些都极大地拓宽了我的视野。我发现，原来很多我们习以为常的便利服务背后，都有如此精妙的算法在支撑。这本书不仅教会了我知识，更重要的是教会了我如何去思考问题，如何去解决问题，这是一种非常宝贵的学习体验。