最優(yōu)化模型與算法-基于Python實(shí)現(xiàn)-教學(xué)日歷

教學(xué)日歷（20xx～20xx學(xué)年第x學(xué)期）開課學(xué)院開課專業(yè)講授學(xué)時(shí)16課程名稱最優(yōu)化模型與算法——基于Python實(shí)現(xiàn)授課教師實(shí)踐/實(shí)驗(yàn)學(xué)時(shí)16授課年級(jí)授課班級(jí)總學(xué)時(shí)32使用教材《最優(yōu)化模型與算法——基于Python實(shí)現(xiàn)》參考書目《最優(yōu)化模型與算法——基于Python實(shí)現(xiàn)》校歷周次授課內(nèi)容分章節(jié)題目第1周第1章凸集合（2學(xué)時(shí)）1.1仿射集、凸集和凸錐（1學(xué)時(shí)）1.2凸集合的示例（1學(xué)時(shí)）第2周第1章凸集合（2學(xué)時(shí)）1.3保持凸性的運(yùn)算（1學(xué)時(shí)）1.4支撐超平面（1學(xué)時(shí)）第3周第1章凸集合（1學(xué)時(shí)）1.5對(duì)偶錐（1學(xué)時(shí)）第2章凸函數(shù)（1學(xué)時(shí)）2.1凸函數(shù)的定義和例子（1學(xué)時(shí)）第4周第2章凸函數(shù)（2學(xué)時(shí)）2.2保持凸性的運(yùn)算（1學(xué)時(shí)）2.3共軛函數(shù)（1學(xué)時(shí)）第5周第2章凸函數(shù)（1學(xué)時(shí)）2.4次梯度與次微分（1學(xué)時(shí)）第3章凸優(yōu)化模型（1學(xué)時(shí)）3.1優(yōu)化模型3.2凸優(yōu)化模型（1學(xué)時(shí)）第6周第3章凸優(yōu)化模型（1學(xué)時(shí)）3.3線性規(guī)劃3.4二次規(guī)劃模型（1學(xué)時(shí)）3.5幾何規(guī)劃3.6廣義不等式約束（1學(xué)時(shí)）第7周第4章對(duì)偶理論（2學(xué)時(shí)）4.1Lagrange對(duì)偶函數(shù)（1學(xué)時(shí)）4.2Lagrange對(duì)偶問題（1學(xué)時(shí)）第8周第4章對(duì)偶理論（2學(xué)時(shí)）4.3Lagrange對(duì)偶的理解（1學(xué)時(shí)）4.4最優(yōu)性條件（1學(xué)時(shí)）第9周第5章非凸優(yōu)化算法（2學(xué)時(shí)）5.1全局優(yōu)化算法的復(fù)雜度（1學(xué)時(shí)）5.2優(yōu)化算法構(gòu)造思想（1學(xué)時(shí)）第10周第5章非凸優(yōu)化算法（2學(xué)時(shí)）5.3梯度下降法（1學(xué)時(shí)）5.4牛頓法（1學(xué)時(shí)）第11周第5章非凸優(yōu)化算法（2學(xué)時(shí)）5.5擬牛頓法（1學(xué)時(shí)）5.6共軛梯度法（1學(xué)時(shí)）第12周第5章非凸優(yōu)化算法（2學(xué)時(shí)）5.7最小二乘問題（1學(xué)時(shí)）5.8Lagrange乘子法（1學(xué)時(shí)）第13周第5章非凸優(yōu)化算法（2學(xué)時(shí)）5.9DC規(guī)劃及CCCP算法（1學(xué)時(shí)）5.10進(jìn)化算法（1學(xué)時(shí)）第14周第6章凸優(yōu)化算法（2學(xué)時(shí)）6.1梯度投影法（1學(xué)時(shí)）6.2坐標(biāo)下降法（1學(xué)時(shí)）第15周第6章凸優(yōu)化算法（2學(xué)時(shí)）6.3迫近梯度法（1學(xué)時(shí)）6.4交替方向乘子法（1學(xué)時(shí)）第16周第6章凸優(yōu)化算法（2學(xué)時(shí)）6.5隨機(jī)梯度下降法（1學(xué)時(shí)）6.6