從推公式到寫代碼：代碼是聯繫理論和現實的橋梁，本書通過代碼實現*優化算法，將理論與實踐相結合，在編程中思考算法的計算過程，並通過代碼將算法應用在實際問題中，以達到解決問題的目的。

●第1篇很優化算法與編程基礎
第1章很優化算法概述2
1.1很優化算法簡介3
1.2很優化算法的內容4
1.2.1規劃論4
1.2.2庫存論5
1.2.3圖論6
1.2.4排隊論7
1.2.5可靠性理論8
1.2.6對策論8
1.2.7決策論8
1.2.8搜索論9
1.3本章小結9
第2章Python編程方法10
2.1開發環境安裝11
2.2編程基礎：Python語法17
2.2.1基礎數據結構與基本運算18
2.2.2關於Python的組、字典、集合18
2.2.3程序控制語句21
2.2.4函數21
2.2.5類與實例22
2.2.6迭代23
2.3數據分析：NumPy基礎24
2.3.1NumPy基礎數據結構24
2.3.2NumPy的隨機數26
2.3.3NumPy矩陣運算28
2.3.4NumPy線性代數31
2.4Pandas基礎32
2.4.1Pandas基礎數據結構32
2.4.2Pandas基礎統計函數35
2.4.3Pandas基礎數據處理37
2.4.4分組統計39
2.4.5apply函數41
2.5Python繪圖42
2.5.1常用圖形43
2.5.2圖形屬性47
2.5.3組合圖和子圖49
2.5.4三維圖51
2.5.5動態圖55
2.6本章小結57
第3章Gurobi優化器58
3.1Gurobi的數據結構59
3.1.1 ltidict59
3.1.2Tuplelist60
3.1.3Tupledict61
3.1.4應用範例62
3.2Gurobi的參數和屬性65
3.2.1參數類型65
3.2.2修改參數75
3.2.3修改參數的例子75
3.2.4屬性類型77
3.2.5查看修改屬性85
3.2.6修改屬性的例子85
3.3Gurobi線性化技巧85
3.3.1優選值max86
3.3.2最小值min88
3.3.3絕對值abs89
3.3.4邏輯與and90
3.3.5邏輯或or90
3.3.6指示函數indicator90
3.3.7帶固定成本約束91
3.3.8分段線性函數91
3.4Gurobi多目標優化92
3.5callback函數96
3.5.1回調函數callback定義97
3.5.2狀態where與值what97
3.5.3callback函數的功能98
3.6本章小結102
第2篇數學規劃方法
第4章線性規劃104
4.1線性規劃的標準型105
4.2單純形法105
4.2.1單純形法的原理106
4.2.2單純形法的過程106
4.2.3單純形法代碼111
4.3單純形的數學規範型113
4.4內點法114
4.4.1內點法的原理114
4.4.2內點法過程115
4.4.3內點法代碼118
4.5列生成法120
4.5.1列生成法的原理120
4.5.2列生成的過程123
4.6對偶問題126
4.6.1對偶問題的形式127
4.6.2對稱形式對偶128
4.6.3對偶單純形129
4.6.4對偶問題的應用130
4.7拉格朗日乘子法130
4.7.1無約束優化131
4.7.2等式約束優化131
4.7.3不等式約束優化132
4.7.4拉格朗日對偶134
4.8本章小結137
第5章整數規劃138
5.1快速掌握Gurobi整數規劃139
5.2分支定界法140
5.3割平面法142
5.4本章小結147
第6章多目標優化148
6.1多目標優化的一般形式149
6.2Pareto很優解149
6.3多目標優化求解方法151
6.4目標規劃法152
6.4.1偏差變量153
6.4.2優先等級和權重繫數153
6.4.3目標規劃單純形法154
6.4.4目標規劃Gurobi實現158
6.5NSGA-Ⅱ159
6.6本章小結160
第3篇啟發式算法
第7章動態規劃162
7.1多階段決策問題163
7.2動態規劃的基本概念164
7.3動態規劃的很優化原理165
7.4最短路徑問題166
7.5使用整數規劃解最短路徑問題169
7.6背包問題170
7.7本章小結175
第8章圖與網絡分析176
8.1圖的基本概念177
8.2圖的矩陣表示178
8.3最小生成樹179
8.4最短路徑問題183
8.5網絡優選流問題187
8.6路徑規劃190
8.7VRP問題196
8.8本章小結203
第9章智能優化算法204
9.1粒子群算法205
9.1.1粒子群算法原理205
9.1.2粒子群求解無約束優化問題207
9.1.3粒子群求解約束優化問題211
9.1.4粒子群求解旅行商問題218
9.2遺傳算法225
9.2.1遺傳算法原理225
9.2.2遺傳算法的編碼方法227
9.2.3遺傳算法的選擇操作230
9.2.4遺傳算法求解無約束優化問題231
9.2.5遺傳算法庫Geatpy的介紹233
9.2.6使用Geatpy求解約束優化問題239
9.2.7使用Geatpy求解多目標優化問題241
9.3本章小結242

本書以理論結合編程開發為原則，使用Python作為開發語言，講解*優化算法的原理和應用，詳細介紹了Python基礎、Gurobi優化器、線性規劃、整數規劃、多目標優化、動態規劃、圖與網絡分析、智能優化算法。對於算法部分的每一種算法都包含原理和編程實踐，使讀者對*優化算法的認識更加深入。本書分為3篇共9章。第1篇（第1～3章）是*優化算法與編程基礎：第1章介紹了什麼是*優化算法及其在生產和生活中的應用；第2章介紹Python編程基礎和Python數據分析庫及繪圖庫；第3章講解Gurobi優化器的基礎和高級特性。第2篇（第4～6章）是數學規劃方法：第4章詳細講解線性規劃的知識，包括單純形法、內點法、列生成法、拉格朗日乘子法、對偶問題；第5章講解整數規劃解法的分支定界法和割平面法；第6章講解多目標優化的概念及基於單純形法的目標規劃法。第3篇（第7～9章）是啟發式算法：第7章介紹動態規劃算法；第8等

蘇振裕 著