AI 7：线性规划优化方法
正在缓冲...
当约束函数和目标函数都是线性函数时，我们可以用线性规划来进行优化。本节用一个简单的例子，介绍其基本概念、求解方法和代码实现，给大家带来一点感觉。
北京交通大学《AI 问题求解》研讨课，通过老师讲解基本概念，同学阅读课本，编程探索，讲解习题，让大家在动手中，掌握人工智能搜索、优化、约束满足等问题的求解方法，走上人工智能的职业道路。详细课程信息请访问：https://yishuai.github.io/ai
AI 问题求解
（13/27）
自动连播
2.1万播放
简介
订阅合集
课 1：搜索问题和算法框架
10:10
课 2：深度优先与宽度优先搜索
16:09
课 3：贪婪最佳优先搜索与A*搜索
11:33
练1：走迷宫
12:02
练2：社会网络好友搜索 I
05:09
练3：社会网络好友搜索 II
13:42
享1：通过搜索求解问题
08:11
享2：利用外部信息的启发式搜索
08:33
课 4：Minimax 敌对搜索
13:03
练4：井字棋游戏
12:57
课 5：爬山优化算法
05:54
课 6：模拟退火优化算法
03:58
课 7：线性规划优化方法
04:43
享4：遗传算法原理
18:23
享5：遗传算法求解方程极值
07:46
享6：局部搜索算法与最优化问题
09:44
享7：蚁群优化算法
21:30
享8：粒子群优化算法
07:02
享9：动作效果不确定下的搜索
08:57
享10：环境不确定下的搜索
19:10
课 8：约束满足优化问题
20:50
课 9：回溯搜索，求解约束满足问题
11:58
课 10：改进回溯搜索，求解约束满足问题
08:00
享11：约束满足问题中的推理
14:42
享12：回溯与智能回溯
09:52
享13：概率推理基础
12:55
享14：卡尔曼滤波
21:10
顶部