详细内容或原文请订阅后点击阅览
线性编程的哪些优化术语确实是指
了解优化问题的二元性，对双重转换的原始性以及线性问题的最佳条件。帖子，线性编程的优化术语确实是什么意思是首先出现在数据科学上。
来源:走向数据科学在工作中有线性优化问题，对于某些个人项目，在求解器迭代期间看到日志消息，我一直很感兴趣。令人着迷的是，现代求解器如何在仅数分钟或几个小时的时间范围内使用决策变量和数百万美元的决策变量解决优化问题。如果一个人手动解决此类过程，可能需要几天或几年。但是，我想更好地理解线性编程中使用的术语以及在求解器日志消息中看到的术语。
在我的2021年帖子中，我对数据科学（时间苍蝇！）发表了，我分别讨论了解决Python和Julia的线性问题的技术。在另一篇文章中，我讨论了Solvers为优化，解决和后处理线性问题所采取的步骤，这些线性问题以数学编程系统的形式包装。这篇文章将是更理论的。我将分解不同的优化术语，例如原始，双重性，双重性，双重性差距，基本解决方案，并提出三种最佳条件，需要满足线性问题。让我们开始。
发布优化问题的双重性
双重性 原始问题 双重问题 双重性如上所述，目标函数的感觉与原始问题和双重问题相反。此外，原始问题中使用的决策变量被提出为双重问题中的约束，并且原始问题中的约束被称为决策变量。这种双重性在解决线性优化问题方面具有许多优势。当求解器解决优化问题时，需要满足原始和双重可行性条件。如果原始问题具有许多变量，但限制较少，在这种情况下，双重问题可能更容易解决。此外，二元性为优化问题的结构提供了更深入的见解。
b y 双变量 视频 x W1，W2 W3 H3 *