相信许多留学生对数学代考都不陌生,国外许多大学都引进了网课的学习模式。网课学业有利有弊,学生不需要到固定的教室学习,只需要登录相应的网站研讨线上课程即可。但也正是其便利性,线上课程的数量往往比正常课程多得多。留学生课业深重,时刻名贵,既要学习知识,又要结束多种类型的课堂作业,physics作业代写,物理代写,论文写作等;网课考试很大程度增加了他们的负担。所以,您要是有这方面的困扰,不要犹疑,订购myassignments-help代考渠道的数学代考服务,价格合理,给你前所未有的学习体会。

我们的数学代考服务适用于那些对课程结束没有掌握,或许没有满足的时刻结束网课的同学。高度匹配专业科目,按需结束您的网课考试、数学代写需求。担保买卖支持,100%退款保证,免费赠送Turnitin检测报告。myassignments-help的Math作业代写服务,是你留学路上忠实可靠的小帮手!


数学代写|组合优化代写Combinatorial optimization代考|Cutting Planes

In the previous sections we considered integral polyhedra. For general polyhedra $P$ we have $P \supset P_I$. If we want to solve an integer linear program $\max \left{c x: x \in P_I\right}$, it is a natural idea to cut off certain parts of $P$ such that the resulting set is again a polyhedron $P^{\prime}$ and we have $P \supset P^{\prime} \supset P_I$. Hopefully $\max \left{c x: x \in P^{\prime}\right}$ is attained by an integral vector; otherwise we can repeat this cutting-off procedure for $P^{\prime}$ in order to obtain $P^{\prime \prime}$ and so on. This is the basic idea behind the cutting plane method, first proposed for a special problem (the TSP) by Dantzig, Fulkerson and Johnson [1954].

Gomory $[1958$, 1963] found an algorithm which solves general integer programs with the cutting plane method. In this section we restrict ourselves to the theoretical background. Gomory’s algorithm does not run in polynomial time and has little practical relevance in its original form. However, the general idea of cutting plane methods is used very often and successfully in practice. We shall discuss this in Section 21.6. The following presentation is mainly based on Schrijver [1986].
Definition 5.29. Let $P \subseteq \mathbb{R}^n$ be a convex set. Then we define
$$
P^{\prime}:=\bigcap_{P \subseteq H} H_I,
$$
where the intersection ranges over all rational affine half-spaces $H={x: c x \leq \delta}$ containing $P$. We set $P^{(0)}:=P$ and $P^{(i+1)}:=\left(P^{(i)}\right)^{\prime} . P^{(i)}$ is called the $i$-th Gomory-Chvátal-truncation of $P$.

If $P$ is a rational polyhedron, then $P^{\prime}$ is also a rational polyhedron, as we will show below. Therefore $P \supseteq P^{\prime} \supseteq P^{(2)} \supseteq \cdots \supseteq P_I$ and $P_I=\left(P^{\prime}\right)_I$. We remark that Dadush, Dey, and Vielma [2011] proved that if $P$ is any compact convex set, then $P^{\prime}$ is a rational polytope.
Proposition 5.30. For any rational polyhedron $P={x: A x \leq b}$,
$$
P^{\prime}={x: u A x \leq\lfloor u b\rfloor \text { for all } u \geq 0 \text { with } u A \text { integral }} .
$$
Proof: We first make two observations. For any rational affine half-space $H=$ ${x: c x \leq \delta}$ with $c$ integral we obviously have
$$
H^{\prime}=H_I \subseteq{x: c x \leq\lfloor\delta\rfloor} .
$$
If in addition the components of $c$ are relatively prime (i.e., their greatest common divisor is 1), we claim that
$$
H^{\prime}=H_I={x: c x \leq\lfloor\delta\rfloor} .
$$

数学代写|组合优化代写Combinatorial optimization代考|Lagrangean Relaxation

Suppose we have an integer linear program $\max \left{c x: A x \leq b, A^{\prime} x \leq b^{\prime}, x\right.$ integral $}$ that becomes substantially easier to solve when the constraints $A^{\prime} x \leq b^{\prime}$ are omitted. We write $Q:=\left{x \in \mathbb{Z}^n: A x \leq b\right}$ and assume that we can optimize linear objective functions over $Q$ (for example if $\operatorname{conv}(Q)={x: A x \leq b}$ ). Lagrangean relaxation is a technique to get rid of some troublesome constraints (in our case $A^{\prime} x \leq b^{\prime}$ ). Instead of explicitly enforcing the constraints we modify the objective function in order to punish infeasible solutions. More precisely, instead of optimizing
$$
\max \left{c^{\top} x: A^{\prime} x \leq b^{\prime}, x \in Q\right}
$$
we consider, for any vector $\lambda \geq 0$,

$$
L R(\lambda):=\max \left{c^{\top} x+\lambda^{\top}\left(b^{\prime}-A^{\prime} x\right): x \in Q\right} .
$$
For each $\lambda \geq 0, L R(\lambda)$ is an upper bound for (5.7) which is relatively easy to compute. (5.8) is called the Lagrangean relaxation of (5.7), and the components of $\lambda$ are called Lagrange multipliers.

Lagrangean relaxation is a useful technique in nonlinear programming; but here we restrict ourselves to (integer) linear programming.

Of course one is interested in as good an upper bound as possible. Observe that $\lambda \mapsto L R(\lambda)$ is a convex function. The following procedure (called subgradient optimization) can be used to minimize $L R(\lambda)$ :

Start with an arbitrary vector $\lambda^{(0)} \geq 0$. In iteration $i$, given $\lambda^{(i)}$, find a vector $x^{(i)}$ maximizing $c^{\top} x+\left(\lambda^{(i)}\right)^{\top}\left(b^{\prime}-A^{\prime} x\right)$ over $Q$ (i.e. compute $L R\left(\lambda^{(i)}\right)$ ). Note that $L R(\lambda)-L R\left(\lambda^{(i)}\right) \geq\left(\lambda-\lambda^{(i)}\right)^{\top}\left(b^{\prime}-A^{\prime} x^{(i)}\right)$ for all $\lambda$, i.e. $b^{\prime}-A^{\prime} x^{(i)}$ is a subgradient of $L R$ at $\lambda^{(i)}$. Set $\lambda^{(i+1)}:=\max \left{0, \lambda^{(i)}-t_i\left(b^{\prime}-A^{\prime} x^{(i)}\right)\right}$ for some $t_l>0$. Polyak [1967] showed that if $\lim {t \rightarrow \infty} t_l=0$ and $\sum{i=0}^{\infty} t_i=\infty$, then $\lim _{i \rightarrow \infty} L R\left(\lambda^{(i)}\right)=\min {L R(\lambda): \lambda \geq 0}$. For more results on the convergence of subgradient optimization, see Goffin [1977] and Anstreicher and Wolsey [2009].

数学代写|组合优化代写Combinatorial optimization代考|COMP4743

组合优化代考

数学代写|组合优化代写组合优化代考|切割平面

.切割平面 .切割平面


在前几节中,我们讨论了整体多面体。对于一般多面体$P$,我们有$P \supset P_I$。如果我们想解一个整数线性程序$\max \left{c x: x \in P_I\right}$,一个自然的想法是砍掉$P$的某些部分,这样得到的结果集又是一个多面体$P^{\prime}$,我们有$P \supset P^{\prime} \supset P_I$。但愿$\max \left{c x: x \in P^{\prime}\right}$是通过积分向量得到的;否则,我们可以对$P^{\prime}$重复这个切断过程,以获得$P^{\prime \prime}$等等。这是切割平面法背后的基本思想,由Dantzig、Fulkerson和Johnson[1954]首先提出用于一个特殊问题(TSP)

Gomory $[1958$, 1963]发现了一个用切割平面法求解一般整数程序的算法。在这一节中,我们只讨论理论背景。Gomory的算法不是在多项式时间内运行的,它的原始形式几乎没有实际意义。然而,切割平面法的一般思想在实践中得到了广泛的应用并取得了成功。我们将在第21.6节对此进行讨论。下面的介绍主要基于Schrijver[1986]。
定义5.29。设$P \subseteq \mathbb{R}^n$是一个凸集。然后我们定义
$$
P^{\prime}:=\bigcap_{P \subseteq H} H_I,
$$
,其中交集范围是所有包含$P$的有理仿射半空间$H={x: c x \leq \delta}$。我们将$P^{(0)}:=P$和$P^{(i+1)}:=\left(P^{(i)}\right)^{\prime} . P^{(i)}$称为$P$的$i$ -th Gomory-Chvátal-truncation。

如果$P$是一个有理多面体,那么$P^{\prime}$也是一个有理多面体,如下所示。因此,$P \supseteq P^{\prime} \supseteq P^{(2)} \supseteq \cdots \supseteq P_I$和$P_I=\left(P^{\prime}\right)_I$。我们注意到,Dadush, Dey和Vielma[2011]证明了如果$P$是任何紧凸集,那么$P^{\prime}$是一个有理多面。
命题5.30。对于任何有理多面体$P={x: A x \leq b}$,
$$
P^{\prime}={x: u A x \leq\lfloor u b\rfloor \text { for all } u \geq 0 \text { with } u A \text { integral }} .
$$
证明:我们首先做两个观察。对于任何有理仿射半空间$H=$${x: c x \leq \delta}$和$c$积分,我们显然有
$$
H^{\prime}=H_I \subseteq{x: c x \leq\lfloor\delta\rfloor} .
$$
如果另外$c$的分量是相对素数(即它们的最大公约数是1),我们声称
$$
H^{\prime}=H_I={x: c x \leq\lfloor\delta\rfloor} .
$$

数学代写|组合优化代写组合优化代考|拉格朗日弛豫


假设我们有一个整数线性程序$\max \left{c x: A x \leq b, A^{\prime} x \leq b^{\prime}, x\right.$ integral $}$,当省略约束条件$A^{\prime} x \leq b^{\prime}$时,它的求解变得非常容易。我们写$Q:=\left{x \in \mathbb{Z}^n: A x \leq b\right}$并假设我们可以优化$Q$上的线性目标函数(例如$\operatorname{conv}(Q)={x: A x \leq b}$)。拉格朗日松弛是一种摆脱一些麻烦约束的技术(在我们的例子中是$A^{\prime} x \leq b^{\prime}$)。为了惩罚不可行的解决方案,我们修改了目标函数,而不是显式地执行约束条件。更准确地说,我们考虑的不是优化
$$
\max \left{c^{\top} x: A^{\prime} x \leq b^{\prime}, x \in Q\right}
$$
,而是对任何向量$\lambda \geq 0$,

$$
L R(\lambda):=\max \left{c^{\top} x+\lambda^{\top}\left(b^{\prime}-A^{\prime} x\right): x \in Q\right} .
$$
对于每个$\lambda \geq 0, L R(\lambda)$是(5.7)的上界,相对容易计算。(5.8)称为(5.7)的拉格朗日松弛,$\lambda$的分量称为拉格朗日乘子 拉格朗日松弛是非线性规划中一种有用的技术;但在这里,我们将自己限制在(整数)线性规划 当然,我们感兴趣的是一个尽可能好的上界。观察$\lambda \mapsto L R(\lambda)$是一个凸函数。下面的过程(称为次梯度优化)可用于最小化$L R(\lambda)$:

从任意向量$\lambda^{(0)} \geq 0$开始。在迭代$i$中,给定$\lambda^{(i)}$,找到一个向量$x^{(i)}$,最大化$c^{\top} x+\left(\lambda^{(i)}\right)^{\top}\left(b^{\prime}-A^{\prime} x\right)$除以$Q$(即计算$L R\left(\lambda^{(i)}\right)$)。注意$L R(\lambda)-L R\left(\lambda^{(i)}\right) \geq\left(\lambda-\lambda^{(i)}\right)^{\top}\left(b^{\prime}-A^{\prime} x^{(i)}\right)$对于所有$\lambda$,即$b^{\prime}-A^{\prime} x^{(i)}$是$\lambda^{(i)}$上$L R$的子梯度。为一些$t_l>0$设置$\lambda^{(i+1)}:=\max \left{0, \lambda^{(i)}-t_i\left(b^{\prime}-A^{\prime} x^{(i)}\right)\right}$。Polyak[1967]表明如果$\lim {t \rightarrow \infty} t_l=0$和$\sum{i=0}^{\infty} t_i=\infty$,则$\lim _{i \rightarrow \infty} L R\left(\lambda^{(i)}\right)=\min {L R(\lambda): \lambda \geq 0}$。关于亚梯度优化收敛性的更多结果,参见Goffin[1977]和Anstreicher和Wolsey [2009]

数学代写|组合优化代写Combinatorial optimization代考

myassignments-help数学代考价格说明

1、客户需提供物理代考的网址,相关账户,以及课程名称,Textbook等相关资料~客服会根据作业数量和持续时间给您定价~使收费透明,让您清楚的知道您的钱花在什么地方。

2、数学代写一般每篇报价约为600—1000rmb,费用根据持续时间、周作业量、成绩要求有所浮动(持续时间越长约便宜、周作业量越多约贵、成绩要求越高越贵),报价后价格觉得合适,可以先付一周的款,我们帮你试做,满意后再继续,遇到Fail全额退款。

3、myassignments-help公司所有MATH作业代写服务支持付半款,全款,周付款,周付款一方面方便大家查阅自己的分数,一方面也方便大家资金周转,注意:每周固定周一时先预付下周的定金,不付定金不予继续做。物理代写一次性付清打9.5折。

Math作业代写、数学代写常见问题

留学生代写覆盖学科?

代写学科覆盖Math数学,经济代写,金融,计算机,生物信息,统计Statistics,Financial Engineering,Mathematical Finance,Quantitative Finance,Management Information Systems,Business Analytics,Data Science等。代写编程语言包括Python代写、Physics作业代写、物理代写、R语言代写、R代写、Matlab代写、C++代做、Java代做等。

数学作业代写会暴露客户的私密信息吗?

我们myassignments-help为了客户的信息泄露,采用的软件都是专业的防追踪的软件,保证安全隐私,绝对保密。您在我们平台订购的任何网课服务以及相关收费标准,都是公开透明,不存在任何针对性收费及差异化服务,我们随时欢迎选购的留学生朋友监督我们的服务,提出Math作业代写、数学代写修改建议。我们保障每一位客户的隐私安全。

留学生代写提供什么服务?

我们提供英语国家如美国、加拿大、英国、澳洲、新西兰、新加坡等华人留学生论文作业代写、物理代写、essay润色精修、课业辅导及网课代修代写、Quiz,Exam协助、期刊论文发表等学术服务,myassignments-help拥有的专业Math作业代写写手皆是精英学识修为精湛;实战经验丰富的学哥学姐!为你解决一切学术烦恼!

物理代考靠谱吗?

靠谱的数学代考听起来简单,但实际上不好甄别。我们能做到的靠谱,是把客户的网课当成自己的网课;把客户的作业当成自己的作业;并将这样的理念传达到全职写手和freelancer的日常培养中,坚决辞退糊弄、不守时、抄袭的写手!这就是我们要做的靠谱!

数学代考下单流程

提早与客服交流,处理你心中的顾虑。操作下单,上传你的数学代考/论文代写要求。专家结束论文,准时交给,在此过程中可与专家随时交流。后续互动批改

付款操作:我们数学代考服务正常多种支付方法,包含paypal,visa,mastercard,支付宝,union pay。下单后与专家直接互动。

售后服务:论文结束后保证完美经过turnitin查看,在线客服全天候在线为您服务。如果你觉得有需求批改的当地能够免费批改,直至您对论文满意为止。如果上交给教师后有需求批改的当地,只需求告诉您的批改要求或教师的comments,专家会据此批改。

保密服务:不需求提供真实的数学代考名字和电话号码,请提供其他牢靠的联系方法。我们有自己的工作准则,不会泄露您的个人信息。

myassignments-help擅长领域包含但不是全部:

myassignments-help服务请添加我们官网的客服或者微信/QQ,我们的服务覆盖:Assignment代写、Business商科代写、CS代考、Economics经济学代写、Essay代写、Finance金融代写、Math数学代写、report代写、R语言代考、Statistics统计学代写、物理代考、作业代写、加拿大代考、加拿大统计代写、北美代写、北美作业代写、北美统计代考、商科Essay代写、商科代考、数学代考、数学代写、数学作业代写、physics作业代写、物理代写、数据分析代写、新西兰代写、澳洲Essay代写、澳洲代写、澳洲作业代写、澳洲统计代写、澳洲金融代写、留学生课业指导、经济代写、统计代写、统计作业代写、美国Essay代写、美国代考、美国数学代写、美国统计代写、英国Essay代写、英国代考、英国作业代写、英国数学代写、英国统计代写、英国金融代写、论文代写、金融代考、金融作业代写。