undingable-optimization

[liu-yang-maker]

你是否已经阅读并同意《Datawhale开源项目指南》？

• [X] 我已阅读并同意《Datawhale开源项目指南》

你是否已经阅读并同意《Datawhale开源项目行为准则》？

• [X] 我已阅读并同意《Datawhale开源项目行为准则》

项目简介

本课程讲授和讨论运筹学的基本方法，主要内容有博弈论，线性规划，非线性规划，复杂性理论，组合优化，以及随机过程，马尔可夫决策过程，排队论和库存论等。关于最优化的算法理论和建模，主要内容有最优化基础，包括无约束最优性理论、对偶理论、约束最优性理论，和无约束优化算法，包括梯度类算法、牛顿类算法、拟牛顿类算法，以及约束优化算法，包括罚函数等。

立项理由

近些年，以机器学习为代表的人工智能技术逐渐被大家认识并在很多方面得到普及，深度学习技术在学术界和工业界取得了广泛的成功，受到高度重视，并掀起新一轮的人工智能热潮。运筹学作为一个看似古老，但近期兴起的学科，主要由最优化、图论、组合优化...很多内容构成，最优化作为很重要的一部分内容，其中的优化求解器大家都熟练地使用着，但是对于其中真正的原理，又有多少人真的了解和关心呢。这里我们就会带着大家认真细致得学习一遍运筹学相关的内容。

通过本课程的学习，希望能够掌握运筹学和最优化算法的理论和算法实现，提高人工智能技术进行科学研究与应用开发的能力，其中关于代码的部分使用python或者matlab。

项目受众

大三及以上想了解优化的人工智能领域的人

项目亮点

从更加数学的角度介绍优化，从更加底层的角度研究深度学习框架。

项目规划

（第一期）Datawhale运筹-优化与深度学习篇

1. 优化与深度学习（Yang）
2. 优化算法概述（Yang）
3. 梯度下降与随机梯度下降（振东）
4. 小批量随机梯度下降（小豪）
5. 动量法（柯琴）
6. AdaGrad（建国）
7. Adam（Yang）
8. Nesterov加速（Yang）

（第二期）Datawhale运筹-优化基础算法篇

1. 无约束优化基础(Yang)
2. 线性搜索方法(小豪)
3. 信赖域方法( )
4. 共轭梯度法(琴)
5. 拟牛顿法(lj)
6. 约束优化基础(振东)
7. 罚函数法(lj)
8. 增广拉格朗日法(建国)

项目负责人

刘洋 https://github.com/liu-yang-maker 18801363514

备注：发起立项申请后DOPMC成员将会在7天内给出审核意见，若7天内无反对意见则默认立项通过~

• [X] 我已知悉上述备注

[Sm1les]

已有项目补充立项

[ZhikangNiu]

同意

[mba1398]

同意