Consequences of the Ellipsoid Algorithm

https://www-bcf.usc.edu/~shaddin/cs599fa13/slides/lec20-21.pdf

least discrepancy search

https://www.coursera.org/learn/discrete-optimization/lecture/Pa60m/knapsack-2-greedy-algorithms
مثالش مسئله‌ی کوله‌پشتی بود. روشش این بود که بار اول فرض می‌کرد الگوریتم حریصانه جواب بهینه را پیدا می‌کند و بار بعدی فرض می‌کرد یک انتخاب اشتباه می‌کند و مرحله‌ی بعدی ۲ بار و ... .
چون اگر تا آخر برود همه را چک می‌کند جواب بهینه را می‌دهد. فقط مزیتش این است که می‌تواند زودتر هرس کند.

قسمتی که من خودم دوست داشتم بیشتر همان حریصانه‌های مختلف برای کوله‌پشتی بود. اینکه در واقع قسمت مهم الگوریتم این است که چه تابعی از ورودی را انتخاب کنیم (مثلاً چگالی) و اینکه چه راه‌هایی به نتیجه نرسیده که به این رسیده‌اند.

جلسه ۱۳ بهینه‌سازی محدب

http://stanford.edu/class/ee364a/lectures/conclusions.pdf

در این جلسه به یک کار دیگرش اشاره کرده:

http://web.stanford.edu/~boyd/papers/pdf/admm_slides.pdf

Distributed Optimization and Statistical Learning via the Alternating Direction Method of Multipliers

که به نظرم یک جور روش تقسیم و حل است.

گفته در نگاشت-کاهش هم کار می‌کند:

http://web.stanford.edu/~boyd/papers/pdf/admm_talk.pdf

http://web.stanford.edu/~boyd/papers/pdf/admm_slides.pdf

جلسه ۱۲ بهینه‌سازی محدب

http://stanford.edu/class/ee364a/lectures/barrier.pdf

جلسه ۱۱ بهینه‌سازی محدب

http://stanford.edu/class/ee364a/lectures/equality.pdf

فکر کنم مسئله‌ی شار بیشینه با کمترین هزینه را به عنوان مثال حل کرده.

جلسه‌ی ۱۰ بهینه‌سازی محدب

http://stanford.edu/class/ee364a/lectures/unconstrained.pdf

روش‌های کم کردن تابع تا رسیدن به مینیمم. من یک روشش را برای حل یک سوال ساده‌سازی مسیر در هندسه محاسباتی دیده‌ام در مدرسه زمستانی امسال.

جلسه ۹ بهینه‌سازی محدب

http://stanford.edu/class/ee364a/lectures/num-lin-alg.pdf

مرور جبر خطی عددی و زمان الگوریتم‌های آن است.

جلسه ۸ بهینه‌سازی محدب

http://stanford.edu/class/ee364a/lectures/geom.pdf

در مورد کاربردهای هندسی آن است.

جلسه ۷ بهینه‌سازی محدب

http://stanford.edu/class/ee364a/lectures/stat.pdf

جلسه‌ی ۶ بهینه‌سازی محدب

http://stanford.edu/class/ee364a/lectures/approx.pdf