MATLAB & Excel定量預(yù)測與決策

內(nèi)容概要

　　《MATLAB & Excel定量預(yù)測與決策：運(yùn)作案例精編（含CD光盤1張）》主要內(nèi)容是應(yīng)用MATLAB和Excel實(shí)現(xiàn)生產(chǎn)運(yùn)作中的定量預(yù)測與決策方法的建模和模擬求解，共四篇，第一篇為軟件應(yīng)用基礎(chǔ)篇，介紹MATLAB和Excel的基本用法；第二篇為經(jīng)典預(yù)測方法篇，包括時(shí)間序列、線性回歸、曲線回歸、利用圖表及馬爾可夫方法；第三篇為最優(yōu)規(guī)劃決策篇，包括線性規(guī)劃、非線性規(guī)劃、整數(shù)規(guī)劃、動態(tài)規(guī)劃和網(wǎng)絡(luò)及運(yùn)輸規(guī)劃；第四篇為經(jīng)典決策方法篇，包括確定型、非確定型、風(fēng)險(xiǎn)型、多目標(biāo)及智能啟發(fā)優(yōu)化。全書所有案例的MATLAB程序和Excel模型隨光盤贈送。提供電子課件。

作者簡介

張建林 現(xiàn)就職于復(fù)旦大學(xué)。博士就讀于華中科技大學(xué)（原華中理工大學(xué)）管理學(xué)院管理科學(xué)與工程專業(yè)，獲管理學(xué)博士學(xué)位。目前主要從事現(xiàn)代生產(chǎn)與運(yùn)作管理技術(shù)、最優(yōu)化理論與決策分析、高等教育與管理、噪聲控制與流一固耦合振動四個方面的研究。著作有：《快速戰(zhàn)略決策的理論與方法》、《現(xiàn)代生產(chǎn)動作管理：理念、理論與模型》等。2000年以來國內(nèi)外重要學(xué)術(shù)期刊、會議發(fā)表科研論文30余篇。

書籍目錄

第一篇軟件應(yīng)用基礎(chǔ)篇 案例概覽 第1章MATLAB應(yīng)用基礎(chǔ) 1.1 MATLAB概述 1.1.1 MATLAB桌面操作環(huán)境 1.1.2 MATLAB的模塊工具箱 1.1.3 MATLAB的幫助系統(tǒng) 1.2 MATLAB計(jì)算基礎(chǔ) 1.2.1數(shù)值類型及顯示格式 1.2.2內(nèi)置數(shù)學(xué)函數(shù) 1.2.3關(guān)系運(yùn)算與邏輯運(yùn)算 1.2.4向量和矩陣及其運(yùn)算 1.3 MATLAB繪圖基礎(chǔ) 1.3.1繪圖的基本流程 1.3.2繪圖的基本方法 1.3.3圖形的修飾 1.4 MATLAB程序設(shè)計(jì)基礎(chǔ) 1.4.1程序設(shè)計(jì)概述 1.4.2程序設(shè)計(jì)的原則 1.4.3 M文件 1.4.4函數(shù)及調(diào)用 1.4.5程序的調(diào)試與優(yōu)化 1.4.6程序設(shè)計(jì)的技巧 本章小結(jié) 關(guān)于系統(tǒng)學(xué)習(xí)MATLAB的參考書籍 第2章Excel應(yīng)用基礎(chǔ) 2.1函數(shù)公式基礎(chǔ) 2.1.1函數(shù)公式的結(jié)構(gòu) 2.1.2理解函數(shù)公式中的數(shù)據(jù) 2.1.3函數(shù)的分類與加載 2.1.4快速復(fù)制函數(shù)公式的方法 2.2方案及方案管理器 2.2.1方案的應(yīng)用 2.2.2方案的復(fù)制與刪除 2.2.3方案報(bào)告的生成 2.3規(guī)劃求解 2.3.1認(rèn)識規(guī)劃求解 2.3.2實(shí)踐應(yīng)用舉例 2.4數(shù)據(jù)分析 2.4.1安裝分析工具庫 2.4.2回歸分析 2.4.3相關(guān)系數(shù) 2.5圖表可視化 本章小結(jié) 關(guān)于系統(tǒng)學(xué)習(xí)Excel的參考書籍 本篇參考文獻(xiàn) 第二篇經(jīng)典預(yù)測方法篇 案例概覽 第3章時(shí)間序列預(yù)測 3.1時(shí)間序列的特征及識別 3.1.1時(shí)間序列的特征 3.1.2時(shí)間序列特征的識別 3.2一次移動平均模型 3.2.1簡單移動平均模型 3.2.2加權(quán)移動平均模型 3.2.3平滑效果的均方差（MSE）檢驗(yàn) 3.3一次指數(shù)平滑模型 3.3.1 一次指數(shù)平滑的計(jì)算公式及平滑系數(shù)α的討論 3.3.2平滑系數(shù)的選擇及預(yù)測有效性的檢驗(yàn) 3.4線性二次移動平均模型 3.4.1二次移動平均的計(jì)算公式 3.4.2平滑效果的均方差檢驗(yàn) 3.5線性二次指數(shù)平滑模型 3.5.1二次指數(shù)平滑的計(jì)算公式 3.5.2平滑系數(shù)的選擇及預(yù)測有效性的檢驗(yàn) 3.6非線性三次指數(shù)平滑模型 3.6.1非線性三次指數(shù)平滑的計(jì)算公式 3.6.2平滑系數(shù)的選擇及預(yù)測有效性的檢驗(yàn) 3.7具有季節(jié)性特點(diǎn)的時(shí)間序列的預(yù)測 3.8應(yīng)用MATLAB和Excel進(jìn)行時(shí)間序列分析 3.8.1一次移動平均 3.8.2一次指數(shù)平滑 3.8.3線性二次移動平均 3.8.4線性二次指數(shù)平滑 3.8.5非線性三次指數(shù)平滑 3.9應(yīng)用MATLAB和Excel進(jìn)行具有季節(jié)特點(diǎn)的時(shí)間序列的預(yù)測 本章小結(jié) 第4章線性回歸預(yù)測 4.1理論基礎(chǔ) 4.1.1一元線性回歸模型 4.1.2多元線性回歸模型 4.1.3關(guān)于線性回歸分析的總結(jié) 4.2應(yīng)用MATLAB和Excel進(jìn)行回歸分析 4.2.1應(yīng)用MATLAB進(jìn)行回歸分析的方法 4.2.2應(yīng)用Excel進(jìn)行回歸分析的方法 4.3線性回歸在生產(chǎn)運(yùn)作中的應(yīng)用 本章小結(jié) 第5章 曲線回歸預(yù)測 5.1理論基礎(chǔ) 5.1.1可線性化的曲線回歸 5.1.2多項(xiàng)式回歸 5.1.3關(guān)于曲線擬合的總結(jié) 5.2可線性化曲線回歸的軟件實(shí)現(xiàn)方法 5.2.1應(yīng)用MATLAB內(nèi)置函數(shù)完成可線性化曲線的回歸 5.2.2應(yīng)用Excel進(jìn)行可線性化曲線的回歸擬合 5.3可線性化曲線回歸的應(yīng)用舉例及其軟件實(shí)現(xiàn) 5.3.1冪函數(shù)曲線 5.3.2指數(shù)函數(shù)曲線 5.3.3冪指函數(shù)曲線 5.3.4對數(shù)函數(shù)曲線 5.3.5倒數(shù)函數(shù)曲線 5.3.6 S形函數(shù)曲線 5.3.7拋物線函數(shù)曲線 5.3.8小結(jié) 5.4多項(xiàng)式回歸的軟件實(shí)現(xiàn) 5.5一般曲線回歸的MATLAB 實(shí)現(xiàn) 5.5.1 MATLAB函數(shù)使用說明 5.5.2一般曲線回歸軟件實(shí)現(xiàn)的應(yīng)用舉例 本章小結(jié) 第6章利用圖表預(yù)測 6.1 應(yīng)用Excel使用公式進(jìn)行線性預(yù)測 6.1.1利用Excel圖表進(jìn)行線性預(yù)測的操作步驟 6.1.2利用Excel圖表進(jìn)行線性預(yù)測的舉例 6.2應(yīng)用Excel使用趨勢線進(jìn)行預(yù)測 6.2.1使用趨勢線進(jìn)行預(yù)測 6.2.2獲取趨勢線的取值及預(yù)測精度 6.2.3選擇適當(dāng)?shù)内厔菥€類型 6.3應(yīng)用Excel使用多項(xiàng)式趨勢線進(jìn)行預(yù)測 6.4應(yīng)用MATLAB曲線擬合圖形界面完成預(yù)測 6.5應(yīng)用MATLAB內(nèi)置函數(shù)獲取預(yù)測結(jié)果及置信區(qū)間 6.5.1使用polytool函數(shù)命令 6.5.2使用rstool函數(shù)命令 6.5.3使用nlintool函數(shù)命令 本章小結(jié) 第7章馬爾可夫預(yù)測 7.1理論基礎(chǔ) 7.1.1基本概念 7.1.2模型與求解方法 7.2應(yīng)用MATLAB和Excel求解馬爾可夫問題 7.2.1產(chǎn)品市場占有率預(yù)測問題 7.2.2商品銷售期望利潤預(yù)測問題 7.2.3設(shè)備維修策略問題 7.2.4項(xiàng)目選址問題 本章小結(jié) 關(guān)于系統(tǒng)學(xué)習(xí)馬爾可夫算法的參考書籍 本篇參考文獻(xiàn) 第三篇最優(yōu)規(guī)劃決策篇 案例概覽 第8章 線性規(guī)劃決策 8.1理論基礎(chǔ) 8.1.1單目標(biāo)線性規(guī)劃 8.1.2多目標(biāo)線性規(guī)劃 8.1.3線性二次規(guī)劃 8.2應(yīng)用軟件求解線性規(guī)劃 8.3應(yīng)用舉例 8.3.1線性規(guī)劃問題 8.3.2多目標(biāo)線性規(guī)劃問題 8.3.3線性二次規(guī)劃問題 本章小結(jié) 第9章非線性規(guī)劃決策 9.1理論基礎(chǔ) 9.2應(yīng)用軟件求解非線性規(guī)劃的 方法 9.2.1 MATLAB求解非線性規(guī)劃的方法 9.2.2應(yīng)用Excel求解非線性規(guī)劃問題 9.3應(yīng)用舉例 本章小結(jié) 第10章整數(shù)線性規(guī)劃決策 10.1理論基礎(chǔ) 10.1.1整數(shù)線性規(guī)劃的概念 10.1.2整數(shù)線性規(guī)劃的模型 10.2應(yīng)用MATLAB求解整數(shù)線性規(guī)劃問題 10.2.1割平面法 10.2.2分支定界法 10.2.3 0—1規(guī)劃法 10.3應(yīng)用Excel求解整數(shù)線性規(guī)劃問題 10.3.1 Excel求解整數(shù)線性規(guī)劃問題的方法 10.3.2 Excel與MATLAB求解整數(shù)線性規(guī)劃的比較 10.4 MATLAB和Excel求解整數(shù)線性規(guī)劃的應(yīng)用舉例 10.4.1純整數(shù)線性規(guī)劃問題 10.4.2混合整數(shù)線性規(guī)劃問題 10.4.3 0.1線性規(guī)劃問題 本章小結(jié) 第11章動態(tài)規(guī)劃決策 11.1理論基礎(chǔ) 11.1.1動態(tài)規(guī)劃的基本概念 11.1.2動態(tài)規(guī)劃術(shù)語及其數(shù)學(xué)描述 1 1.1.3動態(tài)規(guī)劃的基本思想及逆序解法的基本方程 11.1.4動態(tài)規(guī)劃的建模步驟 11.2應(yīng)用MATLAB求解動態(tài)規(guī)劃問題 11.3應(yīng)用Excel求解動態(tài)規(guī)劃問題 11.4應(yīng)用舉例 11.4.1 背包問顥——最優(yōu)裝載問題 11.4.2生產(chǎn)經(jīng)營問題 11.4.3資金管理問題 11.4.4資源（設(shè)備）分配問題 11.4.5最短路徑問題 11.4.6復(fù)雜系統(tǒng)可靠性問題 本章小結(jié) 第12章網(wǎng)絡(luò)及路徑規(guī)劃決策 12.1理論基礎(chǔ) 12.1.1圖論的源起 12.1.2圖的基本概念 12.1.3圖的類型 12.1.4圖的矩陣表示 12.1.5圖的權(quán)值矩陣 12.1.6圖論的基本性質(zhì)和定理 12.1.7一種特殊的圖——樹 12.1.8利用應(yīng)用軟件求解網(wǎng)絡(luò)及路徑規(guī)劃問題 12.2最小費(fèi)用流問題 12.2.1最小費(fèi)用流問題的基本概念 12.2.2最小費(fèi)用流問題的數(shù)學(xué)模型 12.2.3最小費(fèi)用流問題的基本類型 12.2.4案例及其MATLAB和Excel求解 12.3最大流量問題 12.3.1最大流問題的基本概念 12.3.2最大流問題的數(shù)學(xué)模型 12.3.3最大流問題的變形 12.3.4案例及其MATLAB和Excel求解 12.4最小費(fèi)用最大流問題 12.4.1最小費(fèi)用最大流問題的模型 12.4.2案例及其MATLAB和Excel求解 12.5最短路問題 12.5.1最短路問題的基本概念 12.5.2最短路問題的數(shù)學(xué)模型 12.5.3案例及其MATLAB和Excel求解 12.5.4最短路問題的應(yīng)用 12.6最?。ù螅┲螛鋯栴} 12.6.1 最小支撐樹問題基于的假設(shè)和生產(chǎn)運(yùn)作實(shí)踐 12.6.2貪婪算法步驟 12.6.3 MATLAB實(shí)現(xiàn) 12.6.4最大支撐樹問題及其算法的MATLAB實(shí)現(xiàn) 12.6.5應(yīng)用案例 12.7最優(yōu)環(huán)游問題 12.7.1旅行售貨員問題 12.7.2中國郵遞員問題 12.8匹配（指派）問題 12.8.1匹配問題的概念 12.8.2匹配問題的數(shù)學(xué)模型  12.8.3應(yīng)用舉例 12.8.4匹配問題的變形 本章小結(jié) 本篇參考文獻(xiàn) 第四篇經(jīng)典決策方法篇 案例概覽 第13章確定型決策 13.1盈虧平衡決策模型 13.1.1盈虧平衡分析的經(jīng)濟(jì)函數(shù) 13.1.2線性盈虧平衡決策模型 13.1.3非線性盈虧平衡決策模型 13.2備貨型企業(yè)年度生產(chǎn)計(jì)劃的制訂決策 13.2.1品種的確定 13.2.2產(chǎn)量的確定 13.3 訂貨型企業(yè)年度生產(chǎn)計(jì)劃的制訂決策 13.3.1接受訂貨決策 13.3.2品種的確定 13.3.3價(jià)格的確定 13.3.4交貨期的確定 13.4庫存優(yōu)化決策模型 13.4.1經(jīng)濟(jì)訂貨批量模型 13.4.2經(jīng)濟(jì)生產(chǎn)批量模型 13.4.3價(jià)格折扣模型 13.4.4物料需求計(jì)劃中訂貨批量的決策——MPG方法 13.5作業(yè)排序決策模型 13.5.1流水作業(yè)排列排序模型 13.5.2單件作業(yè)任務(wù)分配模型 13.5.3單件作業(yè)能動計(jì)劃模型 13.5.4單件作業(yè)無延遲計(jì)劃模型 13.5.5安排人員的服務(wù)作業(yè)計(jì)劃 13.5.6安排需求的服務(wù)作業(yè)計(jì)劃 13.6網(wǎng)絡(luò)計(jì)劃用于項(xiàng)目管理決策模型 13.6.1事件時(shí)間參數(shù)計(jì)算模型 13.6.2活動時(shí)間參數(shù)計(jì)算模型 13.6.3 網(wǎng)絡(luò)時(shí)間參數(shù)計(jì)算模型的計(jì)算機(jī)實(shí)現(xiàn) 本章小結(jié) 第14章非確定型決策 14.1 冒險(xiǎn)法：“好中求好”模型 14.2保守法：“壞中求好”模型 14.3折中法：α系數(shù)折中決策模型 14.4憾悔法：“最小的最大憾悔值”模型 14.5上述四種模型的比較 本章小結(jié) 第15章風(fēng)險(xiǎn)型決策 15.1決策表 15.1.1期望收益最大決策模型 15.1.2等概率決策模型 15.2單周期庫存模型 15.2.1期望收益最大模型 15.2.2期望損失最小模型 15.2.3邊際分析模型 15.3隨機(jī)離散需求模型 15.3.1從損失期望最小的角度求解 15.3.2從贏利期望最大的角度求解 15.4隨機(jī)連續(xù)需求模型 15.4.1問題提出 15.4.2建立模型 15.4.3模型求解 15.4.4補(bǔ)充討論 15.5決策樹 15.5.1基本概念 15.5.2應(yīng)用步驟 15.5.3應(yīng)用案例 15.6貝葉斯決策 15.6.1貝葉斯決策概述 15.6.2貝葉斯模型簡介 15.6.3應(yīng)用案例 15.7靈敏度分析 15.7.1進(jìn)行靈敏度分析的意義 15.7.2轉(zhuǎn)折概率的確定 本章小結(jié) 第16章多目標(biāo)決策 16.1多目標(biāo)決策概述 16.1.1多目標(biāo)決策的概念 16.1.2多目標(biāo)決策的體系 16.2目標(biāo)化多為少的方法 16.2.1主要目標(biāo)法 16.2.2線性加權(quán)和法 16.2.3平方和加權(quán)法 16.2.4理想點(diǎn)法 16.2.5乘除法 16.3線性目標(biāo)規(guī)劃 16.3.1相關(guān)概念與數(shù)學(xué)模型 16.3.2優(yōu)先目標(biāo)規(guī)劃 16.3.3加權(quán)目標(biāo)規(guī)劃 16.3.4優(yōu)先—加權(quán)組合目標(biāo)規(guī)劃 16.4層次分析法 16.4.1層次分析法的原理 16.4.2層次分析法的應(yīng)用 16.4.3層次分析法的總結(jié) 16.4.4層次分析法的MATIAB實(shí)現(xiàn) 16.5模糊綜合評價(jià)決策法 16.5.1基本原理 16.5.2應(yīng)用舉例 16.5.3補(bǔ)充說明 本章小結(jié) 第17章智能啟發(fā)優(yōu)化決策 17.1 引言 17.2軟件工具及準(zhǔn)備 17.2.1簡介 17.2.2工具箱加載 17.2.3工具箱的調(diào)用 17.3粒子群優(yōu)化算法 17.3.1 PSOA算法概述 17.3.2 PSOA算法原理與步驟 17.3.3 PSOA算法的MATLAB實(shí)現(xiàn)及應(yīng)用舉例 17.4遺傳優(yōu)化算法 17.4.1 GA算法概述 17.4.2 GA算法原理、步驟與特點(diǎn) 17.4.3 GA算法的MATLAB實(shí)現(xiàn)及應(yīng)用舉例 17.4.4 GA算法求解作業(yè)車間調(diào)度的MATLAB實(shí)現(xiàn) 17.5人工神經(jīng)網(wǎng)絡(luò)優(yōu)化算法 17.5.1生物神經(jīng)元與神經(jīng)網(wǎng)絡(luò) 17.5.2人工神經(jīng)元與ANNs算法概述 17.5.3 ANNs算法模型與建模步驟 17.5.4 ANNs算法的MATLAB實(shí)現(xiàn)及應(yīng)用舉例 17.5.5 ANNs算法GUI的實(shí)現(xiàn) 17.6模擬退火優(yōu)化算法 17.6.1算法概述 17.6.2算法的原理與步驟 17.6.3算法應(yīng)用舉例及MATLAB實(shí)現(xiàn) 17.6.4 SAA的MATLAB求解函數(shù) 17.7蟻群優(yōu)化算法 17.7.1算法概述 17.7.2基本ACOA的原理與操作步驟 17.7.3基本ACOA的數(shù)學(xué)模型 17.7.4基本ACOA的程序結(jié)構(gòu)流程 17.7.5算法應(yīng)用舉例及MATLAB實(shí)現(xiàn) 17.8禁忌搜索優(yōu)化算法 17.8.1算法概述 17.8.2算法的基本原理 17.8.3算法的要素 17.8.4算法應(yīng)用舉例及MATIAB實(shí)現(xiàn) 17.9混合啟發(fā)優(yōu)化算法 17.9.1基于遺傳算法的粒子群混合算法 17.9.2基于模擬退火的粒子群混合算法 17.9.3基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)混合算法 17.9.4基于遺傳算法的模擬退火混合算法 17.9.5基于遺傳算法的蟻群混合算法 本章小結(jié) 可供進(jìn)一步深入研究的參考文獻(xiàn) 本篇參考文獻(xiàn) 第五篇 MATLAB自編程序篇（光盤中） 附錄A卡方（X2）檢驗(yàn)分布表（光盤中） 附錄B相關(guān)系數(shù)檢驗(yàn)臨界值表（光盤中） 附錄C F分布（檢驗(yàn)）臨界值表（光盤中） 附錄D T分布（檢驗(yàn)）臨界值表（光盤中）

章節(jié)摘錄

版權(quán)頁：   插圖：   需要指出的是，有向圖實(shí)際上可以看做無向圖的一種特例，因?yàn)闊o向圖的邊可以看做長度相等、方向相反的兩條弧。所以，在圖12—3（b）中，如果a6與a9的權(quán)值相等，則可以用一條邊來代替，從而可以將這種既包含邊又包含弧的圖稱為“混合圖”（Mixed Graph）。 （3）頂點(diǎn)相鄰與關(guān)聯(lián)邊：若邊e=[u，v]∈E，則稱u，v為邊e的頂點(diǎn)，也稱u，v相鄰（Adjacent）。稱邊e為點(diǎn)u，v的關(guān)聯(lián)邊。如圖12—3（a）中，e1=[v1，v2]∈E，則稱v1，v2為邊e1的頂點(diǎn)，e1為頂點(diǎn)v1，v2的關(guān)聯(lián)邊。 （4）環(huán)與多重邊：若圖中，某一條邊的兩端點(diǎn)是相同的，則稱該邊為環(huán)，如圖12—3（a）中的邊e7；若兩個點(diǎn)之間有一條以上的邊，則稱這些邊為多重邊，如圖12—3（a）中的邊e1，e2。 （5）頂點(diǎn)的次d（v）、出次d—（v）和人次d+（v）：以點(diǎn)v為端點(diǎn)的邊的條數(shù)稱為頂點(diǎn)的次，記做d（v）。如圖12—3（a）中，d（v1）=4，d（v2）=4，d（v3）=3，d（v4）=2。以頂點(diǎn)v為終點(diǎn)的弧的數(shù)目稱為頂點(diǎn)v的入次，記做d—（v）；以頂點(diǎn)v為始點(diǎn)的弧的數(shù)目稱為頂點(diǎn)v的出次，記做d+（v）。如圖12—3（b）中，d—（v3）=d+（v3）=2。對于有向圖，d（v）=d—（v）+d+（v）。 （6）懸掛點(diǎn)與懸掛邊：次為1的頂點(diǎn)為懸掛點(diǎn)，如圖12—3（b）中的點(diǎn)v7；懸掛點(diǎn)的關(guān)聯(lián)邊稱為懸掛邊，如圖12—3（b）中的a11。 （7）點(diǎn)數(shù)與邊（弧）數(shù)：圖G或D中的點(diǎn)數(shù)記為P（G）或P（D），邊（?。?shù)記為q（G）或q（D）。在不引起混淆的情況下，也分別記為p，q。 （8）孤立點(diǎn)：次為0的頂點(diǎn)稱為孤立點(diǎn)，如圖12—3（b）中的點(diǎn)v8。 （9）始點(diǎn)與終點(diǎn)：圖D（V，A）中，若a=（u，v），則稱a為從u到v的一條?。ɑ蛴邢蜻叄Qu，是a的始點(diǎn)，v是a的終點(diǎn)。 （10）奇點(diǎn)與偶點(diǎn)：次為奇數(shù)的點(diǎn)，稱為奇點(diǎn)，否則稱為偶點(diǎn)。 （13）可到達(dá)：（有向）圖D中存在有向路P（u，v），則頂點(diǎn)v稱為在D中從頂點(diǎn)u出發(fā)可到達(dá)。 （14）簡單圖與多重圖：一個無環(huán)、無多重邊的圖稱為簡單圖，如圖12—2所示；一個無環(huán)但允許有多重邊的圖稱為多重圖，如圖12—1（b）所示。 （15）基礎(chǔ)圖與定向圖：給定一個有向圖D=（V，A），從D中去掉所有弧上的箭頭，就得到一個無向圖，稱之為D的基礎(chǔ)圖，記為G（D）；反之，給定一個無向圖G=（V，E），對于它的每一條邊，均為其端點(diǎn)指定一個順序，從而確定一條有向邊，由此得到一個有向圖D=（V，A），稱此有向圖為原無向圖的定向圖。 （16）賦權(quán)圖：如果圖中的每條邊（?。┒急毁x予了一個權(quán)數(shù)（實(shí)數(shù)值）W。，則稱之為賦權(quán)圖，記做G（V，E，W）或D（V，A，W）。實(shí)際中，權(quán)可以代表兩點(diǎn)之間的距離、費(fèi)用、利潤、時(shí)間和容量等不同的含義。 12.1.3 圖的類型 （1）有限圖與無限圖：圖的頂點(diǎn)數(shù)和邊（?。?shù)都是有限集，則稱為有限圖（Finite Graph）；否則稱為無限圖（Infinite Graph）。 （2）平凡圖與非平凡圖：僅有一個頂點(diǎn)的圖，稱為平凡圖；其他所有圖稱為非平凡圖。 （3）連通圖與非連通圖：任何兩點(diǎn)之間至少有一條鏈的圖，稱為連通圖；否則，稱為非連通圖。 （4）單向連通圖與雙向連通圖：有向圖中任意兩個頂點(diǎn)u，v，頂點(diǎn)u可連通u或v可連通u，則稱該有向圖為單向連通圖；若任意兩個頂點(diǎn)可相互到達(dá)，則稱該有向圖為雙向連通圖。 （5）網(wǎng)絡(luò)圖：連通的賦權(quán)圖，稱為網(wǎng)絡(luò)圖。

編輯推薦

《統(tǒng)計(jì)分析教材:MATLAB & Excel定量預(yù)測與決策:運(yùn)作案例精編》是定量預(yù)測與決策領(lǐng)域里一本系統(tǒng)而又極具操作性的行動指南和參考手冊，可作為工業(yè)工程、管理科學(xué)與工程以及經(jīng)濟(jì)金融專業(yè)的本科生、研究生學(xué)習(xí)，教師教學(xué)的參考書，也可供想提高自己工作中預(yù)測和決策水平的生產(chǎn)運(yùn)作管理人員、科研工作者及數(shù)學(xué)建模愛好者參考。

圖書封面

評論、評分、閱讀與下載

---

    MATLAB & Excel定量預(yù)測與決策 PDF格式下載

---