一、利用二次函数性质证不等式 A>B>C（论文文献综述）
陈寿长[1]（2018）在《服务多类需求的易逝库存管理模型及其应用》文中指出易逝产品的高效库存管理对于实现商业成功和环境可持续发展起到了关键作用。相关文献测算出在零售业中,诸如水果、蔬菜、肉类、鱼类、乳制品和烤焙食品等易逝产品的收益占总收益的份额高达40%,它们亦是店内流量和顾客忠诚度的重要驱动因素。但是同时全世界每年有近三分之一约9900亿美元的易逝产品由于过期而被浪费.以零售业为例,在美国,有近1 1%的乳制品和4%的肉制品由于过期而被浪费。在美国和瑞士,约8-9%的水果蔬菜被浪费,而瑞典、挪威和澳大利亚的研究表明有约4-5%的水果和蔬菜被浪费。在2006年,美国有约10.9%的单采血小板和22.2%全血处理血小板由于过期而被浪费。以上的数据均表明易逝产品过期造成的浪费和损失是十分惊人的。因此,易逝产品的库存管理是一个重要的研究问题。本文将研究两类具有不同特点的易逝产品的库存管理问题。第一个为血小板类易逝产品的库存控制问题。由于其供应端存在着巨大的不确定性（以及采集决策）,本文将研究在一个中心血库中,全血采集和血小板生产的联合决策问题。本研究刻画了最优全血采集、血小板生产、库存发布、分配和清理决策的结构。特别的,本研究发现每周期最优的血小板生产量关于库存水平是非递增的,但是有趣的是,最优全血采集可能在某些情况下会随着在手血小板库存水平的升高而增大。本研究利用实际数据验证了联合决策相对于独立决策可以节约大量成本,数值实验表明其优势主要体现在更少的全血采集和生产,但是更高效的全血利用和更少的血小板缺货。本研究也开发了前瞻式启发式策略,数值实验表明其性能十分优越。第二个为零售类易逝产品的库存控制问题。注意到其在消费场景中面临着顾客对其新鲜度的偏好,本文将研究服务多类需求的易逝产品的库存控制问题,其中每类需求由不同的缺货成本和最小新鲜度要求刻画。同一周期内的需求可以是相关的,不同期的需求是独立的但是不要求它们同分布。在每周期,决策者需要决定库存发布、库存分配、生产/补货和清理决策。决策的目标是最小化整个计划周期内的期望成本,包括线性的订货、库存持有/失销、过期和清理成本。通过建立关于多模（multimodularity）的一些新的性质,本研究证明了关于最优策略的单调性和有限敏感性等性质。基于最优分析的结果,本研究提出了一个新颖的逼近方法,称为自适应逼近方法,其可通过一维的动态规划递归的求解。数值实验表明本研究提出的逼近方法是近似最优的,其平均误差为0.30%,且远胜于历史文献中存在的启发式策略。在实际应用中,不论是传统零售商还是网上零售商都没有将顾客的新鲜度要求考虑到他们日常的运营中。但是,本研究的数值实验表明,特别是在线上零售业中,不考虑顾客的新鲜度要求将导致剧烈的成本增加。
陈再毅[2]（2018）在《机器学习中的一阶优化算法收敛性研究》文中提出由于具有对目标函数的假设较弱,收敛速度快和易于实现等特点,一阶优化算法被广泛应用于求解机器学习模型参数。然而传统的一阶优化算法在实现时会遇到各种各样的问题。一方面,随着数据规模的爆发式增长和深度神经网络等机器学习模型中参数规模不断增加,传统的确定性数值优化算法有计算量过大的问题。另一方面,数值优化领域中讨论的一阶算法分析往往基于最坏计算复杂度。由于实际当中最坏情况往往不会出现,实际中传统的随机梯度下降等方法在求解过程中可能浪费大量的迭代。为此,机器学习领域的研究者们提出了ADAGRAD等针对凸问题的随机自适应算法,这些方法通过利用随机梯度的历史信息来自适应地更新步长,在实际应用中通常有更好的性能。但是,目前大量的机器学习任务（如深度神经网络）的目标函数为非凸函数,在非凸情况下大部分上述算法在理论层面尚缺乏收敛性保证。综上,研究实用、收敛速度更快的优化算法是机器学习理论中的一个重要挑战。为此,本文重点研究能同时提升理论收敛速度和实际表现的一阶优化算法,具体包括四个方面:1)研究了 KL不等式在非凸矩阵秩最小化问题上的应用,证明了当目标函数满足KL性质时关于奇异值的非凸规范化项可被传统的近邻映射算法求解,给出了近邻映射的闭形式,并证明当函数的可微部分的梯度是利普斯西连续时,算法有O（1/ε）的渐进计算复杂度;2)提出了求解满足强凸和局部误差界条件的问题的强自适应随机优化算法（SADAGRAD）,证明了该算法具有关于随机次梯度范数的自适应计算复杂度,且复杂度在最坏情况下分别为O（1/ε）和O（1/ε2（1-α））,其中α ∈[0,1)为函数的局部误差界常数。当随机梯度稀疏时,SADAGRAD可以有效降低计算复杂度,并减少优化变量规模对算法效率的影响;3)提出了阶段化的一阶优化算法框架,该算法框架通过把求解非凸问题转化为递归求解凸问题,将自适应算法等成熟的凸优化方法扩展到非凸优化当中。可以证明在该算法框架下,大量成熟的凸优化算法求解非凸问题时可以达到目前最优的收敛速度;4)最后,针对非凸问题提出了阶段化加速的方差减小随机梯度下降法（Stagewise-Katyusha）,当 μ-weakly convex 的目标函数由 n 个 L-smooth 的函数和一些相对简单的项组成时,该算法在条件数L/μ≥4n/3时可以达到算法复杂度的下界,且比在该条件下取得最优计算复杂度的其它算3法内存开销更低。
伍兴国[3]（2006）在《一类大规模最优化问题的并行BFGS算法》文中研究说明在求解无约束最优化问题的众多算法中,拟牛顿法是颇受欢迎的一类算法.尤其是用于求解中小规模问题时该类算法具有较好的数值效果. BFGS算法被认为是数值效果最好的拟牛顿法,其收敛理论的研究也取得了很好的成果.在一定的条件下,BFGS算法具有全局收敛性和超线性收敛速度.然而,对于大规模最优化问题来求解,包括BFGS算法在内拟牛顿法具有明显的缺陷.其主要问题之一在于拟牛顿法产生的矩阵不能保持目标函数f （ x ）的Hessian阵的稀疏性.有许多的例子表明,一旦处理问题很大时,一些对小规模问题非常成功的算法变得毫无吸引力.究其原因,主要是由于在中小型问题一些不太重要的因素在求解大规模问题时,变得代价很高.随着速度更快及更复杂的计算机的出现,增强了我们的计算处理能力.同时也为我们设计算法带来了新的课题.并行计算机的发展为求解大规模最优化问题提供了一条新途径.对求解中小规模问题中数值效果好的算法并行化以用于大规模问题的求解受到了广泛欢迎.本文在求解非线性方程组的并行Broyden算法的基础上,提出一种求解无约束最优化问题的并行BFGS算法.算法的基本思想是把原问题分解成若干个具有重叠性质的小规模子问题,对每个子问题采用BFGS算法求解,然后对子问题的解通过一种加权平均的方式进行修正,作为新的迭代点.我们证明,在一定条件下这种并行BFGS算法具有局部收敛性和线性收敛速度.
张党光[4]（2013）在《高中微积分的教学策略研究》文中研究说明随着时间的流逝,中国的教育事业的大力发展,微积分在中国的教育地位一波三折,进进出出。如今,随着新的课程标准施行,伴随着教育理念的转变,微积分又重新进入我国的高中教材。微积分在数学史上地位非凡,许多数学家对它情有独钟,而在高中教材中加入微积分,是我国社会生产力进步、文化教育事业发展的需要,也是我国科学技术始终处于世界领先地位的前提保障。在高中数学教学中数学教师在制定涉及微积分教学内容的教学策略的合理性会对高中数学微积分教学质量的效果产生或好或坏的影响,相对于国外的许多教育方面的学者在上世纪60年代便开始重视教学策略的研究工作,提出不少关于微积分教学问题改进的建议；对于教学策略的研究我国学者认识的程度低并且开始研究的时间较晚,对于此内容的研究缺乏整体的研究结果并且大多研究只是停留在概念的论述上。那么,针对我国目前的教育情况,如何在高中微积分教学中,提高教学质量,使高中的微积分教学更有效?这就需要改进目前的教学策略,从而也说明本研究的必要性。笔者通过对我国教育事业中微积分课程改革的回顾,在新课标的基础之上,结合高中教材上微积分的知识分布,通过对目前高中微积分教学和学生学习的调查研究,根据微积分教学中存在的问题,从而提出笔者的关于微积分教学的合理性策略,探讨微积分教与学的合理模式,给出了微积分教学的一些策略如：准备策略、引导探究策略、情境创设策略、体验教学策略、反思策略、交流的策略等教学策略,并通过实际的教学实验证明本人提出的微积分教学策略的合理性。为以后微积分的教学给出了一些合理化的指导和建议。
罗单[5]（2013）在《模型误差的诊断及其补偿方法若干问题研究》文中进行了进一步梳理测量是人类认识物质世界的重要手段,通过测量人们对客观事物在“质”的基础上获得了“量”的认识,从而总结出一般规律,建立起各种不同的计算公式和模型。但是,一般我们所建立起的模型,必然存在与客观实际不完全相符的情况,我们称之为模型误差。尤其是在现代数据采集的高精度化和自动化,改变了常规大地测量中的偶然性。本文系统的研究了模型误差理论及其诊断方法、模型误差的补偿效果方法、模型补偿在道路工程方面的应用。在软地基上修建高速路,造价高,标准高,对路基的沉降和稳定性要求高,而由于软地基自身透水性强、含水量大、强度低等特点,故沉降问题也成为一个修建高速路的核心问题,对于路面地基沉降的及时预测,对于整个施工团队的时间的控制具有重要的意义。由于目前对于模型误差的补偿技术研究不够深入,缺乏多种数学模型的对比研究及其精度的评定,对于其公路工程地基的沉降预测方面也有所不足。而目前,公认的比较合理的沉降预测方法是根据现场实测沉降值进行拟合的方法,由于算法的复杂性,要求实测数据的时间间隔要长,就不可避免的产生了误差,及时进行补偿,可以有效的提高模型精度。本文主要研究了模型误差理论和数据处理模型,以及用数学中统计的方法,来进行误差的诊断。在模型误差补偿方法上,重点研究了附加参数法、附加系统权、最小二乘配置、半参数法。通过一组实验拟合数据,用4种方法进行了补偿分析,得出相关结论,并提出了不同的回归模型的选择,对模型误差补偿效果影响不同的观点。最后,结合多个工程实例,对模型误差补偿技术在道路工程的沉降预测的应用,进行了详细的分析,经验公式法存在模型误差,本文将最小二乘配置法与解决公路工程实际问题相结合,对常用的利用实测数据建立模型的经验公式相结合,进行地基沉降的预测。经过试验分析表明,通过对比补偿效果图,可以发现基于最小二乘配置的模型补偿方法补偿效果良好。
二、利用二次函数性质证不等式 A>B>C（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、利用二次函数性质证不等式 A>B>C（论文提纲范文）
（1）服务多类需求的易逝库存管理模型及其应用（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究的背景 |
| 1.2 研究的问题 |
| 1.2.1 全血采集、血小板生产和库存管理的联合决策问题研究 |
| 1.2.2 服务新鲜度异质需求的易逝产品库存管理研究 |
| 1.3 研究意义 |
| 1.4 国内外研究现状 |
| 1.4.1 血小板库存管理研究现状 |
| 1.4.2 顾客对易逝产品的选择模型的研究现状 |
| 1.5 研究内容与方法 |
| 1.5.1 全血采集、血小板生产和库存管理的联合决策研究 |
| 1.5.2 服务新鲜度异质需求的易逝产品库存管理研究 |
| 1.6 论文结构安排 |
| 2 文献综述 |
| 2.1 易逝库存控制相关研究 |
| 2.1.1 基于FIFO发布策略的易逝库存控制问题相关研究 |
| 2.1.2 基于LIFO发布策略的易逝库存控制问题相关研究 |
| 2.1.3 新鲜度异质需求的相关研究 |
| 2.2 血小板库存管理相关研究 |
| 3 多模理论简介 |
| 3.1 多模的定义与性质 |
| 3.2 第3章的证明 |
| 4 全血采集、血小板生产和库存管理的联合决策研究 |
| 4.1 问题的描述 |
| 4.2 模型的建立 |
| 4.3 模型的分析 |
| 4.3.1 最优库存发布和分配策略 |
| 4.3.2 最优库存清理、血小板生产和全血采集策略 |
| 4.4 前瞻式启发式策略 |
| 4.5 数值实验 |
| 4.5.1 实验设置 |
| 4.5.2 联合决策的优势 |
| 4.5.3 启发式算法的效果 |
| 4.6 第4章的证明 |
| 4.6.1 技术准备 |
| 4.6.2 命题4.1和定理4.1的证明 |
| 4.6.3 引理4.1和引理4.2的证明 |
| 4.6.4 定理4.2的证明 |
| 4.6.5 定理4.3的证明 |
| 5 服务新鲜度异质需求的易逝产品库存管理研究 |
| 5.1 模型的建立 |
| 5.2 最优策略的结构分析 |
| 5.2.1 最优策略的结构 |
| 5.3 和实际应用的联系 |
| 5.4 启发式策略 |
| 5.5 数值实验 |
| 5.5.1 自适应逼近方法的总体性能及其与线性逼近方法的对比 |
| 5.5.2 关于系统参数的鲁棒性分析 |
| 5.5.3 区分新鲜度异质需求的价值 |
| 5.6 第5章的证明 |
| 5.6.1 命题5.1、定理5.1和定理5.2的证明 |
| 5.6.2 引理5.1和引理5.2的证明 |
| 6 总体结论与展望 |
| 6.1 研究结论与贡献 |
| 6.1.1 全血采集、血小板生产和库存管理的联合决策研究的结论与贡献 |
| 6.1.2 服务新鲜度异质需求的易逝产品库存管理研究的结论与贡献 |
| 6.1.3 两个研究最优分析的对比 |
| 6.2 研究局限与展望 |
| 参考文献 |
| 附录A 第4章的数值实验中的参数估计 |
| A.1 需求分布估计 |
| A.2 采集函数的估计 |
| 附录B 两级易逝库存系统的库存控制模型 |
| B.1 引言 |
| B.1.1 研究背景与研究问题 |
| B.1.2 多级易逝库存系统的研究现状 |
| B.2 两级易逝库存系统模型的建立 |
| B.3 最优策略的结构分析 |
| B.3.1 最优需求满足策略 |
| B.3.2 最优成品库存清理,生产和原料补货策略 |
| B.4 总结 |
| 附录C 本文的符号清单 |
| 附录D 正文中省略的表格 |
| 作者简历 |
（2）机器学习中的一阶优化算法收敛性研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 基本问题描述 |
| 1.2 本文贡献 |
| 第2章 背景介绍 |
| 2.1 基本性质和标记定义 |
| 2.1.1 计算复杂度和收敛速度 |
| 2.1.2 标记定义 |
| 2.2 相关工作 |
| 2.2.1 误差界和Kurdyka-Lojasiewicz性质 |
| 2.2.2 随机梯度下降法和自适应算法简介 |
| 2.2.3 非凸优化算法简介 |
| 2.2.4 方差减小的随机一阶算法 |
| 第3章 基于迭代阈值收缩的非凸矩阵秩最小化算法 |
| 3.1 矩阵秩最小化问题和非凸规范化项 |
| 3.2 重加权的非凸奇异值规范化项收敛结果分析 |
| 3.3 多个矩阵的秩最小化问题 |
| 3.4 实际实现中的问题和解决方案 |
| 3.5 矩阵补全问题中的算法验证 |
| 3.5.1 人造数据集 |
| 3.5.2 图像数据集 |
| 3.5.3 多个域的推荐问题 |
| 第4章 SADAGRAD:强自适应的随机梯度算法 |
| 4.1 二阶增长条件下的强自适应的随机次梯度算法 |
| 4.2 SADAGRAD算法基于近邻算法的变种 |
| 4.3 实际应用中的SADAGRAD算法变种 |
| 4.4 SADAGRAD算法在满足局部误差界假设下的扩展 |
| 4.5 实验验证 |
| 第5章 非凸优化中统一的阶段化学习方法框架 |
| 5.1 阶段化优化算法框架 |
| 5.2 具体的阶段化优化算法 |
| 5.2.1 阶段化的随机梯度下降法 |
| 5.2.2 阶段化的动量随机梯度法 |
| 5.2.3 阶段化的自适应算法 |
| 5.3 实验验证 |
| 第6章 Stagewise-Katyusha:阶段化的加速的方差减小随机梯度下降法 |
| 6.1 Stagewise-Katyusha算法和假设 |
| 6.2 收敛性分析 |
| 第7章 总结 |
| 参考文献 |
| 附录A 第3章证明 |
| A.1 定理3.6证明 |
| A.2 引理3.7证明 |
| A.3 定理3.9证明 |
| 附录B 第4章证明 |
| B.1 命题4.1证明 |
| B.2 定理4.2证明 |
| B.3 定理4.4证明 |
| B.4 定理4.5证明 |
| B.5 定理4.7证明 |
| B.6 定理4.8证明 |
| 附录C 第5章证明 |
| C.1 定理5.3证明 |
| C.2 定理5.5证明 |
| C.3 定理5.7证明 |
| C.4 引理5.4证明 |
| C.5 引理5.6证明 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（3）一类大规模最优化问题的并行BFGS算法（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 优化问题 |
| 1.2 BFGS 算法及修正形式 |
| 1.3 大规模问题 |
| 1.4 L-BFGS 算法 |
| 第2章 最优化的并行计算 |
| 2.1 并行计算的目的和意义 |
| 2.2 按变量分裂的并行计算 |
| 2.3 函数值、梯度值的并行计算 |
| 2.4 计算步骤的并行计算 |
| 第3章 应用重叠块的并行算法 |
| 3.1 问题和记号说明 |
| 3.2 重叠块算法的构思和步骤 |
| 3.3 局部收敛性 |
| 第4章 数值实验 |
| 结论 |
| 参考文献 |
| 附录 A(攻读学位期间所发表的学术论文目录) |
| 致谢 |
（4）高中微积分的教学策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 选题的目的与意义 |
| 1.3 研究现状 |
| 1.3.1 教学策略研究现状 |
| 1.3.2 微积分教学研究现状 |
| 1.4 研究微积分教学策略的必要性 |
| 1.5 研究方法 |
| 第2章 研究的理论基础 |
| 2.1 建构主义理论 |
| 2.2 认知主义理论 |
| 2.3 人本主义理论 |
| 第3章 新课标对高中微积分的教学要求及内容分布 |
| 3.1 新课标对高中微积分的教学要求 |
| 3.2 高中微积分内容分布 |
| 第4章 高中微积分教学的调查分析及存在问题 |
| 4.1 高中微积分教学的调查研究及分析 |
| 4.2 高中微积分教学中存在的问题 |
| 4.2.1 教师教学准备不足 |
| 4.2.2 对教学问题与方法重视程度不够 |
| 4.2.3 教育的现代化认识程度不高 |
| 4.2.4 不能有效调动学生学习的主动性 |
| 第5章 高中微积分的教学策略 |
| 5.1 课堂教学准备策略 |
| 5.2 主要教学行为策略 |
| 5.2.1 情境创设策略 |
| 5.2.2 引导探究策略 |
| 5.2.3 体验教学策略 |
| 5.3 辅助教学行为策略 |
| 5.3.1 交流的策略 |
| 5.3.2 反思策略 |
| 第6章 高中微积分教学策略的实证研究 |
| 6.1 教学实验 |
| 6.1.1 实验目的 |
| 6.1.2 实验条件 |
| 6.2 课堂教学实验结果与分析 |
| 6.3 实验的不足 |
| 第7章 结论 |
| 7.1 研究结论 |
| 7.2 相关建议 |
| 7.2.1 重视教学策略和教学观念的更新 |
| 7.2.2 重视现代教育技术的使用 |
| 7.2.3 营造积极的课堂氛围 |
| 7.3 创新之处 |
| 7.4 改进方向 |
| 参考文献 |
| 附录 |
| 致谢 |
| 作者在攻读硕士研究生期间的研究成果 |
（5）模型误差的诊断及其补偿方法若干问题研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.1.1 平差系统的模型误差 |
| 1.1.2 路基沉降预测模型 |
| 1.2 国内外研究现状 |
| 1.2.1 模型误差的研究 |
| 1.2.2 模型误差补偿常见的方法 |
| 1.2.3 公路路基沉降研究现状 |
| 1.2.4 测量平差发展简史 |
| 1.3 本文研究内容 |
| 第2章 模型误差及其诊断方法 |
| 2.1 误差来源 |
| 2.1.1 测量仪器 |
| 2.1.2 观测员 |
| 2.1.3 外业条件 |
| 2.2 数据处理模型 |
| 2.2.1 参数模型 |
| 2.2.2 非参数模型 |
| 2.2.3 非参数模型 |
| 2.3 模型误差 |
| 2.3.1 模型误差分类 |
| 2.3.2 模型误差对参数估计的影响 |
| 2.4 回归拟合分析法 |
| 2.4.1 参数最小二乘法 |
| 2.4.2 显著性检验 |
| 2.5 模型误差诊断法 |
| 2.5.1 统计假设检验法 |
| 2.5.2 回归拟合误差检验 |
| 2.5.3 回归参数假设检验 |
| 2.5.4 粗差估计和假设检验 |
| 2.6 简单算例分析 |
| 第3章 模型误差补偿方法 |
| 3.1 附加参数法 |
| 3.2 附加参数法 |
| 3.3 最小二乘配置法 |
| 3.3.1 数学模型 |
| 3.3.2 平差原理 |
| 3.3.3 模型误差协方差阵 |
| 3.4 半参数法 |
| 3.4.1 半参数模型求解 |
| 3.4.2 精度评定 |
| 3.5 常规补偿算法算例分析 |
| 3.6 回归拟合模型的选择对误差补偿的影响 |
| 3.6.1 一次函数回归 |
| 3.6.2 二次函数回归 |
| 3.7 本章小结 |
| 第4章 模型误差补偿在道路方面的应用 |
| 4.1 概述 |
| 4.2 常规经验公式法 |
| 4.2.1 双曲线法 |
| 4.2.2 沉降法 |
| 4.2.3 三点法(结度对数配合法) |
| 4.3 模型误差补偿在地基沉降工程实例的应用 |
| 4.4 本章小结 |
| 第5章 结论、创新点和展望 |
| 5.1 结论 |
| 5.2 创新点 |
| 5.3 存在的问题 |
| 致谢 |
| 参考文献 |
| 附录A 攻读硕士期间发表论文目录 |
| 附录B 攻读硕士期间参与科研项目 |
四、利用二次函数性质证不等式 A>B>C（论文参考文献）
- [1]服务多类需求的易逝库存管理模型及其应用[D]. 陈寿长. 浙江大学, 2018(03)
- [2]机器学习中的一阶优化算法收敛性研究[D]. 陈再毅. 中国科学技术大学, 2018(05)
- [3]一类大规模最优化问题的并行BFGS算法[D]. 伍兴国. 湖南大学, 2006(11)
- [4]高中微积分的教学策略研究[D]. 张党光. 陕西师范大学, 2013(03)
- [5]模型误差的诊断及其补偿方法若干问题研究[D]. 罗单. 昆明理工大学, 2013(02)