|
|
 |
| Àâòîðèçàöèÿ |
|
|
|
| Ïîèñê ïî óêàçàòåëÿì |
|
|
|
|
|
|
|
 |
|
|
|
| Fogiel M. — The Operations Research Problem Solver |
|
|
|
| Ïðåäìåòíûé óêàçàòåëü |
Level curves 11—2 11—3
Linear equations 3—5 3—6 3—7 3—9
Linear equations in vector form 3—9
Linear program, applications 4—45 4—46 6—23
Linear programming tableau 6—17
Local optimum 10—5 10—12 10—18 10—26 10—32 10—33
Location problem 6—2
Logical design 6—4
Lot-size problem with dynamic demand and single facility 12—32
Makespan 8—36 8—38 8—39
Marginal increase in value of objective function 4—27
Markov chains 13—35 to 13—47
Markov process 13—35 13—36
Matrix, augmented 3—16
Matrix, Gauss — Jordan 6—36
Matrix, Hessian 9—1 9—3 9—7 9—9 9—38 9—40 10—17 10—18 10—47
Matrix, Hessian, bordered 10—19
Matrix, inverse Hessian 9—41
Matrix, Jacobian 10—23 10—25 10—43
Matrix, payoff 13—11 to 13—27 13—30
Matrix, technological 4—27
Matrix, transition 13—28 13—29 13—35
Maximin see “Minimax”
Maximum point 9—10
Mean 8—31 12—17 12—23 12—25 12—26
Mean demand 12—30
Mean weighted flow time 8—34 8—35
measures of central tendency 8—31 12—17 12—23 12—25 12—26 12—30
Mendelian theory of genetics 13—37
Minimal spanning tree problem 8—15 to 8—18
minimax 13—11 to 13—27 13—30
Minimum cost 7—17
Mining problem 4—10
Mixed integer problem 6—28
Mixed strategy 13—16 13—20 13—23
Multi-stage decision problem 7—6
Multidimensional search without using derivatives 9—25 to 9—29
Multidimensional search, using derivatives 9—30 to 9—40
Multiperiod models 12—34 12—35
Multiple-conflictin g- goal model 4—55
Multiple-goal model 4—51 4—54 4—58
Multiple-item models with deterministic-static demand 12—15 to 12—17
Multiplier method 5—22 to 5—30
Multiplier, Lagrangian 10—14 10—15 10—43 12—16
Multiplier, simplex 4—25 4—27
Mutual fund investment strategies 7—16
Mutually exclusive and exhaustive subproblems 6- 23
Network, analysis 7—7 8—1
Network, cyclic 8—28
Newton — Raphson method 9—12 to 9—14
Newton’s method 9—24 9—33 9—40
Next best rule see “Greedy algorithm”
Nonabsorbing state 13—45 13—46
Nondegeneraey assumptiom 4—26
Noninteger decision variable 6—12
Nonlinear programming 7—19
Nonlinear programming, constrained optimization 10—1 to 10—51
Nonlinear programming, unconstrained optimization 9—14
Nonstandard tableau 11—9
Normal distribution 12—30
Normal distribution, approximation 12—25
Normal point 8—32
Normal probability density function 9—5
Normality condition 11—13 11—14
Northwest corner algorithm 5—3 to 5—9
Objective contour 10—6 10—7 10—8
Objective function coefficients, changes in 4—32
Objective function, maximization 3—9 3—15 3—22 3—28 3—30 3—38 3—44 3—48 3—49 3—53
Objective function, minimization 3—12 to 3—14 3—21 3—27 3—29 3—36 3—37 3—43 3—47 3—50 3—54 3—55
One dimensional search without using derivatives 9—15 9—16
One dimensional search, using derivatives 9—23 9—24
Operating cost penalty 7—13
Opportunity cost 5—22
Optimal basic solution 3—9 3—12 3—24 3—38 3—45
Optimal batch size 12—24
Optimal gradient method 9—37 9—38
Optimal integer solution 6—12 6—13 6—14 6—25
Optimal lot size 12—16 12—20
Optimal noninteger solution 6—16
Optimal order quantity 12—3 12—5 12—21
Optimal solution, unbounded 3—13 3—41
Optimality condition, Fritz-John 10—14 10—15
Optimality condition, Kuhn — Tucker 10—32 to 10—38 10—42
Optimality, test for 5—27 5—34
Optimum, global 10—5 10—9 10—12 10—18 10—26 10—32 10—33 10—49
Optimum, inventory level 12—22 to 12—24
Optimum, local 10—5 10—9 10—12 10—18 10—26 10—32 10—33
Order quantity 12—7 12—11
Order size 12—20
Ordering cost 12—17 12—18
Orthogonal system of equations 5—25
Orthogonality condition 11—13 11—14
Parametric programming 4—36 to 4—44
Payoff matrix 13—11 to 13—27 13—30
Penalty function method 10—40 to 10—43 10—45
Penalty method 5—7
Penalty, column 5—10 to 5—14
Penalty, operating cost 7—13
Penalty, parameter 10—40
Penalty, row 5—10 to 5—14
Penalty, up and down 6—15
Penalty, weights 4—52
Periodic and continuous review models with stochastic-static demand 12—26 to 12—31
Perturbation approach 3—32 4—41
Perturbation of the cost vector 4—36
Perturbation parameter 10—44
Piece wise-linear 4—41
Pivot, column 3—8 to 3—11 3—15 4—39
Pivot, element 3—8 to 3—11 3—15 4—20
Pivot, operation 4—25 4—28 6—6
Pivot, row 3—8 to 3—11 3—15
Pivot, transformation 3—8
Point, crash 8—32
Point, extreme 2—17
Point, maximum 9—10
Point, normal 8—32
Point, regeneration 12—35
Point, reorder 12—2 12—3 12—8
Point, saddle 10—18 10—36 13—11 13—30
Point, stationary 9—7 9—8 9—11
Poisson distribution 12—25 12—31 13—5 13—43
Posynomial 11—11 11—13 11—14
Powell’s search method 9—42
Price, elasticity 10—5
Price, index 10—5
Price, shadow 4—34 4—36 4—42 10—5
Price, transfer 4—45
Pricing, concepts of 4—24
Primal 4—37
Primal feasible tableau 3—51
Primal-dual problems 2—40 to 2—48 4—26
Principal minor determinants 9—10 10—19
Probability density function 12—21
probability distribution 8—31 12—21 13—28 13—29 13—35
Probability vector 13—28 13—35
Problem formulation 2—1 to 2—15 6—1
Production change measure 12—30
Production control problem 12—34 12—35
Production planning 4—51 7—15
Production schedule 7—15
Profit goal 4—48 4—52
Programming, dynamic 7—1 to 7—22
Programming, geometric 11—11 to 11—14
Programming, goal 4—48 to 4—58
Programming, linear 4—45 4—46 6—23
Programming, non-linear 7—19 10—1
Programming, parametric 4—36 to 4—44
Programming, quadratic 10—5 11—1
Programming, separable 11—20 11—21
Pseudo variables see “Slack variables”
| Pseudoconvex function 9—23
Purchasing cost 12—18
Pure strategy 13—11 to 13—15 13—18 13—21 13—22 13—26 13—27 13—30
Quadratic approximation 9—24
Quadratic function 11—1 to 11—10
Quadratic interpolation, technique 9—16
Quadratic programming model 10—5 11—1
Quais-convex function 9—5 9—18 9—20
Quantity discounts 12—18 to 12—20
Quasi-concave function 9—5
Queue length, average 13—1
Queuing models 13—1 to 13—10
Random demand 12—24
Random walk 13—45
Recurrence time 13—43
Recursive relation 7—2 to 7—4 9—41
Regeneration points 12—35
Reorder point 12—2 12—3 12—8
Replacement problem 6—9
Resource allocation problem 4—49
Return function 7—8
Revised cascade method 8—14
Revised simplex method 4—15 to 4—25 11—4
Rosenbrock’s method using line search 9—28 9—29
Rosen’s gradient projection method 10—49
Rotation cycle, length 12—33
Rotation cycle, policy 12—33
Route, direct 5—15 to 5—21
Route, indirect 5—15 to 5—21
Row operations 3—2 3—3 3—4 3—5 3—6 3—7 4—4
Row penalty 5—10 to 5—14
Saddle point 9—38 10—18 10—36 13—11 13—30
Sales, force 4—50
Sales, goal 4—50
Sales, model 4—50
Scaffold system 2—11
Scheduling 8—34 to 8—40
Search method, bisecting 9—22 9—23
Search method, dichotomous 9—16
Search method, Fibonacci 9—19 9—20 10—47
Search method, golden section 9—15 9—18
Search method, gradient search 9—35 9—36
Search method, Hooke — Jeeves 9—26 9—27
Search method, Powell’s 9—42
Search method, Rosenbrock’s 9—28 9—29
Search method, three-point equal-interval 9—15 to 9—17
Search method, uniform 9—21
Self-dual parametric algorithm 4—14
Sensitivity analysis 4—27 to 4—35
Sensitivity coefficients 4—38
Separable function 11—20
Separable programming 11—20 11—21
Sequential unconstrained minimization technique 10—46 10—47
Service rate, mean 13—3 13—4 13—10
Service time, mean 13—1 13—6
Shadow costs 5—29 5—34 11—15
Shadow prices 4—34 4—36 4—42 10—5
Shortage costs 12—27
Shortest path 8—5 to 8—14
Simplex algorithm see “Simplex method”
Simplex method 3—1 to 3—55 4—1 4—27 4—43 4—57 4—58 6—6 6—21
Simplex multipliers 4—25 4—27
Simplex solution 6—35
Simplex tableau 3—7 to 3—10 3—14 4—36 4—44 4—47 6—21
Single-goal model 4—53
Single-item models with deterministic-static demand 12—1 to 12—14
Single-item models with stochastic - static demand 12—21 to 12—25
Sink 8—2 8—23 8—25 8—29
Slack variables 2—35 to 2—38 3—13 3—22 4—13 4—23 4—30 4—38 4—41 4—42 4—46 4—48 4—58 6—6 8—31
Smoothing constant 12—30
Source 8—2 8—23 8—25 8—29
Source row 6—25 6—31
Space project problem 7—21
Spanning tree 8—15 to 8—18
Standard deviation 12—17 12—30
Standard form 3—10 3—17 3—18
Standard form, nonnegativity constraints 2—25 to 2—30
Standard normal random variable 12—29
Standard tableau 11—9
state variables 7—8 7—12
Stationary points 9—7 9—8 9—11
Steepest ascent method 9—32 9—34
Steepest descent method 9—30 9—31 9—33
Stepping stone method 5—15 to 5—21
Storage cost 12—17
Strategy, dominated 13—19
Strategy, duplicate 13—19
Strategy, mixed 13—16 13—20 13—23
Strategy, mutual fund investment 7—16
Strategy, pure 13—11 to 13—15 13—18 13—21 13—22 13—26 13—27 13—30
Subgradient 10—13
Surplus variables 3—53 4—8 4—48
Tableau, degenerate 5—9 5—14 5—19 5—21 5—26
Tableau, nonstandard 11—9
Tableau, primal feasible 3—51
Tableau, standard 11—9
Taylor expansion 9—13 9—14
Tchebycheff solution 2—2
Technological coefficients, changes in 4—32
Technological matrix 4—27
Termination scalar 10—40
Theorem, central limit 8—31
Theorem, duality 4—34
Three-point equal-interval search 9—15 to 9—17
Time chart 8—33
Total cost 12—19
Total fixed procurement cost 12—32
Total variable procurement cost 12—32
Traffic intensity 13—3 13—8
Transfer prices 4—45
Transition diagram 13—28 13—35
Transition function 7—8
Transition matrix 13—28 13—29 13—35
Transition matrix in canonical form 13—45
Transition matrix, decision 7—8 7—12
Transition matrix, deviational 4—55 4—56 4—58
Transition matrix, nonbasic 3—8 6—25
Transition matrix, noninteger decision 6—12
Transition matrix, slack 2—35 to 2—38 3—13 3—14 3—16
Transition matrix, standard normal random 12—29
Transition matrix, state 7—8 7—12
Transition matrix, surplus 3—53 4—8 4—48
Transition probability 13—28 13—29 13—35
Transportation problem 5—1 to 5—43
Transportation problem, balanced 5—1 5—2
Transportation problem, solution by simplex method 3—14
Traveling salesman problem 6—40 6—41
TREE 8—9 8—12 8—15 8—25 8—38
Tree measure 13—35
Trial and error method 2—39
Trial solutions 9—36
Tucker — Beale form 6—15
Two-phase method 3—44 3—47 3—54 3—55 4—31
Two-player zero-sum game 13—11 to 13—27 13—30
Unbounded problem 4—36
Unconstrained optimization 9—6 9—9 9—13
Uniform search 9—21
Unit commitment problem 7—12
Unit variable cost 12—20
Up and down penalties 6—15
Van-de-Panne and Whinston method 11—9
Variables, artificial 3—11 3—29 3—40 4—12 4—13
Variance 8—31 12—17 12—30
Vector, basic 3—9
Vector, column 3—9 3—31
Vector, gradient 9—7 9—37
Vector, probability 13—28 13—35
Virtual work, principle of 2—49
Vogel numbers 5—10 to 5—14
Vogel’s approximation method 5—10 to 5—14
|
|
|
| Ðåêëàìà |
|
|
|
|
|
Î ïðîåêòå