组合优化模型

Hopfield模型应用于组合优化问题，将神经元状态映射为命题真假，连接强度表示命题关联程度。能量函数衡量总花费，其中wijaiaj代表连接强度和神经元状态的乘积。

创建组合索引时，确保where子句引用索引的第一列，否则优化器可能使用全表扫描而不是索引。

介绍了一种新型的出租车订单调度系统，采用了基于组合优化模型的设计。该系统由滴滴出行研究团队开发，通过提高全局成功率来优化整体旅行效率并增强用户体验。传统调度系统通常逐个分配订单给司机，致力于提高单个订单的司机接受率，但可能导致全局成功率低下，影响乘客整体体验。因此，提出了同时处理多个订单的新型调度方法，以优化全局成功率。关键技术包括全局成功率优化、组合优化模型、用户目的地预测算法等。实验结果显示，新方法显著提高了全局成功率，并在用户等待时间和接单距离等指标上取得了显著改进。

本节介绍利用股票指数对投资组合模型进行简化的方法。通过线性回归，可以找出股票收益与股票指数之间的线性关系。根据该线性关系，可将股票收益表示为股票指数的线性函数。该方法可以避免协方差矩阵的计算，从而简化模型。

利用仿真模型可以深入理解电阻串联和并联的组合方式。

MATLAB 的股票投资组合构建功能，真的是金融里的一个老牌利器了，尤其是搞量化的小伙伴，用起来得心应手。它用的是均值方差模型，说白了就是在控制风险的前提下，尽量让收益最大化。 历史收益数据的，在Stock-Portfolio-Builder-master项目里都有封装好的脚本，省去了不少手动采集的麻烦。你只要喂给它一份股票的历史价格数据，它就能自动算出每日收益率，响应也快，逻辑也清晰。 期望回报和方差的计算，也就几行代码的事，用的是 MATLAB 自带的统计工具箱。平均收益率越高，预期越好；方差越大，波动也就越高。两者一起看，才能挑出那些“收益高但风险低”的宝藏组合。 讲协方差矩阵有点抽象，

在Oracle数据库中，合理使用索引可以显著提升查询速度。对于组合索引，只有在查询条件中包含索引第一列（leading column）时，优化器才会选择使用该索引。 例如，假设我们有一个名为multiindexusage的表，并在inda和indb列上创建了一个组合索引multindex。 当查询条件为where inda = 1时，优化器会使用索引进行查询，因为inda是组合索引的第一列。 然而，如果查询条件为where indb = 1，优化器则会选择全表扫描，因为它没有包含索引的第一列inda。 因此，在设计组合索引和编写SQL查询时，务必考虑索引列的顺序，以充分发挥索引的性能优势。

其它目标下的投资组合模型讲的是一种挺有意思的思路——不再单盯着收益的方差来衡量风险，而是考虑实际中更常见的非对称分布下，怎么把下侧风险搞清楚。里面提到的半方差、downside risk，对搞金融建模的你应该不陌生。讲得挺实在，还有个用 ANSYS Workbench 做的工程例子，虽说是金融建模，但工程味也挺浓的，值得一看。

对于组合索引，优化器仅会在第一个列（前导列）出现在 WHERE 子句中时使用索引。如果只引用索引的非前导列，优化器将忽略索引并进行全表扫描。

模拟退火算法主要用于解决组合优化问题，它源于模拟物理中晶体物质的退火过程。在处理固体物质时，通过加温熔化使粒子自由运动，随后逐渐降温形成低能态的晶格。对于组合优化问题，模拟退火算法在解空间中寻找最小化目标函数值的过程类似于寻找基态的过程。模拟退火算法解决资源分配优化问题的能力已被广泛应用。