دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Rocktaschel S
سری:
ISBN (شابک) : 9783658291488, 9783658291495
ناشر: Springer
سال نشر: 2020
تعداد صفحات: 72
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 706 کیلوبایت
در صورت تبدیل فایل کتاب A branch-and-bound algorithm for multiobjective mixed-integer convex optimization به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب یک الگوریتم شاخه و کران برای بهینهسازی محدب اعداد صحیح مختلط چندهدفه نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
استفان راکتشل یک الگوریتم شاخه و کران را معرفی می کند که پوششی از مجموعه کارآمد مسائل بهینه سازی محدب اعداد صحیح مختلط چندهدفه را تعیین می کند. او مراحل خاص این الگوریتم را به تفصیل بررسی می کند و الگوریتم پایه را با تغییرات اضافی که پوشش دقیق تری از مجموعه کارآمد را تضمین می کند، تقویت می کند. در نهایت، او نتایج عددی را در مورد برخی از نمونه های آزمایشی ارائه می دهد.
Stefan Rocktäschel introduces a branch-and-bound algorithm that determines a cover of the efficient set of multiobjective mixed-integer convex optimization problems. He examines particular steps of this algorithm in detail and enhances the basic algorithm with additional modifications that ensure a more precise cover of the efficient set. Finally, he gives numerical results on some test instances.
Contents......Page 7
1 Introduction......Page 9
2.1 Basics of multiobjective optimization......Page 12
2.2 The central multiobjective mixed-integeroptimization problem......Page 16
2.3 A relaxation of (MOMICP)......Page 22
3 A basic Branch-and-Boundalgorithm for (MOMICP)......Page 23
3.1 The selection rule......Page 25
3.2 The bisection step......Page 27
3.3 A necessary feasibility condition......Page 30
3.4 Determining lower bounds......Page 33
3.5 Determining upper bounds......Page 36
3.6 The discarding test and termination rule......Page 40
4.1 Preinitialization......Page 46
4.2 Elimination step......Page 50
4.3 Decrease box width......Page 51
4.4 Enhanced algorithm and theoretical results......Page 52
5 Test instances and numericalresults......Page 55
6 Outlook and further possibleimprovements......Page 64
7 Conclusion......Page 66
Bibliography......Page 67
Plots referring to the numericaltests......Page 69