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
دسته بندی: ریاضیات ویرایش: 1st نویسندگان: James Renegar سری: MPS-SIAM Series on Optimization ISBN (شابک) : 9780898715026, 0898715024 ناشر: Society for Industrial Mathematics سال نشر: 1987 تعداد صفحات: 126 زبان: English فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 683 کیلوبایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب A mathematical view of interior-point methods in 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 نمای ریاضی روش های نقطه داخلی در بهینه سازی محدب 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.
این کتاب فشرده، از طریق چشمانداز سادهکنندهای که ارائه میکند، خوانندهای را که کمی از روشهای نقطه داخلی میداند، به مرزهای تحقیقاتی میبرد، و ایدههای کلیدی را که بیش از یک دهه توسط بسیاری از محققان روش نقطه داخلی ساخته شده بود، توسعه میدهد. هدف آن ایجاد درک کاملی از کلیترین نظریه برای روشهای نقطه داخلی، کلاسی از الگوریتمها برای مسائل بهینهسازی محدب است. مطالعه این الگوریتمها برای نزدیک به 15 سال بر ادبیات بهینهسازی پیوسته تسلط داشته است. در آن زمان، این تئوری به شدت رشد کرده است، اما درک بسیاری از ادبیات، حتی برای متخصصان، دشوار است. با تمرکز تنها بر عناصر اساسی تئوری و تأکید بر هندسه زیربنایی، دیدگاه ریاضی روشهای نقطه داخلی در بهینهسازی محدب، این نظریه را برای مخاطبان وسیعی در دسترس قرار میدهد و به آنها اجازه میدهد تا به سرعت درک اساسی از مطالب را توسعه دهند. نویسنده با ارائه کلی مطالب مربوط به تئوری بهینهسازی پیوسته شروع میکند، به گونهای که به آسانی در توسعه نظریه روش نقطه داخلی قابل استفاده باشد. این ارائه به گونه ای نوشته شده است که حتی با انگیزه Ph.D. دانشآموزانی که هرگز دورهای در مورد بهینهسازی مداوم نداشتهاند، میتوانند شهود کافی برای درک کامل تئوری عمیقتر زیر را به دست آورند. Renegar با توسعه نظریه روش نقطه داخلی پایه، با تاکید بر انگیزه و شهود ادامه می دهد. در فصل آخر، او بر روابط بین روشهای نقطه داخلی و نظریه دوگانگی، از جمله مقدمهای مستقل بر نظریه دوگانگی کلاسیک برای برنامهریزی مخروطی تمرکز میکند. کاوش مخروط های متقارن؛ و توسعه تئوری کلی الگوریتم های اولیه-دوگانه برای حل مسائل بهینه سازی برنامه ریزی مخروطی.
بهجای تلاش برای دایرهالمعارفی، نگاه ریاضی به روشهای نقطه داخلی در بهینهسازی محدب به خواننده درک کاملی از مفاهیم و روابط اصلی میدهد، نوعی درک که مدتها پس از پایان کتاب برای خواننده باقی میماند.
This compact book, through the simplifying perspective it presents, will take a reader who knows little of interior-point methods to within sight of the research frontier, developing key ideas that were over a decade in the making by numerous interior-point method researchers. It aims at developing a thorough understanding of the most general theory for interior-point methods, a class of algorithms for convex optimization problems. The study of these algorithms has dominated the continuous optimization literature for nearly 15 years. In that time, the theory has matured tremendously, but much of the literature is difficult to understand, even for specialists. By focusing only on essential elements of the theory and emphasizing the underlying geometry, A Mathematical View of Interior-Point Methods in Convex Optimization makes the theory accessible to a wide audience, allowing them to quickly develop a fundamental understanding of the material.
The author begins with a general presentation of material pertinent to continuous optimization theory, phrased so as to be readily applicable in developing interior-point method theory. This presentation is written in such a way that even motivated Ph.D. students who have never had a course on continuous optimization can gain sufficient intuition to fully understand the deeper theory that follows. Renegar continues by developing the basic interior-point method theory, with emphasis on motivation and intuition. In the final chapter, he focuses on the relations between interior-point methods and duality theory, including a self-contained introduction to classical duality theory for conic programming; an exploration of symmetric cones; and the development of the general theory of primal-dual algorithms for solving conic programming optimization problems.
Rather than attempting to be encyclopedic, A Mathematical View of Interior-Point Methods in Convex Optimization gives the reader a solid understanding of the core concepts and relations, the kind of understanding that stays with a reader long after the book is finished.