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: 1
نویسندگان: Alexander Rubinov (auth.)
سری: Nonconvex Optimization and Its Applications 44
ISBN (شابک) : 9781441948311
ناشر: Springer US
سال نشر: 2000
تعداد صفحات: 505
زبان: English
فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 مگابایت
کلمات کلیدی مربوط به کتاب تحدب انتزاعی و بهینه سازی جهانی: حساب تغییرات و کنترل بهینه، بهینه سازی، بهینه سازی، مدل سازی ریاضی و ریاضیات صنعتی، مهندسی برق
در صورت تبدیل فایل کتاب Abstract convexity and global 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 تحدب انتزاعی و بهینه سازی جهانی 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.
ابزارهای ویژه ای برای بررسی و حل مسائل بهینه سازی مورد نیاز است. ابزارهای اصلی در مطالعه بهینهسازی محلی، حساب کلاسیک و تعمیمهای مدرن آن هستند که تحلیل غیرهموار را تشکیل میدهند. گرادیان و انواع مختلف مشتقات تعمیم یافته به ما اجازه می دهد تا یک تقریب محلی از یک تابع معین را در همسایگی یک نقطه مشخص انجام دهیم. این نوع تقریب در مطالعه اکسترمای موضعی بسیار مفید است. با این حال، تقریب محلی به تنهایی نمی تواند به حل بسیاری از مسائل بهینه سازی جهانی کمک کند، بنابراین نیاز آشکار به توسعه ابزارهای جهانی ویژه برای حل این مسائل وجود دارد. ساده ترین و شناخته شده ترین حوزه بهینه سازی جهانی و به طور همزمان محلی، برنامه نویسی محدب است. ابزار اساسی در مطالعه مسائل بهینه سازی محدب، زیرگروه است که در واقع نقش محلی و جهانی را ایفا می کند. ابتدا، یک زیرگرید تابع محدب f در نقطه x تقریب محلی f را در همسایگی x انجام می دهد. دوم، زیرگرید اجازه ساخت یک تابع افین را می دهد که از f در کل فضا تجاوز نمی کند و با f در x منطبق است. این تابع وابسته h تابع پشتیبانی نامیده می شود. از آنجایی که f(y) ~ h(y) برای متحد، نقش دوم جهانی است. بر خلاف یک تقریب محلی، تابع h یک پشتیبانی مشترک جهانی نامیده می شود.
Special tools are required for examining and solving optimization problems. The main tools in the study of local optimization are classical calculus and its modern generalizions which form nonsmooth analysis. The gradient and various kinds of generalized derivatives allow us to ac complish a local approximation of a given function in a neighbourhood of a given point. This kind of approximation is very useful in the study of local extrema. However, local approximation alone cannot help to solve many problems of global optimization, so there is a clear need to develop special global tools for solving these problems. The simplest and most well-known area of global and simultaneously local optimization is convex programming. The fundamental tool in the study of convex optimization problems is the subgradient, which actu ally plays both a local and global role. First, a subgradient of a convex function f at a point x carries out a local approximation of f in a neigh bourhood of x. Second, the subgradient permits the construction of an affine function, which does not exceed f over the entire space and coincides with f at x. This affine function h is called a support func tion. Since f(y) ~ h(y) for ally, the second role is global. In contrast to a local approximation, the function h will be called a global affine support.
Front Matter....Pages i-xviii
An Introduction to Abstract Convexity....Pages 1-14
Elements of Monotonic Analysis: IPH Functions and Normal Sets....Pages 15-73
Elements of Monotonic Analysis: Monotonic Functions....Pages 75-112
Application to Global Optimization: Lagrange and Penalty Functions....Pages 113-151
Elements of Star-Shaped Analysis....Pages 153-227
Supremal Generators and Their Applications....Pages 229-270
Further Abstract Convexity....Pages 271-343
Application to Global Optimization: Duality....Pages 345-397
Application to Global Optimization: Numerical Methods....Pages 399-470
Back Matter....Pages 471-493