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: 2ed.
نویسندگان: Vangelis Th. Paschos (eds.)
سری: Mathematics and statistics series (ISTE)
ISBN (شابک) : 1848216580, 1848216564
ناشر: ISTE Ltd ; Hoboken;Wiley ISTE
سال نشر: 2014
تعداد صفحات: 449
زبان: English, French
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 5 مگابایت
کلمات کلیدی مربوط به کتاب کاربردهای بهینه سازی ترکیبی: بهینه سازی ترکیبی، برنامه نویسی (ریاضی)
در صورت تبدیل فایل کتاب Applications of Combinatorial 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 کاربردهای بهینه سازی ترکیبی 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.
بهینه سازی ترکیبی یک حوزه علمی چند رشته ای است که در رابط سه حوزه علمی اصلی قرار دارد: ریاضیات، علوم کامپیوتر نظری و مدیریت. هدف سه جلد از مجموعه بهینه سازی ترکیبی پوشش گسترده ای از موضوعات در این زمینه است. این موضوعات همچنین با مفاهیم و رویکردهای اساسی مانند چندین کاربرد کلاسیک بهینهسازی ترکیبی سروکار دارند. مفاهیم بهینه سازی ترکیبی به سه بخش تقسیم می شود: - در مورد پیچیدگی مسائل بهینه سازی ترکیبی، ارائه مبانی در مورد بدترین حالت و پیچیدگی تصادفی. - روشهای حل کلاسیک، ارائه دو روش شناخته شده برای حل مسائل بهینهسازی ترکیبی سخت، یعنی برنامهنویسی شاخه و کران و پویا. - عناصری از برنامهریزی ریاضی، ارائه مبانی از روشهای مبتنی بر برنامهریزی ریاضی که از بدو پیدایش این رشته در قلب پژوهشهای عملیاتی قرار دارند.
Combinatorial optimization is a multidisciplinary scientific area, lying in the interface of three major scientific domains: mathematics, theoretical computer science and management. The three volumes of the Combinatorial Optimization series aim to cover a wide range of topics in this area. These topics also deal with fundamental notions and approaches as with several classical applications of combinatorial optimization. Concepts of Combinatorial Optimization, is divided into three parts: - On the complexity of combinatorial optimization problems, presenting basics about worst-case and randomized complexity; - Classical solution methods, presenting the two most-known methods for solving hard combinatorial optimization problems, that are Branch-and-Bound and Dynamic Programming; - Elements from mathematical programming, presenting fundamentals from mathematical programming based methods that are in the heart of Operations Research since the origins of this field.
Content: Cover
Title Page
Copyright
Contents
Preface
Chapter 1: Airline Crew Pairing Optimization
1.1. Introduction
1.2. Definition of the problem
1.2.1. Constructing subnetworks
1.2.2. Pairing costs
1.2.3. Model
1.2.4. Case without resource constraints
1.3. Solution approaches
1.3.1. Decomposition principles
1.3.2. Column generation, master problem and subproblem
1.3.3. Branching methods for finding integer solutions
1.4. Solving the subproblem for column generation
1.4.1. Mathematical formulation
1.4.2. General principle of effective label generation. 1.4.3. Case of one single resource: the bucket method1.4.4. Case of many resources: reduction of the resource space
1.4.4.1. Reduction principle
1.4.4.2. Approach based on the Lagrangian relaxation
1.4.4.3. Approach based on the surrogate relaxation
1.5. Conclusion
1.6. Bibliography
Chapter 2: The Task Allocation Problem
2.1. Presentation
2.2. Definitions and modeling
2.2.1. Definitions
2.2.2. The processors
2.2.3. Communications
2.2.4. Tasks
2.2.5. Allocation types
2.2.5.1. Static allocation
2.2.5.2. Dynamic allocation
2.2.5.3. With or without pre-emption. 2.2.5.4. Task duplication2.2.6. Allocation/scheduling
2.2.7. Modeling
2.2.7.1. Modeling costs
2.2.7.2. Constraints
2.2.7.3. Objectives of the allocation
2.2.7.3.1. Minimizing the execution duration
2.2.7.3.2. Minimizing the global execution and communication cost
2.2.7.3.3. Load balancing
2.3. Review of the main works
2.3.1. Polynomial cases
2.3.1.1. Two-processor cases
2.3.1.2. Tree case
2.3.1.3. Other structures
2.3.1.4. Restrictions on the processors or the tasks
2.3.1.5. Minmax objective
2.3.2. Approximability
2.3.3. Approximate solution
2.3.3.1. Heterogenous processors. 2.3.3.2. Homogenous processors2.3.4. Exact solution
2.3.5. Independent tasks case
2.4. A little-studied model
2.4.1. Model
2.4.2. A heuristic based on graphs
2.4.2.1. Transformation of the problem
2.4.2.2. Modeling
2.4.2.3. Description of the heuristic
2.5. Conclusion
2.6. Bibliography
Chapter 3: A Comparison of Some Valid Inequality Generation Methods for General 0-1 Problems
3.1. Introduction
3.2. Presentation of the various techniques tested
3.2.1. Exact separation with respect to a mixed relaxation
3.2.2. Approximate separation using a heuristic. 3.2.3. Restriction + separation + relaxed lifting (RSRL)3.2.4. Disjunctive programming and the lift and project procedure
3.2.5. Reformulation-linearization technique (RLT)
3.3. Computational results
3.3.1. Presentation of test problems
3.3.2. Presentation of the results
3.3.3. Discussion of the computational results
3.4. Bibliography
Chapter 4: Production Planning
4.1. Introduction
4.2. Hierarchical planning
4.3. Strategic planning and productive system design
4.3.1. Group technology
4.3.2. Locating equipment
4.4. Tactical planning and inventory management.