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: [1st ed. 2021]
نویسندگان: J. MacGregor Smith
سری: Springer Optimization and Its Applications, 175
ISBN (شابک) : 3030758001, 9783030758004
ناشر: Springer
سال نشر: 2021
تعداد صفحات: 280
[275]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 22 Mb
در صورت تبدیل فایل کتاب Combinatorial, Linear, Integer and Nonlinear Optimization Apps: COLINA Grande 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 برنامه های بهینه سازی ترکیبی، خطی، صحیح و غیرخطی: COLINA Grande 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 درسی مقدمه ای بر استفاده و درک بهینه سازی و مدل سازی برای دانشجویان مقطع کارشناسی ارشد در رشته های مهندسی و ریاضیات ارائه می دهد. فرمولبندی مسائل بهینهسازی از طریق مفاهیم و تکنیکهای تحقیق عملیاتی ایجاد میشود: بهینهسازی ترکیبی، برنامهریزی خطی، و برنامهریزی عدد صحیح و غیرخطی (COLIN). علوم کامپیوتر (CS) نیز با توجه به کاربردهای الگوریتمها و برنامهها/الگوریتمها (A) در حل مسائل بهینهسازی مرتبط و مهم است. هر فصل یک نمای کلی از مفاهیم اصلی بهینهسازی طبق COLINA ارائه میکند و نمونههایی را از طریق برنامههای نرمافزار App Inventor و AMPL ارائه میکند. همه برنامه های توسعه یافته از طریق متن برای دانلود در دسترس هستند. علاوه بر این، متن شامل پیوندهایی به سرور NEOS دانشگاه ویسکانسین است که برای رسیدگی به مشکلات محاسباتی فشرده در بهینه سازی پیچیده طراحی شده است. خوانندگان تشویق می شوند که پیشینه ای در حساب دیفرانسیل و انتگرال، جبر خطی و ریاضیات مرتبط داشته باشند.
This textbook provides an introduction to the use and understanding of optimization and modeling for upper-level undergraduate students in engineering and mathematics. The formulation of optimization problems is founded through concepts and techniques from operations research: Combinatorial Optimization, Linear Programming, and Integer and Nonlinear Programming (COLIN). Computer Science (CS) is also relevant and important given the applications of algorithms and Apps/algorithms (A) in solving optimization problems. Each chapter provides an overview of the main concepts of optimization according to COLINA, providing examples through App Inventor and AMPL software applications. All apps developed through the text are available for download. Additionally, the text includes links to the University of Wisconsin NEOS server, designed to handle more computing-intensive problems in complex optimization. Readers are encouraged to have some background in calculus, linear algebra, and related mathematics.
Preface 0.0.1 Why this Volume 0.0.2 Plan of the Volume Contents Acronyms 1 App Problem Formulation 1.1 Prologue 1.2 Introduction 1.3 Wicked Problems 1.4 Systematic Procedures and Algorithms 1.4.1 Plan of the Book 1.4.2 App Design Strategy 1.4.3 COLINA Methodology 1.5 Airline Tickets 1.5.1 Introduction 1.5.2 Problem 1.5.3 Mathematical Model 1.5.4 Algorithm 1.5.5 App Demonstration 1.5.6 Evaluation (Benefits and Costs) 1.6 A Brief History of Visual Programming Languages 1.6.1 Kodular Demonstration 1.7 AI2 Introduction 1.8 Exercises 2 Combinatorial Optimization G(V,E) 2.1 Introduction 2.2 Stowe Cycle Traveling Salesman Problem (TSP) 2.2.1 Introduction 2.2.2 Problem 2.2.3 Mathematical Model 2.2.4 Algorithm 2.2.5 Demonstration 2.2.6 Evaluation 2.3 Warehouse Quick Pick 2.3.1 Introduction 2.3.2 Problem 2.3.3 Mathematical Model 2.3.4 Algorithm 2.3.5 Demonstration 2.3.6 Evaluation 2.4 Analytical Hierarchy Process (AHP) 2.4.1 Introduction 2.4.2 Marching Band AHP App 2.4.3 Problem 2.4.4 Mathematical Model 2.4.5 Algorithm 2.4.6 Demonstration 2.4.7 Evaluation 2.5 Recipe Selection Problem 2.5.1 Introduction 2.5.2 Problem 2.5.3 Mathematical Model 2.5.4 Algorithm 2.5.5 Solution App 2.5.6 Evaluation 2.6 Snowboard Selection 2.6.1 Introduction 2.6.2 Problem 2.6.3 Mathematical Model 2.6.4 Algorithm 2.6.5 Solution App 2.6.6 Evaluation 2.7 ABC Machine Flow Shop Scheduling Problem 2.7.1 Introduction 2.7.2 Problem 2.7.3 Mathematical Model 2.7.4 Algorithm 2.7.5 Demonstration 2.7.6 Evaluation 2.8 Triage Scheduler 2.8.1 Introduction 2.8.2 Problem 2.8.3 Mathematical Model 2.8.4 Algorithm 2.8.5 Demonstration 2.8.6 Evaluation 2.9 Restaurant Selection 2.9.1 Introduction 2.9.2 Problem 2.9.3 Mathematical Model 2.9.4 Algorithm 2.9.5 Solution App 2.9.6 Evaluation 2.10 Minimum Spanning Tree Network Design Problems 2.10.1 Introduction 2.10.2 Problem 2.10.3 Mathematical Model 2.10.4 Algorithm 2.10.5 Demonstration 2.10.6 Evaluation 2.11 Piping Design and Analysis 2.11.1 Introduction 2.11.2 Problem 2.11.3 Mathematical Model 2.11.4 Algorithm 2.11.5 Solution App 2.11.6 Evaluation 2.12 Shortest Path Problems 2.12.1 Introduction 2.12.2 Problem 2.12.3 Mathematical Model 2.12.4 Algorithm 2.12.5 Google Maps Demonstration 2.12.6 Evaluation 2.13 Shortest Path Pump Out 2.13.1 Introduction 2.13.2 Problem 2.13.3 Mathematical Model 2.13.4 Algorithm 2.13.5 Solution App 2.13.6 Evaluation 2.14 Matching and Linear Assignment Algorithm 2.14.1 Introduction 2.14.2 Problem 2.14.3 Mathematical Model 2.14.4 Algorithm 2.14.5 Demonstration 2.14.6 Algorithm 2.14.7 Demonstration 2.15 Water Polo Starting Team Assignment 2.15.1 Introduction 2.15.2 Problem 2.15.3 Mathematical Model 2.15.4 Algorithm 2.15.5 Solution App 2.15.6 Evaluation 2.16 Exercises 3 Linear Programming sumcjxj, xj 0 forallj 3.1 Introduction 3.2 Diabetes Problem 3.2.1 Introduction 3.2.2 Problem 3.2.3 Mathematical Model 3.2.4 Algorithm 3.2.5 Solution App 3.2.6 Evaluation 3.3 Equalization of Runout Times (ERT) Oil Delivery App 3.3.1 Introduction 3.3.2 Problem 3.3.3 Mathematical Model 3.3.4 Algorithm 3.3.5 Demonstration 3.3.6 Evaluation 3.4 Pinball Weber Machine Location App 3.4.1 Introduction 3.4.2 Problem 3.4.3 Mathematical Model 3.4.4 Algorithm 3.4.5 Demonstration 3.4.6 Evaluation 3.5 Breakfast Optimization Problem 3.5.1 Introduction 3.5.2 Problem 3.5.3 Mathematical Model 3.5.4 Algorithm 3.5.5 Solution App 3.5.6 Evaluation (Benefits and Costs) 3.6 National Guard Training 3.6.1 Introduction 3.6.2 Problem 3.6.3 Mathematical Model 3.6.4 Algorithm 3.6.5 Solution App 3.6.6 Evaluation 3.7 Knapsack Problem 3.7.1 Introduction 3.7.2 Problem 3.7.3 Mathematical Model 3.7.4 Algorithm 3.7.5 Solution App 3.7.6 Evaluation 3.8 Enumeration of Basic Feasible Solutions in Linear Programming 3.8.1 Introduction 3.8.2 Problem 3.8.3 Mathematical Model 3.8.4 Algorithm 3.8.5 Demonstration 3.8.6 Evaluation 3.9 Simplex and Dual Simplex Algorithms App 3.9.1 Introduction 3.9.2 Problem 3.9.3 Mathematical Model 3.9.4 Algorithm 3.9.5 Demonstration 3.9.6 Evaluation 3.10 Garden Planting App 3.10.1 Introduction 3.10.2 Problem 3.10.3 Mathematical Model 3.10.4 Algorithm 3.10.5 Demonstration 3.10.6 Evaluation 3.11 Cardio Workout Coach 3.11.1 Introduction 3.11.2 Problem 3.11.3 Mathematical Model 3.11.4 Algorithm 3.11.5 Solution App 3.11.6 Evaluation 3.12 Hiking App 3.12.1 Introduction 3.12.2 Problem 3.12.3 Mathematical Model 3.12.4 Algorithm 3.12.5 Solution App 3.12.6 Evaluation 3.13 General LP Problem 3.13.1 Introduction 3.13.2 Problem 3.13.3 Mathematical Model 3.13.4 Algorithm 3.13.5 Solution App 3.13.6 Evaluation 3.14 Exercises 4 Integer Programming sumcjδj, δj in {0,1} forallj 4.1 Introduction 4.2 You Do Care Packaging 4.2.1 Introduction 4.2.2 Problem 4.2.3 Mathematical Model 4.2.4 Algorithm 4.2.5 Solution App 4.2.6 Evaluation (Benefits and Costs) 4.3 Project Scheduling App 4.3.1 Introduction 4.3.2 Problem 4.3.3 Mathematical Model 4.3.4 Algorithm 4.3.5 Demonstration 4.3.6 Evaluation 4.4 Capital Budgeting 4.4.1 Introduction 4.4.2 Problem 4.4.3 Mathematical Model 4.4.4 Algorithm 4.4.5 Solution App 4.4.6 Evaluation (Benefits and Costs) 4.5 Machine Tool Selection 4.5.1 Introduction 4.5.2 Problem 4.5.3 Mathematical Model 4.5.4 Algorithm 4.5.5 Solution App 4.5.6 Evaluation 4.6 Restaurant Scheduling 4.6.1 Introduction 4.6.2 Problem 4.6.3 Mathematical Model 4.6.4 Algorithm 4.6.5 Solution App 4.6.6 Evaluation 4.7 Manufacturing Resource Constraint Problem 4.7.1 Introduction 4.7.2 Mathematical Model 4.7.3 Algorithm 4.7.4 Solution App 4.7.5 Evaluation (Benefits and Costs) 4.8 Yoga Workout 4.8.1 Introduction 4.8.2 Problem 4.8.3 Mathematical Model 4.8.4 Algorithm 4.8.5 Solution App 4.8.6 Evaluation 4.9 Newman Center Inventory Ordering 4.9.1 Introduction 4.9.2 Problem 4.9.3 Mathematical Model 4.9.4 Algorithm 4.9.5 Solution App 4.9.6 Evaluation 4.10 Tournament Selection 4.10.1 Introduction 4.10.2 Problem 4.10.3 Mathematical Model 4.10.4 Algorithm 4.10.5 Solution App 4.10.6 Evaluation 4.11 General Integer Programming Problems 4.11.1 Introduction 4.11.2 Problem 4.11.3 Mathematical Model 4.11.4 Algorithm 4.11.5 Solution App 4.11.6 Evaluation 4.12 General Integer Binary Problems 4.12.1 Introduction 4.12.2 Problem 4.12.3 Mathematical Model 4.12.4 Algorithm 4.12.5 Solution App 4.12.6 Evaluation 4.13 Quadratic Assignment Problem 4.13.1 Introduction 4.13.2 Problem 4.13.3 Mathematical Model 4.13.4 Algorithm 4.13.5 Demonstration 4.13.6 Evaluation 4.14 Sudoku Problem 4.14.1 Introduction 4.14.2 Problem 4.14.3 Mathematical Model 4.14.4 Algorithm 4.14.5 Evaluation 4.15 Exercises 5 Nonlinear Programming sumisumj cijxixj, forall (i,j) 5.1 Introduction 5.2 Group Testing for COVID-19 5.2.1 Introduction 5.2.2 Problem 5.2.3 Mathematical Model 5.2.4 Algorithm 5.2.5 Solution App 5.2.6 Evaluation 5.3 Gas Guzzler Nonlinear Program 5.3.1 Introduction 5.3.2 Problem 5.3.3 Mathematical Model 5.3.4 Algorithm 5.3.5 Demonstration 5.3.6 Evaluation 5.4 Price is Right App 5.4.1 Introduction 5.4.2 Problem 5.4.3 Mathematical Model 5.4.4 Algorithm 5.4.5 Demonstration 5.4.6 Evaluation 5.5 Speed-Check Ramp Design 5.5.1 Introduction 5.5.2 Problem 5.5.3 Mathematical Model 5.5.4 Algorithm 5.5.5 Solution App 5.5.6 Evaluation 5.6 Weber Location Problem: Weizfeld's Algorithm 5.6.1 Introduction 5.6.2 Problem 5.6.3 Mathematical Model 5.6.4 Algorithm 5.6.5 Demonstration 5.6.6 Evaluation 5.7 Smallest Enclosing Sphere Problem 5.7.1 Introduction 5.7.2 Problem 5.7.3 Mathematical Model 5.7.4 Algorithm 5.7.5 Demonstration 5.7.6 Evaluation 5.8 Cold Storage Warehouse Nonlinear Design Problem 5.8.1 Introduction 5.8.2 Problem 5.8.3 Mathematical Model 5.8.4 Algorithm 5.8.5 Demonstration 5.8.6 Evaluation 5.9 Disc Brake Engineering Design 5.9.1 Introduction 5.9.2 Problem 5.9.3 Mathematical Model 5.9.4 Algorithm 5.9.5 Demonstration 5.9.6 Evaluation 5.10 Farm Crop Planting Problem 5.10.1 Introduction 5.10.2 Problem 5.10.3 Mathematical Model 5.10.4 Algorithm 5.10.5 Demonstration 5.10.6 Evaluation 5.11 Production Planning and Control 5.11.1 Introduction 5.11.2 Problem 5.11.3 Mathematical Model 5.11.4 Algorithm 5.11.5 Solution App 5.11.6 Evaluation 5.12 Erlang Loss M/G/c/c Ambulance Staffing App 5.12.1 Introduction 5.12.2 Problem 5.12.3 Mathematical Model 5.12.4 Algorithm 5.12.5 Demonstration 5.12.6 Evaluation 5.13 Economic Order Quantity (EOQ) Problem 5.13.1 Introduction 5.13.2 Problem 5.13.3 Mathematical Model 5.13.4 Algorithm 5.13.5 Demonstration 5.13.6 Evaluation 5.14 Generalized Nonlinear Programming Problem 5.14.1 Introduction 5.14.2 Problem 5.14.3 Mathematical Model 5.14.4 Algorithm 5.14.5 Solution App 5.14.6 Evaluation 5.15 Exercises A AMPL NEOS Link A.1 AMPL Programming A.2 General Model A.3 Minimum Spanning Tree A.4 Assignment Problem A.5 Transportation Problem A.6 Shortest Path Problem A.7 Travelling Salesman Problem (TSP) A.8 Exercises Glossary References Index