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: هندسه و توپولوژی ویرایش: web draft نویسندگان: Jon Dattorro سری: ISBN (شابک) : 1847280641, 9781847280640 ناشر: Lulu.com سال نشر: 2006 تعداد صفحات: 710 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 6 مگابایت
در صورت تبدیل فایل کتاب Convex optimization and Euclidean distance geometry (no bibliogr.) 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 بهینه سازی محدب و هندسه فاصله اقلیدس (بدون کتابشناسی) 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 علم انجام بهترین انتخاب در مواجهه با الزامات متضاد است. هر مسئله بهینه سازی محدب دارای تفسیر هندسی است. اگر یک مسئله بهینه سازی داده شده را بتوان به یک معادل محدب تبدیل کرد، این مزیت تفسیری به دست می آید. این یک جاذبه قدرتمند است: توانایی تجسم هندسه یک مسئله بهینه سازی. برعکس، پیشرفتهای اخیر در هندسه، بهینهسازی محدب را در هسته اثباتهای خود نگه میدارد. این کتاب در مورد بهینه سازی محدب، هندسه محدب (با توجه خاص به هندسه فاصله)، مسائل هندسی و مسائل قابل تبدیل به مسائل هندسی است. هندسه فاصله اقلیدسی اساساً تعیین ترکیب نقطه از اطلاعات فاصله بین نقطه ای است. به عنوان مثال، تنها با توجه به اطلاعات فاصله، تعیین کنید که آیا یک پیکربندی قابل تحقق از نقاط مطابقت دارد یا خیر. لیستی از نقاط در برخی ابعاد که به فواصل بین نقطه ای داده شده می رسد. شومیز بزرگ سیاه و سفید
Optimization is the science of making a best choice in the face of conflicting requirements. Any convex optimization problem has geometric interpretation. If a given optimization problem can be transformed to a convex equivalent, then this interpretive benefit is acquired. That is a powerful attraction: the ability to visualize geometry of an optimization problem. Conversely, recent advances in geometry hold convex optimization within their proofs' core. This book is about convex optimization, convex geometry (with particular attention to distance geometry), geometrical problems, and problems that can be transformed into geometrical problems. Euclidean distance geometry is, fundamentally, a determination of point conformation from interpoint distance information; e.g., given only distance information, determine whether there corresponds a realizable configuration of points; a list of points in some dimension that attains the given interpoint distances. large black & white paperback
01. copyright......Page 1
02. Acknowledgements......Page 2
03. prelude......Page 3
04. TableOfContents......Page 5
05. overview......Page 15
06. convexgeometry......Page 28
07. convexfunctions......Page 178
08. semidefiniteprogramming......Page 219
09. EuclideanDistanceMatrix......Page 298
10. ConeDistanceMatrices......Page 395
11. ProximityProblems......Page 444
12. LinearAlgebra......Page 486
13. SimpleMatrices......Page 523
14. KnownOptimalResults......Page 541
15. MatrixCalculus......Page 555
16. Projection......Page 584
17. MatlabPrograms......Page 649
18. Notation......Page 674
19. Index......Page 689