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: First edition
نویسندگان: Rhinehart. R. Russell
سری:
ISBN (شابک) : 9781118936313, 1118936310
ناشر: John Wiley & Sons
سال نشر: 2018
تعداد صفحات: 772
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 42 مگابایت
کلمات کلیدی مربوط به کتاب بهینه سازی مهندسی: کاربردها، روش ها و تجزیه و تحلیل: مهندسی -- مدلهای ریاضی.,بهینه سازی ریاضی.,تکنولوژی و مهندسی -- مهندسی (عمومی) ،فناوری و مهندسی -- مرجع.
در صورت تبدیل فایل کتاب Engineering optimization: applications, methods and analysis 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 مهندسی: کاربردها، روش ها و تجزیه و تحلیل 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.
مقدمه ای کاربردی-گرا بر مفاهیم اساسی بهینه سازی و بهترین روش ها بهینه سازی یک گرایش ذاتی بشر است که پس از ظهور حساب دیفرانسیل و انتگرال زندگی جدیدی به دست آورد. در حال حاضر، همانطور که جهان به طور فزاینده ای به سیستم های پیچیده متکی می شود، بهینه سازی بیش از هر زمان دیگری مهم و چالش برانگیز شده است. بهینهسازی مهندسی مقدمهای عملاً متمرکز بر بهترین شیوههای بهینهسازی مهندسی مدرن ارائه میدهد که تکنیکهای تحلیلی و عددی اساسی را در هر مرحله از فرآیند بهینهسازی پوشش میدهد. اگرچه الگوریتمهای ضروری به تفصیل توضیح داده شدهاند، تمرکز بیشتر بر روی عملکرد انسان است: چگونگی ایجاد یک تابع هدف مناسب، انتخاب متغیرهای تصمیم، شناسایی و ترکیب محدودیتها، تعریف همگرایی، و سایر مسائل حیاتی که موفقیت یا شکست یک بهینهسازی را تعریف میکنند. پروژه مثالها، تمرینها و تکالیف در سرتاسر رویکرد «انجام کن، مطالعه نکن» نویسنده را برای یادگیری تقویت میکنند و بر بحث کاربردیمحور تأکید میکنند که درک عمیق و عمومی از فرآیند بهینهسازی را که میتواند در هر زمینهای اعمال شود، ارائه میکند. ارائه مرجع عالی برای دانشجویان یا متخصصان، بهینه سازی مهندسی: انواع الگوریتم ها، از جمله مبتنی بر گرادیان (مانند نیوتن، و لونبرگ-مارکوارت)، جستجوی مستقیم (مانند هوک-جیوز، جهش، و ازدحام ذرات) را توصیف و توسعه می دهد. با توابع جایگزین برای توصیف سطح، راهنمایی در مورد انتخاب بهینه ساز بر اساس برنامه ارائه می دهد و نحوه تعیین مقادیر پارامترهای بهینه ساز مناسب را توضیح می دهد. بهترین روش های فعلی را برای مراحل بحرانی تعیین یک روش بهینه سازی، از جمله متغیرهای تصمیم گیری، تعریف محدودیت ها، و مدل سازی رابطه، ارائه می دهد. و ماکروهای ویژوال بیسیک برای اکسل در وبسایت همراه، همراه با راهحلهایی برای مثالهای ارائهشده در کتاب توضیحات واضح، مشتقهای معادلات صریح، و مثالهای عملی، این کتاب را برای استفاده به عنوان بخشی از کلاس یا خودآموزی، با فرض درک اولیه، ایدهآل میکند. آمار، حساب دیفرانسیل و انتگرال، برنامه نویسی کامپیوتری، و مدل های مهندسی. هرکسی که به دنبال بهترین شیوه ها برای "ایجاد بهترین انتخاب ها" باشد، در این منبع مقدماتی ارزش پیدا خواهد کرد.
An Application-Oriented Introduction to Essential Optimization Concepts and Best Practices Optimization is an inherent human tendency that gained new life after the advent of calculus; now, as the world grows increasingly reliant on complex systems, optimization has become both more important and more challenging than ever before. Engineering Optimization provides a practically-focused introduction to modern engineering optimization best practices, covering fundamental analytical and numerical techniques throughout each stage of the optimization process. Although essential algorithms are explained in detail, the focus lies more in the human function: how to create an appropriate objective function, choose decision variables, identify and incorporate constraints, define convergence, and other critical issues that define the success or failure of an optimization project. Examples, exercises, and homework throughout reinforce the author’s “do, not study” approach to learning, underscoring the application-oriented discussion that provides a deep, generic understanding of the optimization process that can be applied to any field. Providing excellent reference for students or professionals, Engineering Optimization: Describes and develops a variety of algorithms, including gradient based (such as Newton’s, and Levenberg-Marquardt), direct search (such as Hooke-Jeeves, Leapfrogging, and Particle Swarm), along with surrogate functions for surface characterization Provides guidance on optimizer choice by application, and explains how to determine appropriate optimizer parameter values Details current best practices for critical stages of specifying an optimization procedure, including decision variables, defining constraints, and relationship modeling Provides access to software and Visual Basic macros for Excel on the companion website, along with solutions to examples presented in the book Clear explanations, explicit equation derivations, and practical examples make this book ideal for use as part of a class or self-study, assuming a basic understanding of statistics, calculus, computer programming, and engineering models. Anyone seeking best practices for “making the best choices” will find value in this introductory resource.
Content: Intro
Title Page
Copyright Page
Contents
Preface
Acknowledgments
Nomenclature
About the Companion Website
Section 1 Introductory Concepts
Chapter 1 Optimization: Introduction and Concepts
1.1 Optimization and Terminology
1.2 Optimization Concepts and Definitions
1.3 Examples
1.4 Terminology Continued
1.4.1 Constraint
1.4.2 Feasible Solutions
1.4.3 Minimize or Maximize
1.4.4 Canonical Form of the Optimization Statement
1.5 Optimization Procedure
1.6 Issues That Shape Optimization Procedures
1.7 Opposing Trends
1.8 Uncertainty 1.9 Over- and Under-specification in Linear Equations1.10 Over- and Under-specification in Optimization
1.11 Test Functions
1.12 Significant Dates in Optimization
1.13 Iterative Procedures
1.14 Takeaway
1.15 Exercises
Chapter 2 Optimization Application Diversity and Complexity
2.1 Optimization
2.2 Nonlinearity
2.3 Min, Max, Minâ#x80
#x93
Max, Maxâ#x80
#x93
Min,
2.4 Integers and Other Discretization
2.5 Conditionals and Discontinuities: Cliffs Ridges/Valleys
2.6 Procedures, Not Equations
2.7 Static and Dynamic Models
2.8 Path Integrals 2.9 Economic Optimization and Other Nonadditive Cost Functions2.10 Reliability
2.11 Regression
2.12 Deterministic and Stochastic
2.13 Experimental w.r.t. Modeled OF
2.14 Single and Multiple Optima
2.15 Saddle Points
2.16 Inflections
2.17 Continuum and Discontinuous DVs
2.18 Continuum and Discontinuous Models
2.19 Constraints and Penalty Functions
2.20 Ranks and Categorization: Discontinuous OFs
2.21 Underspecified OFs
2.22 Takeaway
2.23 Exercises
Chapter 3 Validation: Knowing That the Answer Is Right
3.1 Introduction
3.2 Validation
3.3 Advice on Becoming Proficient 3.4 Takeaway3.5 Exercises
Section 2 Univariate Search Techniques
Chapter 4 Univariate (Single DV) Search Techniques
4.1 Univariate (Single DV)
4.2 Analytical Method of Optimization
4.2.1 Issues with the Analytical Approach
4.3 Numerical Iterative Procedures
4.3.1 NewtonÂś Methods
4.3.2 Successive Quadratic (A Surrogate Model or Approximating Model Method)
4.4 Direct Search Approaches
4.4.1 Bisection Method
4.4.2 Golden Section Method
4.4.3 Perspective at This Point
4.4.4 Heuristic Direct Search
4.4.5 Leapfrogging
4.4.6 LF for Stochastic Functions 4.5 Perspectives on Univariate Search Methods4.6 Evaluating Optimizers
4.7 Summary of Techniques
4.7.1 Analytical Method
4.7.2 NewtonÂś (and Variants Like Secant)
4.7.3 Successive Quadratic
4.7.4 Golden Section Method
4.7.5 Heuristic Direct
4.7.6 Leapfrogging
4.8 Takeaway
4.9 Exercises
Chapter 5 Path Analysis
5.1 Introduction
5.2 Path Examples
5.3 Perspective About Variables
5.4 Path Distance Integral
5.5 Accumulation along a Path
5.6 Slope along a Path
5.7 Parametric Path Notation
5.8 Takeaway
5.9 Exercises
Chapter 6 Stopping and Convergence Criteria: 1-D Applications