دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Introduction to Unconstrained Optimization with R
دانلود کتاب مقدمه ای بر بهینه سازی بدون محدودیت با R
مشخصات کتاب
Introduction to Unconstrained Optimization with R
ویرایش: [1 ed.]
نویسندگان: Shashi Kant Mishra. Bhagwat Ram
سری:
ISBN (شابک) : 9789811508943
ناشر: Springer
سال نشر: 2019
تعداد صفحات: 309
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 5 Mb
قیمت کتاب (تومان) : 46,000
در صورت تبدیل فایل کتاب Introduction to Unconstrained Optimization with R 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 مقدمه ای بر بهینه سازی بدون محدودیت با R 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.
توضیحاتی در مورد کتاب مقدمه ای بر بهینه سازی بدون محدودیت با R
این کتاب بهینه سازی نامحدود با R را مورد بحث قرار می دهد—یک محیط محاسباتی رایگان و منبع باز، که بر روی چندین پلتفرم از جمله ویندوز، لینوکس و macOS کار می کند. این کتاب روش هایی مانند روش شیب دارترین نزول، روش نیوتن، روش جهت مزدوج، روش های گرادیان مزدوج، روش های شبه نیوتن، فرمول تصحیح رتبه یک، روش DFP، روش BFGS و الگوریتم های آنها، تجزیه و تحلیل همگرایی و اثبات را برجسته می کند. هر روش با نمونه های کار شده و اسکریپت های R همراه است. برای کمک به خوانندگان در استفاده از این روش ها در موقعیت های دنیای واقعی، این کتاب مجموعه ای از تمرین ها را در پایان هر فصل ارائه می دهد. در درجه اول برای دانشجویان کارشناسی ارشد ریاضیات کاربردی، تحقیقات عملیات و آمار در نظر گرفته شده است، همچنین برای دانشجویان ریاضیات، مهندسی، مدیریت، اقتصاد و کشاورزی مفید است.
توضیحاتی درمورد کتاب به خارجی
This book discusses unconstrained optimization with R—a free, open-source computing environment, which works on several platforms, including Windows, Linux, and macOS. The book highlights methods such as the steepest descent method, Newton method, conjugate direction method, conjugate gradient methods, quasi-Newton methods, rank one correction formula, DFP method, BFGS method and their algorithms, convergence analysis, and proofs. Each method is accompanied by worked examples and R scripts. To help readers apply these methods in real-world situations, the book features a set of exercises at the end of each chapter. Primarily intended for graduate students of applied mathematics, operations research and statistics, it is also useful for students of mathematics, engineering, management, economics, and agriculture.
