Lectures on Convex Optimization

ویرایش: 2nd ed. 
نویسندگان: Yurii Nesterov  
سری: Springer Optimization and Its Applications 137 
ISBN (شابک) : 9783319915777, 9783319915784 
ناشر: Springer International Publishing 
سال نشر: 2018 
تعداد صفحات: 603 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 6 مگابایت 

قیمت کتاب (تومان) : 41,000



این کتاب مقدمه‌ای جامع و مدرن برای بهینه‌سازی محدب ارائه می‌کند، زمینه‌ای که در ریاضیات کاربردی، اقتصاد و امور مالی، مهندسی، و علوم کامپیوتر، به ویژه در علم داده و یادگیری ماشین اهمیت فزاینده‌ای پیدا می‌کند.

این کتاب که توسط یک متخصص برجسته در این زمینه نوشته شده است، شامل پیشرفت‌های اخیر در نظریه الگوریتمی بهینه‌سازی محدب است که به طور طبیعی مکمل ادبیات موجود است. این شامل ارائه یکپارچه و دقیق از تکنیک های شتاب برای طرح های کمینه سازی درجه اول و دوم است. این روش درمان کاملی از تکنیک صاف کردن را در اختیار خوانندگان قرار می دهد، که توانایی های روش های گرادیان را به طور فوق العاده ای گسترش داده است. چندین رویکرد قدرتمند در بهینه‌سازی سازه، از جمله بهینه‌سازی در مقیاس نسبی و روش‌های نقطه داخلی چند جمله‌ای، نیز به تفصیل مورد بحث قرار گرفته‌اند.

محققان در بهینه‌سازی نظری و همچنین متخصصانی که روی مسائل بهینه‌سازی کار می‌کنند، این کتاب را بسیار مفید خواهند یافت. این نمونه‌های موفق بسیاری از نحوه توسعه الگوریتم‌های کمینه‌سازی تخصصی بسیار سریع ارائه می‌کند. بر اساس سخنرانی های نویسنده، به طور طبیعی می تواند به عنوان پایه ای برای دوره های مقدماتی و پیشرفته در بهینه سازی محدب برای دانشجویان در مهندسی، اقتصاد، علوم کامپیوتر و ریاضیات باشد.

This book provides a comprehensive, modern introduction to convex optimization, a field that is becoming increasingly important in applied mathematics, economics and finance, engineering, and computer science, notably in data science and machine learning.

Written by a leading expert in the field, this book includes recent advances in the algorithmic theory of convex optimization, naturally complementing the existing literature. It contains a unified and rigorous presentation of the acceleration techniques for minimization schemes of first- and second-order. It provides readers with a full treatment of the smoothing technique, which has tremendously extended the abilities of gradient-type methods. Several powerful approaches in structural optimization, including optimization in relative scale and polynomial-time interior-point methods, are also discussed in detail.

Researchers in theoretical optimization as well as professionals working on optimization problems will find this book very useful. It presents many successful examples of how to develop very fast specialized minimization algorithms. Based on the author’s lectures, it can naturally serve as the basis for introductory and advanced courses in convex optimization for students in engineering, economics, computer science and mathematics.

Front Matter ....Pages i-xxiii
Front Matter ....Pages 1-1
 Nonlinear Optimization  (Yurii Nesterov)....Pages 3-58
 Smooth Convex Optimization  (Yurii Nesterov)....Pages 59-137
 Nonsmooth Convex Optimization  (Yurii Nesterov)....Pages 139-240
 Second-Order Methods  (Yurii Nesterov)....Pages 241-322
Front Matter ....Pages 323-323
 Polynomial-Time Interior-Point Methods  (Yurii Nesterov)....Pages 325-421
 The Primal-Dual Model of an Objective Function  (Yurii Nesterov)....Pages 423-487
 Optimization in Relative Scale  (Yurii Nesterov)....Pages 489-570
Back Matter ....Pages 571-589