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: 0
نویسندگان: Theodore J. Sheskin
سری:
ISBN (شابک) : 9781420051117, 1420051113
ناشر: CRC Press
سال نشر: 2010
تعداد صفحات: 488
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 5 مگابایت
در صورت تبدیل فایل کتاب Markov Chains and Decision Processes for Engineers and Managers 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 زنجیره های مارکوف و فرآیندهای تصمیم گیری برای مهندسان و مدیران 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.
مدل سازی مارکوف که به عنوان ابزاری قدرتمند برای مقابله با عدم قطعیت شناخته می شود، می تواند توانایی شما را در تجزیه و تحلیل سیستم های تولید و خدمات پیچیده افزایش دهد. با این حال، اغلب کتابهای مربوط به زنجیرههای مارکوف یا فرآیندهای تصمیمگیری، اغلب یا بسیار تئوری، با مثالهای کم، یا بسیار تجویزی هستند، با توجیه کمی برای مراحل الگوریتمهای مورد استفاده برای حل مدلهای مارکوف. ارائه یک درمان یکپارچه از زنجیرههای مارکوف و فرآیندهای تصمیمگیری مارکوف در تک جلد، زنجیرههای مارکوف و فرآیندهای تصمیمگیری برای مهندسان و مدیران شرح بسیار دقیقی از ساخت و راهحل ارائه میدهد. مدلهای مارکوف که کاربرد آنها را در فرآیندهای مختلف تسهیل میکند.
این کتاب که حول ساختار زنجیره مارکوف سازماندهی شده است، با توصیف حالتهای زنجیره مارکوف، انتقال، ساختار و مدلها آغاز میشود و سپس توزیع حالت پایدار و عبور به حالت هدف را در زنجیره مارکوف منظم مورد بحث قرار میدهد. نویسنده اشکال متعارف و گذر را به حالتهای هدف یا طبقاتی از حالتهای هدف برای زنجیرههای مارکوف تقلیلپذیر میپردازد. او با مرتبط کردن پاداشها با دولتها، بعد اقتصادی را اضافه میکند، در نتیجه زنجیره مارکوف را به فرآیند تصمیمگیری مارکوف مرتبط میکند، و سپس تصمیمهایی را برای ایجاد یک فرآیند تصمیمگیری مارکوف اضافه میکند، که به تحلیلگر امکان میدهد تا از میان زنجیرههای مارکوف جایگزین با پاداش انتخاب کند تا پاداشهای مورد انتظار را به حداکثر برساند. . مقدمهای بر کاهش حالت و زنجیرههای مارکوف پنهان پوشش را کامل میکند.
در ارائهای که الگوریتمها و برنامهها را متعادل میکند، نویسنده توضیحاتی درباره روابط منطقی که فرمولها یا الگوریتمها را از طریق مشتقات غیررسمی تشکیل میدهند، ارائه میکند و به آن اختصاص میدهد. توجه قابل توجهی به ساخت مدل های مارکوف. او مدل های ساده شده مارکوف را برای مجموعه گسترده ای از فرآیندها مانند آب و هوا، قمار، انتشار گازها، خط انتظار، موجودی، تعویض قطعات، تعمیر و نگهداری ماشین، فروش سهام، حساب شارژ، مسیر شغلی، جریان بیمار در یک می سازد. بیمارستان، بازاریابی و خط تولید. این روش به شما کمک می کند تا از قدرت مدل سازی مارکوف استفاده کنید و آن را در فرآیندهای سازمان خود به کار ببرید.
Recognized as a powerful tool for dealing with uncertainty, Markov modeling can enhance your ability to analyze complex production and service systems. However, most books on Markov chains or decision processes are often either highly theoretical, with few examples, or highly prescriptive, with little justification for the steps of the algorithms used to solve Markov models. Providing a unified treatment of Markov chains and Markov decision processes in a single volume, Markov Chains and Decision Processes for Engineers and Managers supplies a highly detailed description of the construction and solution of Markov models that facilitates their application to diverse processes.
Organized around Markov chain structure, the book begins with descriptions of Markov chain states, transitions, structure, and models, and then discusses steady state distributions and passage to a target state in a regular Markov chain. The author treats canonical forms and passage to target states or to classes of target states for reducible Markov chains. He adds an economic dimension by associating rewards with states, thereby linking a Markov chain to a Markov decision process, and then adds decisions to create a Markov decision process, enabling an analyst to choose among alternative Markov chains with rewards so as to maximize expected rewards. An introduction to state reduction and hidden Markov chains rounds out the coverage.
In a presentation that balances algorithms and applications, the author provides explanations of the logical relationships that underpin the formulas or algorithms through informal derivations, and devotes considerable attention to the construction of Markov models. He constructs simplified Markov models for a wide assortment of processes such as the weather, gambling, diffusion of gases, a waiting line, inventory, component replacement, machine maintenance, selling a stock, a charge account, a career path, patient flow in a hospital, marketing, and a production line. This treatment helps you harness the power of Markov modeling and apply it to your organization’s processes.
Markov Chain Structure and Models. Regular Markov Chains. Reducible Markov Chains. A Markov Chain with Rewards (MCR). A Markov Decision Process (MDP). Special Topics: State Reduction and Hidden Markov Chains. Index.