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:
نویسندگان: Marcia Fampa. Jon Lee
سری: Springer Series in Operations Research and Financial Engineering
ISBN (شابک) : 3031130774, 9783031130779
ناشر: Springer
سال نشر: 2022
تعداد صفحات: 205
[206]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 6 Mb
در صورت تبدیل فایل کتاب Maximum-Entropy Sampling: Algorithms and Applicatio 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 نمونه برداری حداکثر آنتروپی: الگوریتم ها و کاربرد 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.
Preface Overview Notation Contents The problem and basic properties Differential entropy The MESP and the CMESP Hardness A solvable case The complementary problem Scaling Masks Submodularity Branch-and-bound The branch-and-bound algorithmic framework for MESP Global upper bound for early termination Good lower bounds Greedy Swapping Approximation algorithm The branch-and-bound algorithmic framework for CMESP Upper bounds Spectral bounds Unconstrained Constrained Integer linear optimization An ILP-based diagonal bound for CMESP An ILP-based partition bound for MESP linx bound Convexity of linx Duality for linx Fixing variables in linx Computing linx and Dlinx solutions Scaling for linx The complementary problem of linx-gamma Factorization bound The Lagrangian dual of Fact Duality for DFact Fixing variables in DDFact Computing DDFact and DFact solutions Properties of the factorization bound NLP bound Convexity of NLP Scaling for NLP Good parameters for NLPgamma Strategies to select parameters for NLPgamma Duality and the logarithmic-barrier problem for gNLP Fixing variables in gNLP The logarithmic-barrier algorithm for gNLP NLP-gamma in the branch-and-bound algorithm BQP bound Convexity of BQP Duality for BQP Fixing variables in BQP A good feasible solution of DBQP from BQP Scaling for BQP Mixing bounds The mixing framework Optimizing the mixing parameters Duality for mixing Fixing variables in mix A good feasible solution of Dmix from mix Mixing the BQPgamma bound with the complementary BQPgamma bound Duality for smBQP Fixing variables in smBQP A good feasible solution of DsmBQP from smBQP Comparison of bounds Environmental monitoring The setting MESP within statistics and optimal experimental design MESP and environmental statistics From raw data to covariance matrices An example Opportunities Developing algorithmic advances for MESP/CMESP Variable fixing and branch-and-bound: state of the art Optimizing gamma for NLPgamma Solvable cases of MESP and mask optimization OA for CMESP MESP/CMESP variations and cousins Applications Basic formulae and inequalities Preliminary miscellany Square matrices Symmetric matrices Positive definite and semidefinite matrices References Index