Non-Convex Multi-Objective Optimization

ویرایش: [1st ed.] 
نویسندگان: Panos M. Pardalos,  Antanas Žilinskas,  Julius Žilinskas  
سری: Springer Optimization and Its Applications 
ISBN (شابک) : 3319610058, 9783319610078 
ناشر: SPRINGER 
سال نشر: 2017 
تعداد صفحات: 192
[196] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 2 Mb 

قیمت کتاب (تومان) : 42,000

نتایج اخیر در مورد مسائل و روش‌های بهینه‌سازی چندهدفه غیرمحدب در این کتاب با توجه خاص به توابع هدف جعبه سیاه گران قیمت ارائه شده‌اند. روش‌های بهینه‌سازی چند هدفه، طراحان، مهندسان و محققان را برای تصمیم‌گیری در مورد مبادلات مناسب بین اهداف متضاد مختلف تسهیل می‌کند. انواع روش های بهینه سازی چندهدفه قطعی و تصادفی در این کتاب توسعه داده شده است. شروع با مفاهیم اساسی و بررسی مسائل بهینه سازی تک هدفه غیر محدب. این کتاب به بررسی الگوریتم‌های شاخه و کران چندهدفه، الگوریتم‌های بهینه بدترین حالت (برای توابع لیپشیتز و مسائل دوهدفه)، الگوریتم‌های مبتنی بر مدل‌های آماری، و رویکرد شاخه و کران احتمالی می‌پردازد. توضیحات مفصلی از الگوریتم‌های جدید برای بهینه‌سازی چند هدفه غیر محدب، اثبات نظری آن‌ها و مثال‌هایی برای کاربردهای عملی در مسئله تشکیل سلول در مهندسی ساخت، طراحی فرآیند در مهندسی شیمی، و مدیریت فرآیند کسب‌وکار برای کمک به محققان و فارغ‌التحصیلان ارائه شده است. دانشجویان در ریاضیات، علوم کامپیوتر، مهندسی، اقتصاد و مدیریت بازرگانی.

Recent results on non-convex multi-objective optimization problems and methods are presented in this book, with particular attention to expensive black-box objective functions. Multi-objective optimization methods facilitate designers, engineers, and researchers to make decisions on appropriate trade-offs between various conflicting goals. A variety of deterministic and stochastic multi-objective optimization methods are developed in this book. Beginning with basic concepts and a review of non-convex single-objective optimization problems; this book moves on to cover multi-objective branch and bound algorithms, worst-case optimal algorithms (for Lipschitz functions and bi-objective problems), statistical models based algorithms, and probabilistic branch and bound approach. Detailed descriptions of new algorithms for non-convex multi-objective optimization, their theoretical substantiation, and examples for practical applications to the cell formation problem in manufacturing engineering, the process design in chemical engineering, and business process management are included to aide researchers and graduate students in mathematics, computer science, engineering, economics, and business management.  

Front Matter ....Pages i-xi
Front Matter ....Pages 1-1
 Definitions and Examples  (Panos M. Pardalos, Antanas Žilinskas, Julius Žilinskas)....Pages 3-12
 Scalarization  (Panos M. Pardalos, Antanas Žilinskas, Julius Žilinskas)....Pages 13-18
 Approximation and Complexity  (Panos M. Pardalos, Antanas Žilinskas, Julius Žilinskas)....Pages 19-31
 A Brief Review of Non-convex Single-Objective Optimization  (Panos M. Pardalos, Antanas Žilinskas, Julius Žilinskas)....Pages 33-42
Front Matter ....Pages 43-43
 Multi-Objective Branch and Bound  (Panos M. Pardalos, Antanas Žilinskas, Julius Žilinskas)....Pages 45-56
 Worst-Case Optimal Algorithms  (Panos M. Pardalos, Antanas Žilinskas, Julius Žilinskas)....Pages 57-95
 Statistical Models Based Algorithms  (Panos M. Pardalos, Antanas Žilinskas, Julius Žilinskas)....Pages 97-120
 Probabilistic Bounds in Multi-Objective Optimization  (Panos M. Pardalos, Antanas Žilinskas, Julius Žilinskas)....Pages 121-135
Front Matter ....Pages 137-138
 Visualization of a Set of Pareto Optimal Decisions  (Panos M. Pardalos, Antanas Žilinskas, Julius Žilinskas)....Pages 139-145
 Multi-Objective Optimization Aided Visualization of Business Process Diagrams  (Panos M. Pardalos, Antanas Žilinskas, Julius Žilinskas)....Pages 147-178
Back Matter ....Pages 179-192