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
دسته بندی: برنامه نويسي ویرایش: نویسندگان: Nita H. Shah, Poonam Prakash Mishra سری: Mathematical Engineering, Manufacturing, and Management Sciences ISBN (شابک) : 036761328X, 9780367613280 ناشر: CRC Press سال نشر: 2020 تعداد صفحات: 83 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 8 مگابایت
در صورت تبدیل فایل کتاب Non-Linear Programming: A Basic Introduction 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 برنامه نویسی غیر خطی: مقدمه ای اساسی 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.
این کتاب برای مبتدیانی است که در تلاش برای درک و بهینه سازی مسائل غیر خطی هستند. این محتوا به خوانندگان کمک می کند تا درک کنند و بیاموزند که چگونه مسائل دنیای واقعی را فرموله کنند و همچنین به بسیاری از محققان برای چشم انداز آینده آنها بینش می دهد.
این نقشه ذهنی را برای درک مفهومی پیشنهاد می کند و شامل مثال های حل شده کافی است. برای درک خواننده این نظریه به روشی شفاف توضیح داده شده است. نمونههای متنوعی برای بالا بردن سطح تفکر خواننده قاببندی شدهاند و فرمولبندی مسائل دنیای واقعی در فصل آخر همراه با کاربردها گنجانده شده است.
این کتاب خود توضیحی است، به خوبی هماهنگ شده و برای دانشجویان کارشناسی، کارشناسی ارشد و پژوهشگران نوشته شده است.
This book is for beginners who are struggling to understand and optimize non-linear problems. The content will help readers gain an understanding and learn how to formulate real-world problems and will also give insight to many researchers for their future prospects.
It proposes a mind map for conceptual understanding and includes sufficient solved examples for reader comprehension. The theory is explained in a lucid way. The variety of examples are framed to raise the thinking level of the reader and the formulation of real-world problems are included in the last chapter along with applications.
The book is self-explanatory, well synchronized and written for undergraduate, post graduate and research scholars.
Cover Half Title Series Information Title Page Copyright Page Table of contents Preface Acknowledgement Author/Editor Biographies 1 One-Dimensional Optimization Problem 1.1 Introduction 1.2 Analytical Approach 1.3 Search Techniques 1.3.1 Unrestricted Search Technique 1.3.2 Exhaustive Search Technique 1.3.3 Dichotomous Search Technique 1.3.4 Fibonacci Search Method 1.3.5 Golden Section Search Method 1.3.6 Interpolation Method (Without Using Derivative) 1.3.6.1 Quadratic Interpolation 1.3.6.2 Cubic Interpolation 1.4 Gradient-Based Approach 1.4.1 Newton Method 1.4.2 Secant Method Try Yourself 2 Unconstrained Multivariable Optimization 2.1 Introduction 2.2 Direct Search Methods 2.2.1 Random Search Method 2.2.2 Grid Search Method 2.2.3 Univariate Search Method 2.2.4 Pattern Search Algorithm 2.2.4.1 Hooke–Jeeves Method 2.2.4.2 Powell’s Method 2.2.5 Simplex Algorithm 2.3 Gradient-Based Methods 2.3.1 Using Hessian Matrix 2.3.2 Steepest Descent Method 2.3.3 Newton’s Method 2.3.4 Quasi Method Try Yourself 3 Constrained Multivariable Optimization 3.1 Introduction 3.2 Conventional Methods for Constrained Multivariate Optimization 3.2.1 Problems with Equality Constraints 3.2.1.1 Direct Substitution Method 3.2.1.2 Lagrange Multipliers Method 3.2.2 Problems with Inequality Constraints 3.2.2.1 Kuhn–Tucker Necessary Conditions 3.2.2.2 Kuhn–Tucker Sufficient Conditions 3.3 Stochastic Search Techniques 3.3.1 Genetic Algorithm 3.3.1.1 Crossover 3.3.2 Particle Swarm Optimization 3.3.3 Hill Climbing Algorithm 3.3.4 Simulated Annealing 3.3.5 Ant Colony Optimization Algorithm 3.3.6 Tabu Search Algorithm Try Yourself 4 Applications of Non-Linear Programming 4.1 Basics of Formulation 4.2 Examples of NLP Formulation Example 1: Profit Maximization – Production Problem Example 2: Cost Minimization – Optimum Designing Problem Example 3: Cost Minimization – Electrical Engineering Example 4: Design of a Small Heat Exchanger Network – Chemical Engineering Example 5: Real-Time Optimization of a Distillation Column – Petroleum Engineering 4.3 Solving NLP through MATLAB Inbuilt Functions 4.4 Choice of Method Try Yourself Bibliography Index