دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Nonlinear optimization
دانلود کتاب بهینه سازی غیرخطی
مشخصات کتاب
Nonlinear optimization
ویرایش:
نویسندگان: Ruszczynski A.
سری:
ISBN (شابک) : 0691119155
ناشر: PUP
سال نشر: 2006
تعداد صفحات: 463
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 2 مگابایت
قیمت کتاب (تومان) : 33,000
در صورت تبدیل فایل کتاب Nonlinear optimization 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 بهینه سازی غیرخطی 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.
توضیحاتی در مورد کتاب بهینه سازی غیرخطی
بهینه سازی یکی از مهم ترین حوزه های ریاضیات کاربردی مدرن است که در زمینه هایی از مهندسی و اقتصاد گرفته تا مالی، آمار، علوم مدیریت و پزشکی کاربرد دارد. در حالی که بسیاری از کتاب‌ها به جنبه‌های مختلف آن پرداخته‌اند، بهینه‌سازی غیرخطی اولین درمان جامعی است که به دانشجویان و محققان فارغ‌التحصیل اجازه می‌دهد ایده‌ها، اصول و روش‌های مدرن آن را در یک زمان معقول، اما بدون از بین بردن دقت ریاضی، درک کنند. آندری روسچینسکی، متخصص برجسته در بهینه‌سازی سیستم‌های تصادفی غیرخطی، تئوری و روش‌های بهینه‌سازی غیرخطی را به شیوه‌ای یکپارچه، واضح و از لحاظ ریاضی دقیق، با اثبات‌های دقیق و آسان که توسط مثال‌ها و شکل‌های متعدد نشان داده شده‌اند، ادغام می‌کند. این کتاب تحلیل محدب، نظریه شرایط بهینه، نظریه دوگانگی و روش‌های عددی برای حل مسائل بهینه‌سازی نامحدود و مقید را پوشش می‌دهد. این نه تنها به مطالب کلاسیک بلکه به موضوعات مدرنی مانند شرایط بهینه و روش‌های عددی برای مسائل مربوط به توابع غیرقابل تمایز، برنامه‌ریزی نیمه معین، نظم متریک و نظریه پایداری سیستم‌های محدود مجموعه، و تحلیل حساسیت مسائل بهینه‌سازی می‌پردازد. این کتاب بر اساس یادداشت‌های یک دهه‌ای که نویسنده در تدریس موفق این موضوع گردآوری کرده است، به خوانندگان کمک می‌کند تا مبانی ریاضی نظریه مدرن و روش‌های بهینه‌سازی غیرخطی را درک کنند و مسائل جدید را تجزیه و تحلیل کنند، نظریه بهینه‌سازی را برای آنها توسعه دهند و انتخاب کنند. ساخت روش های حل عددی برای هر کسی که به طور جدی علاقه مند به بهینه سازی است، ضروری است.
توضیحاتی درمورد کتاب به خارجی
Optimization is one of the most important areas of modern applied mathematics, with applications in fields from engineering and economics to finance, statistics, management science, and medicine. While many books have addressed its various aspects, Nonlinear Optimization is the first comprehensive treatment that will allow graduate students and researchers to understand its modern ideas, principles, and methods within a reasonable time, but without sacrificing mathematical precision. Andrzej Ruszczynski, a leading expert in the optimization of nonlinear stochastic systems, integrates the theory and the methods of nonlinear optimization in a unified, clear, and mathematically rigorous fashion, with detailed and easy-to-follow proofs illustrated by numerous examples and figures. The book covers convex analysis, the theory of optimality conditions, duality theory, and numerical methods for solving unconstrained and constrained optimization problems. It addresses not only classical material but also modern topics such as optimality conditions and numerical methods for problems involving nondifferentiable functions, semidefinite programming, metric regularity and stability theory of set-constrained systems, and sensitivity analysis of optimization problems. Based on a decade's worth of notes the author compiled in successfully teaching the subject, this book will help readers to understand the mathematical foundations of the modern theory and methods of nonlinear optimization and to analyze new problems, develop optimality theory for them, and choose or construct numerical solution methods. It is a must for anyone seriously interested in optimization.
فهرست مطالب
COVER......Page 1
CONTENTS......Page 10
PREFACE......Page 12
CHAPTER ONE: INTRODUCTION......Page 16
PART 1: THEORY......Page 30
2.1 CONVEX SETS......Page 32
2.2 CONES......Page 40
2.3 EXTREME POINTS......Page 54
2.4 CONVEX FUNCTIONS......Page 59
2.5 SUBDIFFERENTIAL CALCULUS......Page 72
2.6 CONJUGATE DUALITY......Page 90
3.1 UNCONSTRAINED MINIMA OF DIFFERENTIABLE FUNCTIONS......Page 103
3.2 UNCONSTRAINED MINIMA OF CONVEX FUNCTIONS......Page 107
3.3 TANGENT CONES......Page 113
3.4 OPTIMALITY CONDITIONS FOR SMOOTH PROBLEMS......Page 128
3.5 OPTIMALITY CONDITIONS FOR CONVEX PROBLEMS......Page 140
3.6 OPTIMALITY CONDITIONS FOR SMOOTH-CONVEX PROBLEMS......Page 148
3.7 SECOND ORDER OPTIMALITY CONDITIONS......Page 154
3.8 SENSITIVITY......Page 165
4.1 THE DUAL PROBLEM......Page 175
4.2 DUALITY RELATIONS......Page 181
4.3 CONIC PROGRAMMING......Page 190
4.4 DECOMPOSITION......Page 195
4.5 CONVEX RELAXATION OF NONCONVEX PROBLEMS......Page 201
4.6 THE OPTIMAL VALUE FUNCTION......Page 206
4.7 THE AUGMENTED LAGRANGIAN......Page 211
PART 2: METHODS......Page 224
5.1 INTRODUCTION TO ITERATIVE ALGORITHMS......Page 226
5.2 LINE SEARCH......Page 228
5.3 THE METHOD OF STEEPEST DESCENT......Page 233
5.4 NEWTON'S METHOD......Page 248
5.5 THE CONJUGATE GRADIENT METHOD......Page 255
5.6 QUASI-NEWTON METHODS......Page 272
5.7 TRUST REGION METHODS......Page 281
5.8 NONGRADIENT METHODS......Page 290
6.1 FEASIBLE POINT METHODS......Page 301
6.2 PENALTY METHODS......Page 312
6.3 THE BASIC DUAL METHOD......Page 323
6.4 THE AUGMENTED LAGRANGIAN METHOD......Page 326
6.5 NEWTON'S METHOD......Page 339
6.6 BARRIER METHODS......Page 346
7.1 THE SUBGRADIENT METHOD......Page 358
7.2 THE CUTTING PLANE METHOD......Page 372
7.3 THE PROXIMAL POINT METHOD......Page 381
7.4 THE BUNDLE METHOD......Page 387
7.5 THE TRUST REGION METHOD......Page 399
7.6 CONSTRAINED PROBLEMS......Page 404
7.7 COMPOSITE OPTIMIZATION......Page 412
7.8 NONCONVEX CONSTRAINTS......Page 421
A.1 LINEAR-CONIC SYSTEMS......Page 426
A.2 SET-CONSTRAINED LINEAR SYSTEMS......Page 430
A.3 SET-CONSTRAINED NONLINEAR SYSTEMS......Page 433
FURTHER READING......Page 442
BIBLIOGRAPHY......Page 446
INDEX......Page 460
