Nonlinear Programming : Analysis and Methods.

ویرایش: Online-Ausg. 
نویسندگان: Avriel. Mordecai  
سری: Dover Books on Computer Science; 
ISBN (شابک) : 9780486151670, 0486151670 
ناشر: Dover Publications 
سال نشر: 2012 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 29 مگابایت 

قیمت کتاب (تومان) : 33,000

کتابهای DOVER در ریاضیات. صفحه عنوان؛ صفحه حق چاپ فداکاری؛ درباره نویسنده؛ فهرست مطالب؛ پیشگفتار; 1. معرفی؛ بخش اول - تجزیه و تحلیل. 2 - بهینه سازی کلاسیک-مشکلات بدون محدودیت و برابری محدود. 2.1 EXTREMA نامحدود; 2.2 برابری اکسترمای محدود شده و روش لاگرانژ. 3 - شرایط بهینه برای اکسترمای محدود. 3.1 شرایط ضروری مرتبه اول برای نابرابری EXTREMA محدود; 3.2 شرایط بهینه مرتبه دوم؛ 3.3 زین زین لاگرانژ. 4 - مجموعه ها و توابع محدب. 4.1 مجموعه محدب. 4.2 توابع محدب.

4.3 خصوصیات متمایز توابع محدب4.4 افراطی توابع محدب. 4.5 شرایط بهینه برای برنامه های محدب. 5 - دوگانگی در برنامه نویسی محدب غیرخطی. 5.1 توابع مزدوج. 5.2 برنامه های محدب دوگانه. 5.3 شرایط بهینه و ضرب کننده های لاگرانژ. 5.4 دوگانگی و بهینه بودن برای برنامه های محدب استاندارد. 6 - تحدب عمومی; 6.1 توابع شبه محدب و شبه محدب. 6.2 مجموعه های متصل به کمان و عملکردهای محدب-تبدیل پذیر. 6.3 MINIMA محلی و جهانی. 7 - تجزیه و تحلیل مشکلات برنامه نویسی غیرخطی منتخب; 7.1 برنامه نویسی درجه دوم.

7.2 برنامه ریزی خطی تصادفی با توابع منابع قابل جداسازی 7.3 برنامه ریزی هندسی. بخش دوم - روش ها. 8 - بهینه سازی تک بعدی. 8.1 روش نیوتن؛ 8.2 روش های تقریب چند جمله ای. 8.3 روش های مستقیم-فیبوناچی و تکنیک های بخش طلایی. 8.4 روش های جستجوی بلوک طلایی و بهینه. 9 - بهینه سازی بدون محدودیت چند بعدی بدون مشتقات: روش های جهت گیری تجربی و مزدوج. 9.1 روش ساده. 9.2 جستجوی الگو. 9.3 روش جهت های چرخشی. 9.4 جهت های مزدوج. 9.5 روش پاول؛ 9.6 اجتناب از جهت‌های جستجوی وابسته به خطی.

9.7 الگوریتم‌های نوع جهت مزدوج بیشتر10 - روش‌های شیب مزدوج مشتق دوم، شیب‌دارترین نزول، و مزدوج. 10.1 روشهای فرود از نوع نیوتن و شیب دارترین. 10.2 روش های گرادیان مزدوج. 10.3 همگرایی الگوریتم های گرادیان مزدوج. 11 - الگوریتم های متریک متغیر; 11.1 خانواده ای از الگوریتم های متریک متغیر. 11.2 روش های شبه نیوتن. 11.3 الگوریتم های متریک متغیر بدون مشتقات. 11.4 روشهای به حداقل رساندن بر اساس توابع غیرکوادراتیک. 12 - روشهای عملکرد پنالتی; 12.1 عملکردهای پنالتی خارجی. 12.2 توابع پنالتی داخلی.

12.3 روشهای جریمه بدون پارامتر12.4 عملکردهای پنالتی دقیق. 12.5 روش های ضرب و لاگرانژی. 12.6 برخی از جنبه های محاسباتی روش های تابع مجازات. 13 - حل مشکلات محدود شده با بسط تکنیک های بهینه سازی بدون محدودیت. 13.1 بسط روش های تجربی. 13.2 الگوریتم های طرح ریزی گرادیان برای محدودیت های خطی. 13.3 یک الگوریتم برنامه ریزی درجه دوم. 13.4 روش های جهت گیری امکان پذیر. 13.5 روش های پیش بینی و جهت امکان پذیر برای محدودیت های غیرخطی. 14 - الگوریتم های نوع تقریبی. 14.1 روش‌های برنامه‌ریزی تقریبی.

این نمای کلی جامع و کامل، درمان تک جلدی الگوریتم‌ها و نظریه‌های کلیدی را ارائه می‌دهد. نویسنده توضیحات روشنی از تمام جنبه های نظری، با اثبات دقیق اکثر نتایج ارائه می دهد. درمان دو قسمتی با استخراج شرایط بهینه و بحث در مورد برنامه ریزی محدب، دوگانگی، تحدب تعمیم یافته و تجزیه و تحلیل برنامه های غیرخطی انتخاب شده آغاز می شود. بخش دوم به تکنیک‌هایی برای راه‌حل‌های عددی و روش‌های بهینه‌سازی بدون محدودیت می‌پردازد و الگوریتم‌های رایج مورد استفاده را برای مسائل بهینه‌سازی غیرخطی محدود ارائه می‌دهد. این g.  بیشتر بخوانید...

DOVER BOOKS ON MATHEMATICS; Title Page; Copyright Page; Dedication; ABOUT THE AUTHOR; Table of Contents; PREFACE; 1 INTRODUCTION; PART I - ANALYSIS; 2 - CLASSICAL OPTIMIZATION-UNCONSTRAINED AND EQUALITY CONSTRAINED PROBLEMS; 2.1 UNCONSTRAINED EXTREMA; 2.2 EQUALITY CONSTRAINED EXTREMA AND THE METHOD OF LAGRANGE; 3 - OPTIMALITY CONDITIONS FOR CONSTRAINED EXTREMA; 3.1 FIRST-ORDER NECESSARY CONDITIONS FOR INEQUALITY CONSTRAINED EXTREMA; 3.2 SECOND-ORDER OPTIMALITY CONDITIONS; 3.3 SADDLEPOINTS OF THE LAGRANGIAN; 4 - CONVEX SETS AND FUNCTIONS; 4.1 CONVEX SETS; 4.2 CONVEX FUNCTIONS.

4.3 DIFFERENTIAL PROPERTIES OF CONVEX FUNCTIONS4.4 EXTREMA OF CONVEX FUNCTIONS; 4.5 OPTIMALITY CONDITIONS FOR CONVEX PROGRAMS; 5 - DUALITY IN NONLINEAR CONVEX PROGRAMMING; 5.1 CONJUGATE FUNCTIONS; 5.2 DUAL CONVEX PROGRAMS; 5.3 OPTIMALITY CONDITIONS AND LAGRANGE MULTIPLIERS; 5.4 DUALITY AND OPTIMALITY FOR STANDARD CONVEX PROGRAMS; 6 - GENERALIZED CONVEXITY; 6.1 QUASICONVEX AND PSEUDOCONVEX FUNCTIONS; 6.2 ARCWISE-CONNECTED SETS AND CONVEX-TRANSFORMABLE FUNCTIONS; 6.3 LOCAL AND GLOBAL MINIMA; 7 - ANALYSIS OF SELECTED NONLINEAR PROGRAMMING PROBLEMS; 7.1 QUADRATIC PROGRAMMING.

7.2 STOCHASTIC LINEAR PROGRAMMING WITH SEPARABLE RECOURSE FUNCTIONS7.3 GEOMETRIC PROGRAMMING; PART II - METHODS; 8 - ONE-DIMENSIONAL OPTIMIZATION; 8.1 NEWTON'S METHOD; 8.2 POLYNOMIAL APPROXIMATION METHODS; 8.3 DIRECT METHODS-FIBONACCI AND GOLDEN SECTION TECHNIQUES; 8.4 OPTIMAL AND GOLDEN BLOCK SEARCH METHODS; 9 - MULTIDIMENSIONAL UNCONSTRAINED OPTIMIZATION WITHOUT DERIVATIVES: EMPIRICAL AND CONJUGATE DIRECTION METHODS; 9.1 THE SIMPLEX METHOD; 9.2 PATTERN SEARCH; 9.3 THE ROTATING DIRECTIONS METHOD; 9.4 CONJUGATE DIRECTIONS; 9.5 POWELL'S METHOD; 9.6 AVOIDING LINEARLY DEPENDENT SEARCH DIRECTIONS.

9.7 FURTHER CONJUGATE DIRECTION-TYPE ALGORITHMS10 - SECOND DERIVATIVE, STEEPEST DESCENT, AND CONJUGATE GRADIENT METHODS; 10.1 NEWTON-TYPE AND STEEPEST DESCENT METHODS; 10.2 CONJUGATE GRADIENT METHODS; 10.3 CONVERGENCE OF CONJUGATE GRADIENT ALGORITHMS; 11 - VARIABLE METRIC ALGORITHMS; 11.1 A FAMILY OF VARIABLE METRIC ALGORITHMS; 11.2 QUASI-NEWTON METHODS; 11.3 VARIABLE METRIC ALGORITHMS WITHOUT DERIVATIVES; 11.4 MINIMIZATION METHODS BASED ON NONQUADRATIC FUNCTIONS; 12 - PENALTY FUNCTION METHODS; 12.1 EXTERIOR PENALTY FUNCTIONS; 12.2 INTERIOR PENALTY FUNCTIONS.

12.3 PARAMETER-FREE PENALTY METHODS12.4 EXACT PENALTY FUNCTIONS; 12.5 MULTIPLIER AND LAGRANGIAN METHODS; 12.6 SOME COMPUTATIONAL ASPECTS OF PENALTY FUNCTION METHODS; 13 - SOLUTION OF CONSTRAINED PROBLEMS BY EXTENSIONS OF UNCONSTRAINED OPTIMIZATION TECHNIQUES; 13.1 EXTENSIONS OF EMPIRICAL METHODS; 13.2 GRADIENT PROJECTION ALGORITHMS FOR LINEAR CONSTRAINTS; 13.3 A QUADRATIC PROGRAMMING ALGORITHM; 13.4 FEASIBLE DIRECTION METHODS; 13.5 PROJECTION AND FEASIBLE DIRECTION METHODS FOR NONLINEAR CONSTRAINTS; 14 - APPROXIMATION-TYPE ALGORITHMS; 14.1 METHODS OF APPROXIMATION PROGRAMMING.

Comprehensive and complete, this overview provides a single-volume treatment of key algorithms and theories. The author provides clear explanations of all theoretical aspects, with rigorous proof of most results. The two-part treatment begins with the derivation of optimality conditions and discussions of convex programming, duality, generalized convexity, and analysis of selected nonlinear programs. The second part concerns techniques for numerical solutions and unconstrained optimization methods, and it presents commonly used algorithms for constrained nonlinear optimization problems. This g.  Read more...