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: 1
نویسندگان: Prof. Dr. Walter Alt (auth.)
سری:
ISBN (شابک) : 9783519005131, 9783322800831
ناشر: Vieweg+Teubner Verlag
سال نشر: 2004
تعداد صفحات: 175
زبان: German
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 9 مگابایت
کلمات کلیدی مربوط به کتاب روش های عددی بهینه سازی محدب ، غیرهموار: مقدمه ای کاربرد گرا: بهینه سازی، تجزیه و تحلیل
در صورت تبدیل فایل کتاب Numerische Verfahren der konvexen, nichtglatten Optimierung: Eine anwendungsorientierte Einführung 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 روش های عددی بهینه سازی محدب ، غیرهموار: مقدمه ای کاربرد گرا 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.
در بهینهسازی محدب و غیر هموار، مشکل
محاسبه حداقل یک تابع محدب را در نظر میگیریم که
در همه جا قابل تفکیک نیست. چنین وظایفی
در ارزیابی داده های اندازه گیری و در بسیاری از کاربردها
در اقتصاد و فناوری رخ می دهد. این کتاب درسی
به روش های عددی برای حل مسائل بهینه سازی غیرهموار و
محدب
می پردازد که در کاربرد عملی خود را ثابت کرده اند. رویه ها به
گونه ای ارائه می شوند که خواننده قادر به پیاده سازی نسخه های
ساده خود باشد. مثالهای عددی متعدد
کاربرد روشها را نشان میدهند.
In der konvexen, nichtglatten Optimierung betrachtet man das
Problem,
ein Minimum einer konvexen Funktion zu berechnen, die
nicht überall differenzierbar ist. Solche Aufgabenstellungen
treten
bei der Auswertung von Messdaten und in vielen
Anwendungen
der Wirtschaftswissenschaften und der Technik auf. Dieses
Lehrbuch
behandelt numerische Verfahren zur Lösung nichtglatter,
konvexer
Optimierungsprobleme, die sich im praktischen Einsatz
bewährt
haben. Die Verfahren werden so dargestellt, dass der Leser in
der
Lage ist, einfache Versionen selbst zu implementieren.
Zahlreiche
numerische Beispiele demonstrieren die Anwendung der
Verfahren.
Front Matter....Pages 1-10
Einführung....Pages 11-24
Konvexe Mengen und Funktionen....Pages 25-54
Konvexe Optimierungsprobleme....Pages 55-68
Das Subgradientenverfahren....Pages 69-80
Approximative Ableitungen....Pages 81-96
Approximative Abstiegsverfahren....Pages 97-126
Bundle-Verfahren....Pages 127-132
Bundle-Trust-Region-Verfahren....Pages 133-162
Back Matter....Pages 163-176