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: بهینه سازی، تحقیق در عملیات. ویرایش: 1 نویسندگان: Martin Grötschel, Sven O. Krumke, Jörg Rambau سری: ISBN (شابک) : 9783540424598, 3540424598 ناشر: Springer سال نشر: 2001 تعداد صفحات: 813 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 17 مگابایت
در صورت تبدیل فایل کتاب Online optimization of large scale systems 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 آنلاین سیستم های مقیاس بزرگ 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.
خواه هزینه ها کاهش یابد، سود به حداکثر برسد، یا منابع کمیاب برای استفاده هوشمندانه، روش های بهینه سازی برای هدایت تصمیم گیری در دسترس هستند. در بهینه سازی آنلاین مسئله اصلی داده های ناقص است و چالش علمی: یک الگوریتم آنلاین چقدر می تواند عملکرد خوبی داشته باشد؟ آیا می توان کیفیت راه حل را تضمین کرد، حتی بدون دانستن همه داده ها از قبل؟ در بهینه سازی بلادرنگ یک نیاز اضافی وجود دارد، تصمیمات باید بسیار سریع در رابطه با چارچوب زمانی نمونه ای که در نظر می گیریم محاسبه شوند. مشکلات بهینه سازی آنلاین و بلادرنگ در تمام شاخه های بهینه سازی رخ می دهد. این مناطق تکنیک های خاص خود را توسعه داده اند، اما به مسائل مشابهی می پردازند: کیفیت، پایداری و استحکام راه حل ها. برای بارور کردن این موضوع نوظهور نظریه بهینهسازی و تقویت همکاری بین شاخههای مختلف بهینهسازی، Deutsche Forschungsgemeinschaft (DFG) از یک برنامه اولویتدار «بهینهسازی آنلاین سیستمهای بزرگ» پشتیبانی کرده است.
Whether costs are to be reduced, profits to be maximized, or scarce resources to be used wisely, optimization methods are available to guide decision making. In online optimization the main issue is incomplete data, and the scientific challenge: How well can an online algorithm perform? Can one guarantee solution quality, even without knowing all data in advance? In real-time optimization there is an additional requirement, decisions have to be computed very fast in relation to the time frame of the instance we consider. Online and real-time optimization problems occur in all branches of optimization. These areas have developed their own techniques but they are addressing the same issues: quality, stability, and robustness of the solutions. To fertilize this emerging topic of optimization theory and to foster cooperation between the different branches of optimization, the Deutsche Forschungsgemeinschaft (DFG) has supported a Priority Programme "Online Optimization of Large Systems".