دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Optimization in Banach Spaces
دانلود کتاب بهینه سازی در فضاهای Banach
مشخصات کتاب
Optimization in Banach Spaces
ویرایش:
نویسندگان: Alexander J. Zaslavski
سری: SpringerBriefs in Optimization
ISBN (شابک) : 3031126432, 9783031126437
ناشر: Springer
سال نشر: 2022
تعداد صفحات: 131
[132]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 1 Mb
قیمت کتاب (تومان) : 35,000
در صورت تبدیل فایل کتاب Optimization in Banach Spaces 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 در فضاهای Banach 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 در فضاهای Banach
این کتاب به مطالعه مسائل کمینه سازی محدود در مجموعه های
بسته و محدب در فضاهای Banach با تابع هدف متمایز پذیر Frechet
اختصاص دارد. چنین مسائلی در فضایی با بعد محدود و در فضای هیلبرت
بی‌بعدی به خوبی مطالعه می‌شوند. وقتی فضا هیلبرت باشد،
الگوریتم‌های زیادی برای حل مسائل بهینه‌سازی وجود دارد، از جمله
الگوریتم پیش‌بینی گرادیان که یکی از مهم‌ترین ابزارها در تئوری
بهینه‌سازی، تحلیل غیرخطی و کاربردهای آن‌ها است. یک مسئله
بهینه‌سازی با یک تابع هدف و مجموعه‌ای از نقاط امکان‌پذیر توصیف
می‌شود. برای الگوریتم طرح شیب، هر تکرار شامل دو مرحله است.
مرحله اول، محاسبه گرادیان تابع هدف است، در حالی که در مرحله
دوم، پیش‌بینی را روی مجموعه امکان‌پذیر محاسبه می‌کنیم. در هر یک
از این دو مرحله یک خطای محاسباتی وجود دارد. در تحقیقات اخیر ما
نشان می‌دهیم که الگوریتم پیش‌بینی گرادیان یک راه‌حل تقریبی خوبی
ایجاد می‌کند، اگر همه خطاهای محاسباتی از بالا با یک ثابت مثبت
کوچک محدود شوند. لازم به ذکر است که ویژگی های فضای هیلبرت نقش
مهمی ایفا می کند. وقتی یک مسئله بهینه‌سازی را در فضای عمومی
Banach در نظر می‌گیریم، وضعیت دشوارتر و کمتر درک می‌شود. از طرف
دیگر چنین مشکلاتی در نظریه تقریب به وجود می آیند. این کتاب برای
ریاضیدانانی که در زمینه بهینه‌سازی کار می‌کنند جالب است. همچنین
می تواند در دوره های آمادگی برای دانشجویان تحصیلات تکمیلی مفید
باشد. ویژگی اصلی کتاب که به طور خاص برای این مخاطبان جذاب است،
مطالعه الگوریتم‌های مسائل کمینه‌سازی محدب و غیر محدب در فضای
عمومی Banach است. این کتاب مورد توجه متخصصان کاربردهای
بهینه‌سازی در نظریه تقریب است.
در این کتاب هدف به دست آوردن یک راه‌حل تقریبی خوب برای مسئله بهینه‌سازی محدود در فضای عمومی Banach تحت حضور خطاهای محاسباتی است. نشان داده شده است که الگوریتم یک راه حل تقریبی خوبی ایجاد می کند، اگر دنباله خطاهای محاسباتی از بالا توسط یک ثابت کوچک محدود شود. کتاب از چهار فصل تشکیل شده است. در اول ما چندین الگوریتم را مورد بررسی قرار می‌دهیم که در کتاب مورد مطالعه قرار گرفته‌اند و یک نتیجه هم‌گرایی را برای یک مسئله بدون محدودیت که نمونه اولیه نتایج ما برای مسئله محدود است، اثبات می‌کنیم. در فصل 2 مسائل بهینه سازی محدب را تحلیل می کنیم. مسائل بهینه‌سازی غیرمحدب در فصل 3 مورد مطالعه قرار می‌گیرند. در فصل 4 الگوریتم‌های پیوسته را برای مسائل کمینه‌سازی تحت حضور خطاهای محاسباتی مطالعه می‌کنیم. الگوریتم یک راه حل تقریبی خوبی ایجاد می کند، اگر دنباله خطاهای محاسباتی از بالا با یک ثابت کوچک محدود شود. کتاب از چهار فصل تشکیل شده است. در اول ما چندین الگوریتم را مورد بررسی قرار می‌دهیم که در کتاب مورد مطالعه قرار گرفته‌اند و یک نتیجه هم‌گرایی را برای یک مسئله بدون محدودیت که نمونه اولیه نتایج ما برای مسئله محدود است، اثبات می‌کنیم. در فصل 2 مسائل بهینه سازی محدب را تحلیل می کنیم. مسائل بهینه‌سازی غیرمحدب در فصل 3 مورد مطالعه قرار می‌گیرند. در فصل 4، الگوریتم‌های پیوسته برای مشکلات کمینه‌سازی در حضور خطاهای محاسباتی را مطالعه می‌کنیم.
در این کتاب هدف به دست آوردن یک راه‌حل تقریبی خوب برای مسئله بهینه‌سازی محدود در فضای عمومی Banach تحت حضور خطاهای محاسباتی است. نشان داده شده است که الگوریتم یک راه حل تقریبی خوبی ایجاد می کند، اگر دنباله خطاهای محاسباتی از بالا توسط یک ثابت کوچک محدود شود. کتاب از چهار فصل تشکیل شده است. در اول ما چندین الگوریتم را مورد بررسی قرار می‌دهیم که در کتاب مورد مطالعه قرار گرفته‌اند و یک نتیجه هم‌گرایی را برای یک مسئله بدون محدودیت که نمونه اولیه نتایج ما برای مسئله محدود است، اثبات می‌کنیم. در فصل 2 مسائل بهینه سازی محدب را تحلیل می کنیم. مسائل بهینه‌سازی غیرمحدب در فصل 3 مورد مطالعه قرار می‌گیرند. در فصل 4 الگوریتم‌های پیوسته را برای مسائل کمینه‌سازی تحت حضور خطاهای محاسباتی مطالعه می‌کنیم. الگوریتم یک راه حل تقریبی خوبی ایجاد می کند، اگر دنباله خطاهای محاسباتی از بالا با یک ثابت کوچک محدود شود. کتاب از چهار فصل تشکیل شده است. در اول ما چندین الگوریتم را مورد بررسی قرار می‌دهیم که در کتاب مورد مطالعه قرار گرفته‌اند و یک نتیجه هم‌گرایی را برای یک مسئله بدون محدودیت که نمونه اولیه نتایج ما برای مسئله محدود است، اثبات می‌کنیم. در فصل 2 مسائل بهینه سازی محدب را تحلیل می کنیم. مسائل بهینه‌سازی غیرمحدب در فصل 3 مورد مطالعه قرار می‌گیرند. در فصل 4، الگوریتم‌های پیوسته برای مشکلات کمینه‌سازی در حضور خطاهای محاسباتی را مطالعه می‌کنیم.
توضیحاتی درمورد کتاب به خارجی
The book is devoted to the study of constrained
minimization problems on closed and convex sets in Banach
spaces with a Frechet differentiable objective function.
Such problems are well studied in a
finite-dimensional space and in an infinite-dimensional Hilbert
space. When the space is Hilbert there are many algorithms for
solving optimization problems including the gradient projection
algorithm which is one of the most important tools in the
optimization theory, nonlinear analysis and their applications.
An optimization problem is described by an objective
function and a set of feasible points. For the gradient
projection algorithm each iteration consists of two steps. The
first step is a calculation of a gradient of the objective
function while in the second one we calculate a
projection on the feasible set. In each of these two
steps there is a computational error. In our recent research we
show that the gradient projection algorithm generates a good
approximate solution, if all the computational errors are
bounded from above by a small positive constant. It should be
mentioned that the properties of a Hilbert space play an
important role. When we consider an optimization problem in a
general Banach space the situation becomes more difficult and
less understood. On the other hand such problems arise in the
approximation theory. The book is of interest for
mathematicians working in optimization. It also can be
useful in preparation courses for graduate students. The
main feature of the book which appeals specifically to this
audience is the study of algorithms for convex and nonconvex
minimization problems in a general Banach space. The book
is of interest for experts in applications of optimization to
the approximation theory.
In this book the goal is to obtain a good approximate solution of the constrained optimization problem in a general Banach space under the presence of computational errors. It is shown that the algorithm generates a good approximate solution, if the sequence of computational errors is bounded from above by a small constant. The book consists of four chapters. In the first we discuss several algorithms which are studied in the book and prove a convergence result for an unconstrained problem which is a prototype of our results for the constrained problem. In Chapter 2 we analyze convex optimization problems. Nonconvex optimization problems are studied in Chapter 3. In Chapter 4 we study continuous algorithms for minimization problems under the presence of computational errors. The algorithm generates a good approximate solution, if the sequence of computational errors is bounded from above by a small constant. The book consists of four chapters. In the first we discuss several algorithms which are studied in the book and prove a convergence result for an unconstrained problem which is a prototype of our results for the constrained problem. In Chapter 2 we analyze convex optimization problems. Nonconvex optimization problems are studied in Chapter 3. In Chapter 4 we study continuous algorithms for minimization problems under the presence of computational errors.
In this book the goal is to obtain a good approximate solution of the constrained optimization problem in a general Banach space under the presence of computational errors. It is shown that the algorithm generates a good approximate solution, if the sequence of computational errors is bounded from above by a small constant. The book consists of four chapters. In the first we discuss several algorithms which are studied in the book and prove a convergence result for an unconstrained problem which is a prototype of our results for the constrained problem. In Chapter 2 we analyze convex optimization problems. Nonconvex optimization problems are studied in Chapter 3. In Chapter 4 we study continuous algorithms for minimization problems under the presence of computational errors. The algorithm generates a good approximate solution, if the sequence of computational errors is bounded from above by a small constant. The book consists of four chapters. In the first we discuss several algorithms which are studied in the book and prove a convergence result for an unconstrained problem which is a prototype of our results for the constrained problem. In Chapter 2 we analyze convex optimization problems. Nonconvex optimization problems are studied in Chapter 3. In Chapter 4 we study continuous algorithms for minimization problems under the presence of computational errors.
نظرات کاربران
کتاب های تصادفی
دانلود کتاب The Highly Selective Dictionary of Golden Adjectives for the Extraordinarily Literate
دانلود کتاب Food, Health and Happiness : ’On Point’ Recipes for Great Meals and a Better Life
