برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید

09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Parallel and distributed computation: numerical methods

دانلود کتاب محاسبات موازی و توزیع شده: روش های عددی

مشخصات کتاب

Parallel and distributed computation: numerical methods

دسته بندی: ریاضیات محاسباتی
ویرایش:  
نویسندگان: Bertsekas D.P.,  Tsitsiklis J.N.  
سری: Optimization and neural computation 7 
ISBN (شابک) : 1886529116 
ناشر:  
سال نشر: 1997 
تعداد صفحات: 738 
زبان: English 
فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 5 مگابایت

قیمت کتاب (تومان) : 77,000

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 18

در صورت تبدیل فایل کتاب Parallel and distributed computation: numerical methods 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 محاسبات موازی و توزیع شده: روش های عددی 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 محاسبات موازی و توزیع شده: روش های عددی

این نسخه به طور قابل ملاحظه ای توسعه یافته (حدود 30٪) و بهبود یافته از Vol. 1 از پرفروش ترین کتاب برنامه نویسی پویا توسط Bertsekas. (بازنگری نسبتاً جزئی جلد 2 برای نیمه دوم سال 2001 برنامه ریزی شده است.) DP یک روش الگوریتمی مرکزی برای کنترل بهینه، تصمیم گیری متوالی تحت عدم قطعیت و بهینه سازی ترکیبی است. این درمان بر مضامین وحدت‌بخش اساسی و مبانی مفهومی تمرکز دارد. این قدرت روش را با مثال‌ها و کاربردهای بسیاری از مهندسی، تحقیقات عملیاتی و اقتصاد نشان می‌دهد.

از جمله ویژگی‌های خاص آن، این کتاب:

(a) چارچوبی وحدت‌بخش برای تصمیم‌گیری متوالی فراهم می‌کند

(b) نظریه کنترل بهینه قطعی را توسعه می‌دهد، از جمله اصل حداقلی Pontryagin

(c) که شرح می‌دهد. تکنیک های برنامه نویسی عصبی پویا برای کاربرد عملی DP در مسائل پیچیده که شامل نفرین دوگانه ابعاد بزرگ و فقدان یک مدل ریاضی دقیق است

(d) یک درمان جامع از مسائل افق نامتناهی در جلد دوم و مقدماتی ارائه می دهد. درمان در جلد اول

(e) شامل تمرین‌های زیادی است که راه‌حل‌هایی از تئوری‌ترین آنها در صفحه www کتاب ارسال شده است. الگوریتم های برنامه نویسی و رونمایی و کاربردهای آنها در بهینه سازی ترکیبی و کنترل بهینه تصادفی (ب) بخشی در مورد تخمین و کنترل سیستم های با توصیف غیر احتمالی (عضویت مجموعه) عدم قطعیت. (ج) بخشی در افق بی نهایت زمان پیوسته (نیمه مارکوف) مسائل تصمیم گیری. (د) یک ضمیمه جدید که با رویکردهای حداقل و مطلوبیت مورد انتظار برای فرمول بندی مسائل تصمیم گیری در شرایط عدم قطعیت سروکار دارد.

توضیحاتی درمورد کتاب به خارجی

This is a substantially expanded (by about 30%) and improved edition of Vol. 1 of the best-selling dynamic programming book by Bertsekas. (A relatively minor revision of Vol.\ 2 is planned for the second half of 2001.) DP is a central algorithmic method for optimal control, sequential decision making under uncertainty, and combinatorial optimization. The treatment focuses on basic unifying themes and conceptual foundations. It illustrates the power of the method with many examples and applications from engineering, operations research, and economics.

Among its special features, the book:

(a) provides a unifying framework for sequential decision making

(b) develops the theory of deterministic optimal control including the Pontryagin Minimum Principle

(c) describes neuro-dynamic programming techniques for practical application of DP to complex problems that involve the dual curse of large dimension and lack of an accurate mathematical model

(d) provides a comprehensive treatment of infinite horizon problems in the second volume, and an introductory treatment in the first volume

(e) contains many exercises, with solutions of the most theoretical ones posted on the book's www page

Highlights of the revision: (a) Much new material on suboptimal control, including neuro-dynamic programming and rollout algorithms, and their applications in combinatorial optimization and stochastic optimal control. (b) A section on estimation and control of systems with a non-probabilistic (set membership) description of uncertainty. (c) A section on infinite horizon continuous-time (semi-Markov) decision problems. (d) A new appendix dealing with the minimax and expected utility approaches for formulating decision problems under uncertainty.