مشخصات کتاب

Potential function methods for approximately solving linear programming problems

دسته بندی: برنامه نويسي
ویرایش:  
نویسندگان: Bienstock D.  
سری:  
ISBN (شابک) : 0306476266 
ناشر: Kluwer 
سال نشر: 2002 
تعداد صفحات: 132 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 2 مگابایت 

در صورت تبدیل فایل کتاب Potential function methods for approximately solving linear programming problems 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 تابع بالقوه برای حل تقریباً مسائل برنامه ریزی خطی 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 روش های تابع بالقوه برای حل تقریباً مسائل برنامه ریزی خطی

روش‌های تابع بالقوه برای حل تقریبی مسائل برنامه‌ریزی خطی، زمینه جدیدی را در نظریه برنامه‌ریزی خطی ایجاد می‌کند. این کتاب از پیشرفت‌های تحقیقاتی در سه حوزه گسترده استفاده می‌کند: برنامه‌نویسی خطی و عدد صحیح، تجزیه و تحلیل عددی، و معماری‌های محاسباتی که طراحی الگوریتم سریع و سطح بالا را ممکن می‌سازد. در طول ده سال گذشته، بدنه جدیدی از تحقیقات در زمینه تحقیقات بهینه‌سازی ظهور کرده است که به دنبال توسعه الگوریتم‌های تقریب خوب برای کلاس‌های مسائل برنامه‌ریزی خطی است. این کار هم ریشه در زمینه های اساسی برنامه ریزی ریاضی دارد و هم در چارچوب نظریه مدرن الگوریتم ها قرار می گیرد. نتیجه این کار، که دانیل بینستاک در آن مشارکت بسیار داشته است، خانواده ای از الگوریتم ها با مبانی نظری محکم و با موفقیت تجربی رو به رشد بوده است. این کتاب به بررسی این الگوریتم‌ها می‌پردازد، که با برخی از اولین نمونه‌ها شروع می‌شود و آخرین پیشرفت‌های نظری و محاسباتی را آغاز می‌کند.

توضیحاتی درمورد کتاب به خارجی

Potential Function Methods For Approximately Solving Linear Programming Problems breaks new ground in linear programming theory. The book draws on the research developments in three broad areas: linear and integer programming, numerical analysis, and the computational architectures which enable speedy, high-level algorithm design. During the last ten years, a new body of research within the field of optimization research has emerged, which seeks to develop good approximation algorithms for classes of linear programming problems. This work both has roots in fundamental areas of mathematical programming and is also framed in the context of the modern theory of algorithms. The result of this work, in which Daniel Bienstock has been very much involved, has been a family of algorithms with solid theoretical foundations and with growing experimental success. This book will examine these algorithms, starting with some of the very earliest examples, and through the latest theoretical and computational developments.

فهرست مطالب

Contents......Page 6
List of Figures......Page 10
List of Tables......Page 12
Preface......Page 14
1 Introduction......Page 16
1. Early Algorithms......Page 22
1 The Flow Deviation Method......Page 24
1.1 Convergence Analysis......Page 26
1.2 Analysis of the Flow Deviation method......Page 29
1.3 Historical Perspective......Page 32
2 The Shahrokhi and Matula Algorithm......Page 34
2.1 The algorithm proper......Page 40
2.2 Cut metrics and minimum congestion......Page 43
0.2.2 Handling more general problems......Page 48
0.2.3 Handling large width......Page 49
1 A basic algorithm for min-max LPs......Page 51
1.1 The first stage......Page 52
1.2 The second stage......Page 53
1.3 Computing λ* to absolute tolerance......Page 54
2 Round-robin and randomized schemes for block-angular problems......Page 60
2.1 Basic deterministic approach......Page 62
2.2 Randomized approaches......Page 64
3 Optimization problems and more general feasibility systems......Page 65
4 Width, revisited......Page 68
6 A philosophical point: why these algorithms are useful......Page 69
1 Oblivious rounding......Page 72
1.1 Concurrent flows......Page 75
2 Lower bounds for Frank-Wolfe methods......Page 83
2.1 Lower bounds under the oracle model......Page 85
3 The algorithms of Garg-Könemann and Fleischer......Page 87
3.1 The Luby-Nisan algorithm and related work......Page 88
4 Lagrangian Relaxation, Non-Differentiable Optimization and Penalty Methods......Page 90
4.0.2 Penalty methods......Page 91
4.0.3 The Volume algorithm......Page 92
4. Computational Experiments......Page 94
0.1 Remarks on previous work......Page 95
0.2 Outline of a generic implementation......Page 97
1.1 Choosing a block......Page 99
1.2 Choosing τ......Page 100
1.3 Choosing μ......Page 101
1.4 Choosing α......Page 102
2 Improving Lagrangian Relaxations......Page 104
3 Restricted Linear Programs......Page 107
4 Tightening formulations......Page 109
5 Computational tests......Page 110
5.1 Network Design Models......Page 111
5.2 Minimum-cost multicommodity flow problems......Page 112
5.3 Maximum concurrent flow problems......Page 114
5.4 More sophisticated network design models......Page 115
5.5 Empirical trade-off between time and accuracy......Page 118
5.6 Hitting the sweet spot......Page 119
6 Future work......Page 122
Appendix – Frequently Asked Questions......Page 124
References......Page 128
Index......Page 132

نظرات کاربران

کتاب های مرتبط

دانلود کتاب MCDST Self-Paced Training Kit (Exam 70-271): Supporting Users and Troubleshooting a Microsoft Windows XP Operating System (Pro - Certification)

دانلود کتاب TensorFlow in 1 Day Make your own Neural Network

دانلود کتاب Security Operations Guide for Microsoft® Windows® 2000 Server (Patterns & Practices)

دانلود کتاب Programming Microsoft InfoPath

دانلود کتاب Carbon Programming

دانلود کتاب Building Machine Learning Powered Applications: Going from Idea to Product

دانلود کتاب Critical Code Studies

دانلود کتاب Programming, problem solving & abstraction with C

دانلود کتاب Test-Driving JavaScript Applications: Rapid, Confident, Maintainable Code

دانلود کتاب Node.js High Performance