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: برنامه نويسي ویرایش: 1 نویسندگان: Daniel Bienstock سری: International Series in Operations Research & Management Science ISBN (شابک) : 9781402071737, 1402071736 ناشر: Springer سال نشر: 2002 تعداد صفحات: 122 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 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 روشهای عملکردی بالقوه برای تقریباً حل مشکلات برنامه نویسی 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.
روشهای تابع بالقوه برای حل تقریبی مسائل برنامهریزی خطی، زمینه جدیدی را در نظریه برنامهریزی خطی میگشاید. 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 بسیار نقش 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، با شروع برخی از اولین نمونهها و از طریق آخرین پیشرفتهای نظری و محاسباتی.
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.