Practical augmented Lagrangian methods for constrained optimization

دسته بندی: بهینه سازی، تحقیق در عملیات.
ویرایش:  
نویسندگان: Ernesto G. Birgin,  José Mario Martínez  
سری: Fundamentals of Algorithms 
ISBN (شابک) : 161197335X, 9781611973358 
ناشر: Society for Industrial & Applied Mathematics 
سال نشر: 2014 
تعداد صفحات: 222 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 2 مگابایت 

قیمت کتاب (تومان) : 39,000

این کتاب بر روی تکنیک‌های لاگرانژی افزوده برای حل مسائل عملی بهینه‌سازی محدود تمرکز دارد. نویسندگان به شدت نظریه همگرایی ریاضی را بر اساس شرایط بهینه متوالی و شرایط محدودیت جدید ترسیم می کنند. آنها همچنین با اولویت دادن به نتایجی که بینشی در مورد رفتار عملی الگوریتم‌ها ارائه می‌دهند و با ارائه تفاسیر هندسی و الگوریتمی هر نتیجه ریاضی، کتاب را به سوی پزشکان هدایت می‌کنند و یک بسته محاسباتی رایگان در دسترس را برای بهینه‌سازی محدود به طور کامل توصیف می‌کنند و مفید بودن آن را با برنامه های کاربردی.

مخاطبان: هدف این کتاب مهندسین، فیزیکدانان، شیمیدانان و سایر پزشکان علاقمند به دسترسی کامل به نرم افزار جامع و مستند برای بهینه سازی در مقیاس بزرگ و همچنین نظریه همگرایی به روز و پیامدهای عملی آن همچنین برای دانشجویان کارشناسی ارشد و پیشرفته در ریاضیات، علوم کامپیوتر، ریاضیات کاربردی، بهینه‌سازی و آنالیز عددی جالب خواهد بود.

محتوا: فصل 1: مقدمه ; فصل دوم: انگیزه های عملی; فصل 3: شرایط بهینه; فصل 4: مدل الگوریتم لاگرانژی افزوده. فصل 5: رویکرد به حداقل رساندن جهانی. فصل 6: الگوریتم های عمومی مقرون به صرفه. فصل 7: محدود بودن پارامترهای مجازات. فصل 8: حل مسائل فرعی بدون محدودیت. فصل 9: حل مسائل فرعی محدود. فصل 10: رویکرد اول به Algencan; فصل 11: انتخاب کافی از برنامه های فرعی. فصل 12: انتخاب خوب گزینه ها و پارامترهای الگوریتمی. فصل 13: مثال های عملی; فصل چهاردهم: اظهارات پایانی

This book focuses on Augmented Lagrangian techniques for solving practical constrained optimization problems. The authors rigorously delineate mathematical convergence theory based on sequential optimality conditions and novel constraint qualifications. They also orient the book to practitioners by giving priority to results that provide insight on the practical behavior of algorithms and by providing geometrical and algorithmic interpretations of every mathematical result, and they fully describe a freely available computational package for constrained optimization and illustrate its usefulness with applications.

Audience: The book is aimed at engineers, physicists, chemists, and other practitioners interested in full access to comprehensive and well-documented software for large-scale optimization as well as up-to-date convergence theory and its practical consequences. It will also be of interest to graduate and advanced undergraduate students in mathematics, computer science, applied mathematics, optimization, and numerical analysis.

Contents: Chapter 1: Introduction ; Chapter 2: Practical Motivations; Chapter 3: Optimality Conditions; Chapter 4: Model Augmented Lagrangian Algorithm; Chapter 5: Global Minimization Approach; Chapter 6: General Affordable Algorithms; Chapter 7: Boundedness of the Penalty Parameters; Chapter 8: Solving Unconstrained Subproblems; Chapter 9: Solving Constrained Subproblems; Chapter 10: First Approach to Algencan; Chapter 11: Adequate Choice of Subroutines; Chapter 12: Making a Good Choice of Algorithmic Options and Parameters; Chapter 13: Practical Examples; Chapter 14: Final Remarks