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: بهینه سازی، تحقیق در عملیات. ویرایش: 1 نویسندگان: Jan Snyman سری: Applied Optimization ISBN (شابک) : 0387243488, 9780387243481 ناشر: Springer سال نشر: 2005 تعداد صفحات: 267 زبان: English فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 مگابایت
کلمات کلیدی مربوط به کتاب بهینه سازی ریاضی عملی: تئوری پایه و الگوریتم های مبتنی بر شیب: ریاضیات، روش های بهینه سازی
در صورت تبدیل فایل کتاب Practical Mathematical Optimization: Basic Theory and Gradient-Based Algorithms 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 ریاضی عملی: تئوری پایه و الگوریتم های مبتنی بر شیب 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.
این کتاب اصول اولیه بهینهسازی و الگوریتمهای مبتنی بر گرادیان را به صورت مختصر و خواندنی و بدون غفلت از دقت به مخاطبان عام ارائه میکند. این کار باید متخصصان را قادر سازد که تئوری و الگوریتمهای بهینهسازی را در زمینههای کاربردی خاص مورد علاقه خود، اعم از مهندسی، فیزیک، شیمی یا اقتصاد کسب و کار، به کار ببرند. مهمتر از همه، برای اولین بار در یک کار نسبتاً مختصر و مقدماتی، توجه لازم به مشکلات - مانند نویز، ناپیوستگی ها، هزینه های ارزیابی عملکرد، و وجود حداقل های چندگانه - که اغلب به طور غیر ضروری استفاده از گرادیان را مهار می کند، معطوف شده است. روش های مبتنی بر در فصل جداگانهای در مورد روشهای جدید مبتنی بر گرادیان که توسط نویسنده و همکارانش ایجاد شده است، نشان داده شده است که چگونه میتوان بر این مشکلات بدون از دست دادن ویژگیهای مطلوب روشهای مبتنی بر گرادیان کلاسیک غلبه کرد.
This book presents basic optimization principles and gradient-based algorithms to a general audience in a brief and easy-to-read form, without neglecting rigor. The work should enable professionals to apply optimization theory and algorithms to their own particular practical fields of interest, be it engineering, physics, chemistry, or business economics. Most importantly, for the first time in a relatively brief and introductory work, due attention is paid to the difficulties – such as noise, discontinuities, expense of function evaluations, and the existence of multiple minima – that often unnecessarily inhibit the use of gradient-based methods. In a separate chapter on new gradient-based methods developed by the author and his coworkers, it is shown how these difficulties may be overcome without losing the desirable features of classical gradient-based methods.