Probabilistic and Randomized Methods for Design under Uncertainty

در بسیاری از مسائل طراحی مهندسی و بهینه‌سازی، وجود عدم قطعیت در داده‌ها یک موضوع اصلی و حیاتی است. حوزه‌های مختلف مهندسی از راه‌های مختلفی برای توصیف این عدم قطعیت استفاده می‌کنند و تکنیک‌های مختلفی را برای ابداع طرح‌هایی به کار می‌گیرند که حداقل تا حدی نسبت به عدم قطعیت حساس یا مقاوم هستند.

احتمال‌شناسی و Randomized Methods for Design under Uncertaintyسیستم های نامطمئن را در مهندسی کنترل و تصمیم گیری یا مسائل بهینه سازی کلی که داده ها دقیقاً برای آنها مشخص نیست را بررسی می کند. جمع آوری کمک از محققان برجسته جهان در بهینه سازی و کنترل قوی؛ این کتاب تعاملات بین این دو زمینه را برجسته می‌کند و بر تکنیک‌های تصادفی و احتمالی جدید برای حل مسائل طراحی در حضور عدم قطعیت تمرکز می‌کند:

• بخش اول نظریه کلی و روش‌شناسی راه‌حل را توضیح می‌دهد. مسائل بهینه‌سازی تصادفی و با احتمال محدود، از جمله بهینه‌سازی با محدودیت شانس، بهینه‌سازی تصادفی و اقدامات ریسک؛
• بخش دوم بر روش‌های عددی برای حل برنامه‌های محدب به‌طور تصادفی اغتشاش تمرکز دارد. مسائل بهینه سازی نیمه نامتناهی با تکنیک های احتمالی مانند نمونه گیری محدودیت و بهینه سازی مبتنی بر سناریو؛
• بخش سوم نظریه و کاربردهای تکنیک های تصادفی شده را در تجزیه و تحلیل و طراحی شرح می دهد. از سیستم های کنترل قوی.

روش های احتمالی و تصادفی برای طراحی تحت عدم قطعیت مورد علاقه خواهد بود محققان، دانشگاهیان و دانشجویان تحصیلات تکمیلی در مهندسی کنترل و تحقیقات عملیات و همچنین متخصصانی که در تحقیقات عملیاتی کار می کنند و علاقه مند به تصمیم گیری، بهینه سازی و مدل سازی تصادفی هستند.

In many engineering design and optimization problems, the presence of uncertainty in the data is a central and critical issue. Different fields of engineering use different ways to describe this uncertainty and adopt a variety of techniques to devise designs that are at least partly insensitive or robust to uncertainty.

Probabilistic and Randomized Methods for Design under Uncertainty examines uncertain systems in control engineering and general decision or optimization problems for which data is not known exactly. Gathering contributions from the world’s leading researchers in optimization and robust control; this book highlights the interactions between these two fields, and focuses on new randomised and probabilistic techniques for solving design problems in the presence of uncertainty:

• Part I describes general theory and solution methodologies for probability-constrained and stochastic optimization problems, including chance-constrained optimization, stochastic optimization and risk measures;
• Part II focuses on numerical methods for solving randomly perturbed convex programs and semi-infinite optimization problems by probabilistic techniques such as constraint sampling and scenario-based optimization;
• Part III details the theory and applications of randomized techniques to the analysis and design of robust control systems.

Probabilistic and Randomized Methods for Design under Uncertainty will be of interest to researchers, academics and postgraduate students in control engineering and operations research as well as professionals working in operations research who are interested in decision-making, optimization and stochastic modeling.