Simulation-Based Optimization: Parametric Optimization Techniques and Reinforcement Learning

بهینه‌سازی مبتنی بر شبیه‌سازی: تکنیک‌های بهینه‌سازی پارامتری و یادگیری تقویتی حوزه در حال تکامل بهینه‌سازی مبتنی بر شبیه‌سازی را معرفی می‌کند.

هدف این کتاب دو جنبه است: (1) اصول ریاضی حاکم بر بهینه‌سازی مبتنی بر شبیه‌سازی را بررسی می‌کند، در نتیجه توانایی مدل‌سازی مسائل مربوط به زندگی واقعی را با استفاده از این تکنیک‌ها در اختیار خواننده قرار می‌دهد. (2) فناوری محاسباتی زیربنای این روش ها را تشریح می کند. مجموع این دو جنبه نشان می دهد که روش های ریاضی و محاسباتی مورد بحث در این کتاب کار می کنند.
به طور کلی، کتاب دارای دو بخش است: (1) بهینه سازی پارامتریک (استاتیک) و (2) بهینه سازی کنترل (دینامیک). برخی از ویژگی های کتاب عبارتند از:
*مقدمه ای در دسترس برای یادگیری تقویتی و تکنیک های بهینه سازی پارامتریک.
*توضیح گام به گام چندین الگوریتم بهینه سازی مبتنی بر شبیه سازی.
*مقدمه ای روشن و ساده بر روش شناسی شبکه های عصبی.
*مقدمه ای ملایم برای تحلیل همگرایی برخی از روش های برشمرده شده در بالا.
*برنامه های کامپیوتری برای بسیاری از الگوریتم های بهینه سازی مبتنی بر شبیه سازی.

Simulation-Based Optimization: Parametric Optimization Techniques and Reinforcement Learning introduces the evolving area of simulation-based optimization.

The book's objective is two-fold: (1) It examines the mathematical governing principles of simulation-based optimization, thereby providing the reader with the ability to model relevant real-life problems using these techniques. (2) It outlines the computational technology underlying these methods. Taken together these two aspects demonstrate that the mathematical and computational methods discussed in this book do work.
Broadly speaking, the book has two parts: (1) parametric (static) optimization and (2) control (dynamic) optimization. Some of the book's special features are:
*An accessible introduction to reinforcement learning and parametric-optimization techniques.
*A step-by-step description of several algorithms of simulation-based optimization.
*A clear and simple introduction to the methodology of neural networks.
*A gentle introduction to convergence analysis of some of the methods enumerated above.
*Computer programs for many algorithms of simulation-based optimization.