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: 2nd ed. نویسندگان: Kurt Marti سری: ISBN (شابک) : 3540794573, 9783540794578 ناشر: سال نشر: 2008 تعداد صفحات: 317 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 4 مگابایت
کلمات کلیدی مربوط به کتاب روشهای بهینه سازی تصادفی ، ویرایش دوم: ریاضیات، روش های بهینه سازی
در صورت تبدیل فایل کتاب Stochastic Optimization Methods, Second Edition 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 بهینه سازی تصادفی ، ویرایش دوم 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.
مشکلات بهینهسازی که در عمل به وجود میآیند شامل پارامترهای مدل تصادفی است. برای محاسبه راهحلهای بهینه قوی، یعنی اینکه راهحلهای بهینه با توجه به تغییرات پارامترهای تصادفی حساس نیستند، مسائل جایگزین قطعی مناسب مورد نیاز است. بر اساس توزیع احتمال دادههای تصادفی و با استفاده از مفاهیم نظری تصمیم، مسائل بهینهسازی تحت عدم قطعیت تصادفی به مسائل جایگزین قطعی مناسب تبدیل میشوند. با توجه به احتمالات و انتظارات رخ می دهد، باید از تکنیک های حل تقریبی استفاده شود. چندین روش تقریب قطعی و تصادفی ارائه شده است: روشهای بسط تیلور، روشهای رگرسیون و سطح پاسخ (RSM)، نابرابریهای احتمال، خطیسازی چندگانه حوزههای بقا/شکست، روشهای گسستهسازی، تقریب محدب/جهتهای نزول قطعی/نقاط کارآمد، و تقریب تصادفی رویه ها، فرمول های تمایز برای احتمالات و انتظارات.
Optimization problems arising in practice involve random model parameters. For the computation of robust optimal solutions, i.e., optimal solutions being insenistive with respect to random parameter variations, appropriate deterministic substitute problems are needed. Based on the probability distribution of the random data, and using decision theoretical concepts, optimization problems under stochastic uncertainty are converted into appropriate deterministic substitute problems. Due to the occurring probabilities and expectations, approximative solution techniques must be applied. Several deterministic and stochastic approximation methods are provided: Taylor expansion methods, regression and response surface methods (RSM), probability inequalities, multiple linearization of survival/failure domains, discretization methods, convex approximation/deterministic descent directions/efficient points, stochastic approximation and gradient procedures, differentiation formulas for probabilities and expectations.
Front Matter....Pages i-xiii
Decision/Control Under Stochastic Uncertainty....Pages 3-8
Deterministic Substitute Problems in Optimal Decision Under Stochastic Uncertainty....Pages 9-39
Differentiation Methods for Probability and Risk Functions....Pages 43-92
Deterministic Descent Directions and Efficient Points....Pages 95-125
RSM-Based Stochastic Gradient Procedures....Pages 129-176
Stochastic Approximation Methods with Changing Error Variances....Pages 177-249
Computation of Probabilities of Survival/Failure by Means of Piecewise Linearization of the State Function....Pages 253-297
Back Matter....Pages 301-340