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: احتمال ویرایش: 1 نویسندگان: Kurt Marti سری: ISBN (شابک) : 3540222723, 9783540222729 ناشر: Springer سال نشر: 2005 تعداد صفحات: 329 زبان: English فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 مگابایت
در صورت تبدیل فایل کتاب Stochastic optimization methods 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 روش های بهینه سازی تصادفی 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، به عنوان مثال، پاسخهای بهینه نسبت 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 در حال وقوع، از این رو، انتگرال های متعدد، 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، روشهای قابلیت اطمینان مرتبه اول (FORM)، تقریب محدب/جهتهای نزول قطعی/نقاط کارآمد، روشهای گرادیان تصادفی، روشهای شیب تصادفی، برنامه روشهای تصادفی ، فرمول های تمایز برای احتمالات و انتظارات. ویژگیهای ریاضی مسائل تقریبی و روشهای حل تکراری (مثلاً نرخ همگرایی) شرح داده شده است.
Optimization problems arising in practice involve random model parameters. For the computation of robust optimal solutions, i.e., optimal solutions being insensitive 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, optimisation problems under stochastic uncertainty are converted into appropriate deterministic substitute problems. Due to the occurring probabilities and expectations, hence, multiple integrals, 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, First order reliability methods (FORM), convex approximation/deterministic descent directions/efficient points, stochastic gradient methods, stochastic approximation procedures, differentiation formulas for probabilities and expectations. The mathematical properties of the approximative problems and iterative solution procedures (e.g. rate of convergence) are described.
Decision/Control Under Stochastic Uncertainty....Pages 3-8
Deterministic Substitute Problems in Optimal Decision Under Stochastic Uncertainty....Pages 9-42
Differentiation Methods for Probability and Risk Functions....Pages 45-93
Deterministic Descent Directions and Efficient Points....Pages 97-126
RSM-Based Stochastic Gradient Procedures....Pages 129-176
Stochastic Approximation Methods with Changing Error Variances....Pages 177-249
Approximation of the Probability of Failure/Survival in Plastic Structural Analysis and Optimal Plastic Design....Pages 253-271