دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Stochastic simulation optimization : an optimal computing budget allocation
دانلود کتاب بهینه سازی شبیه سازی تصادفی: تخصیص بودجه محاسباتی بهینه
مشخصات کتاب
Stochastic simulation optimization : an optimal computing budget allocation
ویرایش: نویسندگان: Chun-hung Chen, Loo Hay Lee سری: System engineering and operations research, vol. 1 ISBN (شابک) : 9789814282659, 1628702303 ناشر: World Scientific سال نشر: 2011 تعداد صفحات: 246 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
قیمت کتاب (تومان) : 30,000
در صورت تبدیل فایل کتاب Stochastic simulation optimization : an optimal computing budget allocation 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 شبیه سازی تصادفی: تخصیص بودجه محاسباتی بهینه 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.
توضیحاتی در مورد کتاب بهینه سازی شبیه سازی تصادفی: تخصیص بودجه محاسباتی بهینه
با پیشرفت فناوری محاسباتی جدید، شبیه‌سازی برای طراحی سیستم‌های مهندسی بزرگ، پیچیده و تصادفی بسیار محبوب شده است، زیرا راه‌حل‌های تحلیلی شکل بسته معمولاً برای چنین مسائلی وجود ندارد. با این حال، انعطاف‌پذیری اضافی شبیه‌سازی اغلب مدل‌هایی را ایجاد می‌کند که از نظر محاسباتی غیرقابل حل هستند. علاوه بر این، برای به دست آوردن یک تخمین آماری صحیح در سطح مشخصی از اطمینان، معمولاً برای هر طرح جایگزین به تعداد زیاد شبیه سازی (یا تکرار) نیاز است. اگر تعداد جایگزین های طراحی زیاد باشد، هزینه کل شبیه سازی می تواند بسیار گران باشد. بهینه‌سازی شبیه‌سازی تصادفی به موضوع کارایی مربوطه از طریق تخصیص هوشمند منابع محاسباتی در آزمایش‌های شبیه‌سازی برای بهینه‌سازی می‌پردازد و هدف آن ارائه یک پوشش جامع از رویکرد OCBA برای بهینه‌سازی شبیه‌سازی تصادفی به محققان دانشگاهی و متخصصان صنعتی است. با شروع یک توضیح شهودی از تخصیص بودجه محاسباتی و بحث در مورد تأثیر آن بر عملکرد بهینه‌سازی، سپس مجموعه‌ای از رویکردهای OCBA که برای مسائل مختلف توسعه یافته‌اند، از انتخاب بهترین طراحی تا بهینه‌سازی با اهداف متعدد، ارائه می‌شوند. در نهایت، این کتاب در مورد گسترش بالقوه مفهوم OCBA به کاربردهای مختلف مانند تجزیه و تحلیل پوششی داده‌ها، آزمایش‌های طراحی و شبیه‌سازی رویدادهای نادر بحث می‌کند. ادامه مطلب...
توضیحاتی درمورد کتاب به خارجی
With the advance of new computing technology, simulation is becoming very popular for designing large, complex and stochastic engineering systems, since closed-form analytical solutions generally do not exist for such problems. However, the added flexibility of simulation often creates models that are computationally intractable. Moreover, to obtain a sound statistical estimate at a specified level of confidence, a large number of simulation runs (or replications) is usually required for each design alternative. If the number of design alternatives is large, the total simulation cost can be very expensive. Stochastic Simulation Optimization addresses the pertinent efficiency issue via smart allocation of computing resource in the simulation experiments for optimization, and aims to provide academic researchers and industrial practitioners with a comprehensive coverage of OCBA approach for stochastic simulation optimization. Starting with an intuitive explanation of computing budget allocation and a discussion of its impact on optimization performance, a series of OCBA approaches developed for various problems are then presented, from the selection of the best design to optimization with multiple objectives. Finally, this book discusses the potential extension of OCBA notion to different applications such as data envelopment analysis, experiments of design and rare-event simulation. Read more...
فهرست مطالب
Content: 1. Introduction to stochastic simulation optimization. 1.1. Introduction. 1.2. Problem definition. 1.3. Classification. 1.4. Summary --
2. Computing budget allocation. 2.1. Simulation precision versus computing budget. 2.2. Computing budget allocation for comparison of multiple designs. 2.3. Intuitive explanations of optimal computing budget allocation. 2.4. Computing budget allocation for large simulation optimization. 2.5. Roadmap --
3. Selecting the best from a set of alternative designs. 3.1. A Bayesian framework for simulation output modeling. 3.2. Probability of correct selection. 3.3. Maximizing the probability of correct selection. 3.4. Minimizing the total simulation cost. 3.5. Non-equal simulation costs. 3.6. Minimizing opportunity cost. 3.7. OCBA derivation based on classical model --
4. Numerical implementation and experiments. 4.1. Numerical testing. 4.2. Parameter setting and implementation of the OCBA procedure --
5. Selecting an optimal subset. 5.1. Introduction and problem statement. 5.2. Approximate asymptotically optimal allocation scheme. 5.3. Numerical experiments --
6. Multi-objective optimal computing budget allocation. 6.1. Pareto optimality. 6.2. Multi-objective optimal computing budget allocation problem. 6.3. Asymptotic allocation rule. 6.4. A sequential allocation procedure. 6.5. Numerical results --
7. Large-scale simulation and optimization. 7.1. A general framework of integration of OCBA with metaheuristics. 7.2. Problems with single objective. 7.3. Numerical experiments. 7.4. Multiple objectives. 7.5. Concluding remarks --
8. Generalized OCBA framework and other related methods. 8.1. Optimal computing budget allocation for selecting the best by utilizing regression analysis (OCBA-OSD). 8.2. Optimal computing budget allocation for extended cross-entropy method (OCBA-CE). 8.3. Optimal computing budget allocation for variance reduction in rare-event simulation. 8.4. Optimal data collection budget allocation (ODCBA) for Monte Carlo DEA. 8.5. Other related works.
Abstract:Addresses the pertinent efficiency issue via smart allocation of computing resource in the simulation experiments for optimization, and aims to provide academic researchers and industrial Read more...
نظرات کاربران
کتاب های تصادفی
تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
