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: ریاضیات ویرایش: نویسندگان: Anthony L. Peressini, Francis E. Sullivan, J.J. Jr. Uhl سری: Undergraduate Texts in Mathematics ISBN (شابک) : 0387966145, 9783540966142 ناشر: Springer سال نشر: 1988 تعداد صفحات: 285 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 The Mathematics of Nonlinear Programming 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 ریاضیات برنامه ریزی غیرخطی 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.
برنامه نویسی غیرخطی فرصتی عالی برای کشف انواع جالب ریاضیات، تحلیل عددی و محاسبات خالص و قابل اجرا فراهم می کند. این متن برخی از ایدهها و تکنیکهای درگیر در روشهای بهینهسازی را با استفاده از حساب دیفرانسیل و انتگرال توسعه میدهد و منجر به مطالعه تحدب میشود. پس از آن مطالبی در مورد روشهای عددی پایه، حداقل مربعات، قضیه کاروش-کوهن-تاکر، توابع جریمه و ضریبهای لاگرانژ ارائه میشود. نویسندگان ارائه خود را برای دانشآموزی هدفگذاری کردهاند که دانش کاری جبر ماتریسی و حساب پیشرفته دارد، اما قبلاً در معرض بهینهسازی قرار نگرفته است.
Nonlinear programming provides an excellent opportunity to explore an interesting variety of pure and solidly applicable mathematics, numerical analysis, and computing. This text develops some of the ideas and techniques involved in the optimization methods using calculus, leading to the study of convexity. This is followed by material on basic numerical methods, least squares, the Karush-Kuhn-Tucker theorem, penalty functions, and Lagrange multipliers. The authors have aimed their presentation at the student who has a working knowledge of matrix algebra and advanced calculus, but has had no previous exposure to optimization.
Cover......Page __p_0000.djvu
Copyright......Page __p_0004.djvu
Contents......Page __p_0009.djvu
Preface......Page __p_0005.djvu
1.1. Functions of One Variable......Page __p_0011.djvu
1.2. Functions of Several Variables......Page __p_0015.djvu
1.3. Positive and Negative Definite Matrices and Optimization......Page __p_0023.djvu
1.4. Coercive Functions and Global Minimizers......Page __p_0035.djvu
1.5. Eigenvalues and Positive Definite Matrices......Page __p_0039.djvu
Exercises......Page __p_0041.djvu
2.1. Convex Sets......Page __p_0047.djvu
*2.2. Some Illustrations of Convex Sets in Economics -- Linear Production Models......Page __p_0053.djvu
2.3. Convex Functions......Page __p_0055.djvu
2.4. Convexity and the Arithmetic-Geometric Mean Inequality -- An Introduction to Geometric Programming......Page __p_0068.djvu
2.5. Unconstrained Geometric Programming......Page __p_0076.djvu
*2.6. Convexity and Other Inequalities......Page __p_0083.djvu
Exercises......Page __p_0087.djvu
3. Iterative Methods for Unconstrained Optimization......Page __p_0092.djvu
3.1. Newton\'s Method......Page __p_0093.djvu
3.2. The Method of Steepest Descent......Page __p_0107.djvu
3.3. Beyond Steepest Descent......Page __p_0115.djvu
3.4. Broyden\'s Method......Page __p_0122.djvu
3.5. Secant Methods for Minimization......Page __p_0131.djvu
Exercises......Page __p_0138.djvu
4.1. Least Squares Fit......Page __p_0143.djvu
4.2. Subspaces and Projections......Page __p_0151.djvu
4.3. Minimum Norm Solutions of Underdetermined Linear Systems......Page __p_0155.djvu
4.4. Generalized Inner Products and Norms; The Portfolio Problem......Page __p_0158.djvu
Exercises......Page __p_0162.djvu
5. Convex Programming and the Karush-Kuhn-Tucker Conditions......Page __p_0166.djvu
5.1. Separation and Support Theorems for Convex Sets......Page __p_0167.djvu
5.2. Convex Programming; The Karush-Kuhn-Tucker Theorem......Page __p_0179.djvu
5.3. The Karush-Kuhn-Tucker Theorem and Constrained Geometric Programming......Page __p_0198.djvu
5.4. Dual Convex Programs......Page __p_0209.djvu
*5.5. Trust Regions......Page __p_0220.djvu
Exercises......Page __p_0222.djvu
6.1. Penalty Functions......Page __p_0225.djvu
6.2. The Penalty Method......Page __p_0229.djvu
6.3. Applications of the Penalty Function Method to Convex Programs......Page __p_0236.djvu
Exercises......Page __p_0245.djvu
7. Optimization with Equality Constraints......Page __p_0248.djvu
7.1. Surfaces and Their Tangent Planes......Page __p_0250.djvu
7.2. Lagrange Multipliers and the Karush-Kuhn-Tucker Theorem for Mixed Constraints......Page __p_0255.djvu
7.3. Quadratic Programming......Page __p_0268.djvu
Exercises......Page __p_0276.djvu
Index......Page __p_0281.djvu