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
ویرایش: 1
نویسندگان: Moussa Larbani. Po-Lung Yu (auth.)
سری:
ISBN (شابک) : 9789811019791, 9789811019814
ناشر: Springer Singapore
سال نشر: 2017
تعداد صفحات: 293
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 4 مگابایت
در صورت تبدیل فایل کتاب Wonderful Solutions and Habitual Domains for Challenging Problems in Changeable Spaces: From Theoretical Framework to Applications 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 راه حل های شگفت انگیز و دامنه های معمولی برای مشکلات چالش برانگیز در فضاهای قابل تغییر: از چارچوب نظری تا برنامه های کاربردی 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.
این کتاب پارادایم جدیدی به نام "بهینه سازی در فضاهای قابل تغییر" (OCS) را به عنوان ابزاری مفید برای تصمیم گیری و حل مسئله معرفی می کند. این نشان میدهد که چگونه OCS پارامترهای ملموس و نامشهود را که در فرآیند تصمیمگیری دخیل هستند، ترکیب میکند، جستجو میکند و ساختار سازندهای بازسازی میکند. این کتاب به تشریح مسائل OCS میپردازد که با استفاده از مفاهیم تجزیه و تحلیل مجموعه شایستگی، دامنه عادتی (HD) و عملگرهای ذهنی به نام اصول 7-8-9 دانش عمیق HD قابل مدلسازی و حل موثر هستند. علاوه بر این، مفاهیم جدیدی از پوشش و کشف فرآیندها به عنوان ابزارهای ریاضی برای حل مسائل OCS پیشنهاد و فرموله شده است. این کتاب همچنین شامل فرمولبندی مجدد تعدادی از مسائل چالشبرانگیز واقعی مصور است که با تکنیکهای بهینهسازی سنتی نمیتوان آنها را در مسائل OCS حل کرد و جزئیات چگونگی پرداختن به آنها را نیز شامل میشود. فراتر از آن، دیدگاههای مرتبط با پویایی نوآوری، مدیریت، هوش مصنوعی، اقتصاد مصنوعی و الکترونیک، کشف علمی و استخراج دانش را نیز در بر میگیرد. این کتاب مورد توجه مدیران کسبوکارها و مؤسسات، سیاستگذاران، و مربیان و دانشجویان تصمیمگیری و رفتار در DBA و/یا MBA خواهد بود.
This book introduces a new paradigm called ‘Optimization in Changeable Spaces’ (OCS) as a useful tool for decision making and problem solving. It illustrates how OCS incorporates, searches, and constructively restructures the parameters, tangible and intangible, involved in the process of decision making. The book elaborates on OCS problems that can be modeled and solved effectively by using the concepts of competence set analysis, Habitual Domain (HD) and the mental operators called the 7-8-9 principles of deep knowledge of HD. In addition, new concepts of covering and discovering processes are proposed and formulated as mathematical tools to solve OCS problems. The book also includes reformulations of a number of illustrative real-life challenging problems that cannot be solved by traditional optimization techniques into OCS problems, and details how they can be addressed. Beyond that, it also includes perspectives related to innovation dynamics, management, artificial intelligence, artificial and e-economics, scientific discovery and knowledge extraction. This book will be of interest to managers of businesses and institutions, policy makers, and educators and students of decision making and behavior in DBA and/or MBA.
Front Matter....Pages i-xxvii
Challenging Decision Problems and Decision Models....Pages 1-23
Decision Processes and Decision-Making in Changeable Spaces....Pages 25-50
Habitual Domains, Human Behaviour Mechanism and Wonderful Solutions for DMCS Problem Analysis....Pages 51-88
Expansion of Habitual Domains and DMCS....Pages 89-121
Competence Set Analysis, Decision Blinds and Decision-Making....Pages 123-145
Decision-Making in Changeable Spaces (DMCS): A New Paradigm....Pages 147-182
Solving Real-World DMCS Problems, Part 1: Management and Economics Problems....Pages 183-208
Solving Real-World DMCS Problems, Part 2: Social, Geopolitical, and Discovery Problems....Pages 209-239
Innovation Dynamics as a DMCS Problem....Pages 241-255
Conclusion and Further Research....Pages 257-269
Back Matter....Pages 271-275