دانلود کتاب Convex Optimization Algorithms (به فارسی: الگوریتم های بهینه سازی محدب) نوشته شده توسط «Dimitri P. Bertsekas»
اطلاعات کتاب الگوریتم های بهینه سازی محدب
موضوع اصلی: ریاضیات
نوع: کتاب الکترونیکی
ناشر: Athena Scientific
نویسنده: Dimitri P. Bertsekas
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2015
تعداد صفحه: 576 / 578
حجم فایل: 18.40 مگابایت
کد کتاب: 1886529280 , 9781886529281
نوبت چاپ: 1
توضیحات کتاب الگوریتم های بهینه سازی محدب
این کتاب که از طریق آموزش کلاسی در MIT طی 15 سال گذشته توسعه یافته است، ارائه ای در دسترس، مختصر و شهودی از الگوریتم ها برای حل مسائل بهینه سازی محدب را ارائه می دهد. این بر تجزیه و تحلیل دقیق ریاضی متکی است، اما همچنین به یک توضیح شهودی می‌پردازد که در صورت امکان از تجسم استفاده می‌کند. این با استفاده گسترده از مفاهیم تحلیلی و الگوریتمی دوگانگی، که طبیعتاً خود را به تفسیر هندسی می‌رسانند، تسهیل می‌شود. این کتاب تاکید ویژه ای بر پیشرفت های مدرن و کاربردهای گسترده آنها در زمینه هایی مانند مشکلات تخصیص منابع در مقیاس بزرگ، پردازش سیگنال و یادگیری ماشین دارد.
از جمله ویژگی های آن، کتاب:
* تئوری روشهای نزول و تقریب را به طور جامع توسعه می‌دهد، از جمله روشهای پیش‌بینی گرادیان و زیر گرادیان، روشهای برش سطح و تجزیه ساده، و روشهای پروگزیمال
* روشهای لاگرانژی تقویت‌شده، و روشهای جهت متناوب ضرب‌کننده‌ها را توصیف و تحلیل می‌کند.
* تئوری مدرن روشهای نزول مختصات، از جمله تجزیه و تحلیل همگرایی ناهمزمان توزیع شده را توسعه می دهد
* به طور کامل شیب افزایشی، زیرگرید، پروگزیمال و روش های طرح محدودیت را پوشش می دهد
* شامل الگوریتم های بهینه مبتنی بر در مورد تکنیک های برون یابی، و نرخ مرتبط تجزیه و تحلیل همگرایی
* طیف گسترده ای از کاربردهای بهینه سازی در مقیاس بزرگ و یادگیری ماشینی را توصیف می کند. ning
* حاوی مثال‌ها، تصاویر و تمرین‌های زیادی است
* ساختاری دارد که به‌عنوان یک متن مستقل برای کلاسی در مورد تحلیل محدب و بهینه‌سازی، یا به‌عنوان یک مکمل نظری برای هر یک از آنها استفاده شود. یک کلاس مدل های بهینه سازی برنامه های کاربردی/محدب یا یک کلاس برنامه نویسی غیرخطی
Among its features, the book:
* Develops comprehensively the theory of descent and approximation methods, including gradient and subgradient projection methods, cutting plane and simplicial decomposition methods, and proximal methods
* Describes and analyzes augmented Lagrangian methods, and alternating direction methods of multipliers
* Develops the modern theory of coordinate descent methods, including distributed asynchronous convergence analysis
* Comprehensively covers incremental gradient, subgradient, proximal, and constraint projection methods
* Includes optimal algorithms based on extrapolation techniques, and associated rate of convergence analysis
* Describes a broad variety of applications of large-scale optimization and machine learning
* Contains many examples, illustrations, and exercises
* Is structured to be used conveniently either as a standalone text for a class on convex analysis and optimization, or as a theoretical supplement to either an applications/convex optimization models class or a nonlinear programming class
دانلود کتاب «الگوریتم های بهینه سازی محدب»
برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.