دانلود کتاب Practical mathematical optimization: an introduction to basic optimization theory and classical and new gradient-based algorithms (به فارسی: بهینه‌سازی ریاضی عملی: مقدمه‌ای بر نظریه بهینه‌سازی پایه و الگوریتم‌های کلاسیک و جدید مبتنی بر گرادیان) نوشته شده توسط «Jan Snyman»
اطلاعات کتاب بهینه‌سازی ریاضی عملی: مقدمه‌ای بر نظریه بهینه‌سازی پایه و الگوریتم‌های کلاسیک و جدید مبتنی بر گرادیان
موضوع اصلی: ریاضیات
نوع: کتاب الکترونیکی
ناشر: Springer
نویسنده: Jan Snyman
زبان: English
فرمت کتاب: pdf (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2005
تعداد صفحه: 270
حجم کتاب: 7 مگابایت
کد کتاب: 0387243488 , 9780387243481
نوبت چاپ: 1
توضیحات کتاب بهینه‌سازی ریاضی عملی: مقدمه‌ای بر نظریه بهینه‌سازی پایه و الگوریتم‌های کلاسیک و جدید مبتنی بر گرادیان
این کتاب اصول اولیه بهینه‌سازی و الگوریتم‌های مبتنی بر گرادیان را به صورت مختصر و خواندنی، بدون غفلت از دقت، به مخاطبان عمومی ارائه می‌کند. این کار باید متخصصان را قادر سازد که تئوری و الگوریتم‌های بهینه‌سازی را در زمینه‌های کاربردی خاص مورد علاقه خود، اعم از مهندسی، فیزیک، شیمی یا اقتصاد کسب و کار، به کار ببرند. مهمتر از همه، برای اولین بار در یک کار نسبتاً مختصر و مقدماتی، توجه لازم به مشکلات – مانند نویز، ناپیوستگی ها، هزینه های ارزیابی عملکرد، و وجود حداقل های چندگانه – که اغلب به طور غیر ضروری استفاده از گرادیان را مهار می کند، معطوف شده است. روش های مبتنی بر در فصل جداگانه‌ای درباره روش‌های جدید مبتنی بر گرادیان که توسط نویسنده و همکارانش ایجاد شده است، نشان داده می‌شود که چگونه می‌توان بر این مشکلات بدون از دست دادن ویژگی‌های مطلوب روش‌های مبتنی بر گرادیان کلاسیک غلبه کرد.
This book presents basic optimization principles and gradient-based algorithms to a general audience in a brief and easy-to-read form, without neglecting rigor. The work should enable professionals to apply optimization theory and algorithms to their own particular practical fields of interest, be it engineering, physics, chemistry, or business economics. Most importantly, for the first time in a relatively brief and introductory work, due attention is paid to the difficulties – such as noise, discontinuities, expense of function evaluations, and the existence of multiple minima – that often unnecessarily inhibit the use of gradient-based methods. In a separate chapter on new gradient-based methods developed by the author and his coworkers, it is shown how these difficulties may be overcome without losing the desirable features of classical gradient-based methods.
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.