دانلود کتاب Self-regularity: A new paradigm for primal-dual interior-point algorithms (به فارسی: خود نظمی: یک الگوریتم جدید برای الگوریتم های نقطه داخلی اولیه-دوگانه) نوشته شده توسط «Jiming Peng – Cornelis Roos – Tamas Terlaky»
اطلاعات کتاب خود نظمی: یک الگوریتم جدید برای الگوریتم های نقطه داخلی اولیه-دوگانه
موضوع اصلی: الگوریتم ها و ساختارهای داده
نوع: کتاب الکترونیکی
ناشر: Princeton University Press
نویسنده: Jiming Peng – Cornelis Roos – Tamas Terlaky
زبان: English
فرمت کتاب: pdf (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2002
تعداد صفحه: 202
حجم کتاب: 1 مگابایت
کد کتاب: 9780691091921 , 9780691091938 , 0691091927 , 0691091935 , 9781400814527 , 9781400825134
نوبت چاپ: PUP
توضیحات کتاب خود نظمی: یک الگوریتم جدید برای الگوریتم های نقطه داخلی اولیه-دوگانه
تحقیقات بر روی روش‌های نقطه داخلی (IPMs) در دو دهه گذشته بر حوزه برنامه‌ریزی ریاضی تسلط داشته است. دو رویکرد متضاد در تجزیه و تحلیل و اجرای IPMها، روش‌های به‌روزرسانی کوچک و به‌روزرسانی بزرگ هستند، اگرچه تا کنون شکاف بدنامی بین عملکرد تئوری و عملی این دو استراتژی وجود داشته است. این کتاب به پل زدن آن شکاف نزدیک می شود و چارچوب جدیدی برای نظریه IPM های اولیه-دوگانه بر اساس مفهوم خود نظمی یک تابع ارائه می کند.
نویسندگان با بهینه‌سازی خطی، مسائل تکمیلی غیرخطی، بهینه‌سازی نیمه معین و مسائل بهینه‌سازی مخروطی مرتبه دوم سر و کار دارند. این چارچوب همچنین کلاس های بزرگی از مسائل مکمل خطی و بهینه سازی محدب را پوشش می دهد. الگوریتم در نظر گرفته شده را می توان به عنوان روش دنبال کردن مسیر یا روش کاهش پتانسیل تفسیر کرد. با شروع از یک نقطه کاملاً امکان پذیر اولیه-دوگانه، الگوریتم یک جهت جستجو را انتخاب می کند که توسط برخی از سیستم های نوع نیوتنی که از مجاورت خود منظم به دست آمده است، تعریف شده است. سپس تکرار به‌روزرسانی می‌شود و تکرارها در محله خاصی از مسیر مرکزی می‌مانند تا زمانی که راه‌حل تقریبی برای مشکل پیدا شود. با کاوش گسترده برخی از ویژگی‌های جالب توابع خود منظم، نویسندگان دریافتند که پیچیدگی IPMهای به‌روزرسانی بزرگ می‌تواند خودسرانه به بهترین مرزهای تکرار شناخته شده IPM نزدیک شود.
محققان و دانشجویان تحصیلات تکمیلی در تمام زمینه های بهینه سازی خطی و غیرخطی، این کتاب را کمکی مهم و ارزشمند برای کار خود می دانند.
The authors deal with linear optimization, nonlinear complementarity problems, semidefinite optimization, and second-order conic optimization problems. The framework also covers large classes of linear complementarity problems and convex optimization. The algorithm considered can be interpreted as a path-following method or a potential reduction method. Starting from a primal-dual strictly feasible point, the algorithm chooses a search direction defined by some Newton-type system derived from the self-regular proximity. The iterate is then updated, with the iterates staying in a certain neighborhood of the central path until an approximate solution to the problem is found. By extensively exploring some intriguing properties of self-regular functions, the authors establish that the complexity of large-update IPMs can come arbitrarily close to the best known iteration bounds of IPMs.
Researchers and postgraduate students in all areas of linear and nonlinear optimization will find this book an important and invaluable aid to their work.
دانلود کتاب «خود نظمی: یک الگوریتم جدید برای الگوریتم های نقطه داخلی اولیه-دوگانه»
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.