Cantitate/Preț
Produs
Total produse
Vezi coșul
Data-Driven Global Optimization Methods and Applications de Huachao Dong

Data-Driven Global Optimization Methods and Applications

Autor Huachao Dong, Peng Wang, Jinglu Li
en Limba Engleză Hardback – 14 iul 2025

Observăm în Data-Driven Global Optimization Methods and Applications un ecosistem tehnic complex, centrat pe utilizarea modelelor surogat, a algoritmilor de tip Kriging și a tehnicilor de reducere a spațiului de căutare pentru eficientizarea proceselor de inginerie. Volumul se concentrează pe rezolvarea problemelor de tip black-box unde evaluările funcțiilor sunt costisitoare din punct de vedere computațional, oferind soluții practice pentru optimizarea globală. Complementar lui Data-Driven Evolutionary Optimization de Yaochu Jin, care pune accent pe metaheuristici și furnizarea de cod sursă, această lucrare se distinge prin rigoarea analizei structurale a spațiului de căutare și prin utilizarea criteriilor de infill bazate pe scoruri pentru modelele multi-surogat.

Structura cărții este una riguros algoritmică, fiind organizată în 11 capitole care asigură o tranziție fluidă de la fundamente la aplicații de nișă. Găsim în primele secțiuni cadrul general de optimizare și funcțiile de test standard, urmate de prezentarea detaliată a unor metode inovatoare precum MSSR (Multi-Start Space Reduction) și SOCE (Surrogate-Based Optimization with Clustering-Based Space Exploration). Putem afirma că progresia conținutului este gândită pentru a acoperi scenarii din ce în ce mai complexe: de la funcții multimodale scumpe la optimizarea discretă și problemele cu dimensiuni înalte, tratate prin algoritmi hibrizi precum SAGWO. Cele 252 de ilustrații integrate în text nu sunt doar elemente vizuale, ci diagrame esențiale care explică fluxurile de lucru ale algoritmilor și rezultatele obținute în aplicații reale din ingineria mecanică și designul industrial.

Citește tot Restrânge

Preț: 86187 lei

Preț vechi: 105106 lei
-18% Recomandat

Puncte Express: 1293

Carte tipărită la comandă

Livrare economică 25 mai-08 iunie

 Adaugă în coș

Wish list
Gift list
Am citit!
Adaugă în listă

Specificații

ISBN-13: 9781041065753
ISBN-10: 1041065752
Pagini: 348
Ilustrații: 252
Dimensiuni: 156 x 234 mm
Greutate: 0.67 kg
Ediția:1
Editura: CRC Press
Colecția CRC Press

Public țintă

Academic, Postgraduate, Professional Practice & Development, Professional Reference, Professional Training, Undergraduate Advanced, and Undergraduate Core

De ce să citești această carte

Recomandăm această carte inginerilor și cercetătorilor care lucrează cu simulări computaționale costisitoare. Cititorul câștigă acces la o metodologie clară pentru implementarea modelelor surogat, reușind să reducă timpul de calcul în optimizarea sistemelor complexe. Este un instrument practic esențial pentru cei care vor să aplice tehnici de inteligență artificială și machine learning în probleme reale de proiectare și producție industrială.

Despre autor

Huachao Dong, Peng Wang și Jinglu Li sunt experți recunoscuți în domeniul optimizării inginerești și al metodelor computaționale avansate. Activitatea lor de cercetare se concentrează pe dezvoltarea de algoritmi eficienți pentru probleme complexe de design industrial, unde metodele tradiționale de optimizare eșuează din cauza costurilor computaționale ridicate. Prin această lucrare publicată la CRC Press, autorii sintetizează ani de studii asupra modelelor surogat și a tehnicilor de reducere a spațiului, oferind soluții validate prin aplicații practice în ingineria mecanică și sistemele inteligente.

Descriere scurtă

This book presents recent advances in data-driven global optimization methods, combining theoretical foundations with real-world applications to address complex engineering optimization challenges.
The book begins with an overview of the state of the art, key technologies and standard benchmark problems in the field. It then delves into several innovative approaches: space reduction-based, hybrid surrogate model-based and multi-surrogate model-based global optimization, followed by surrogate-assisted constrained global optimization, discrete global optimization and high-dimensional global optimization. These methods represent a variety of optimization techniques that excel in both optimization capability and efficiency, making them ideal choices for complex engineering optimization problems. Through benchmark test problems and real-world engineering applications, the book illustrates the practical implementation of these methods, linking established theories with cutting-edge research in industrial and engineering optimization.
Both a professional book and an academic reference, this title will provide valuable insights for researchers, students, engineers and practitioners in a variety of fields, including optimization methods and algorithms, engineering design and manufacturing and artificial intelligence and machine learning.

Cuprins

1. Introduction  2. Data-Driven Optimization Framework  3. Benchmark Functions for Data-Driven Optimization Methods  4. MSSR: Multi-Start Space Reduction Surrogate-Based Global Optimization Method  5. SOCE: Surrogate-Based Optimization with Clustering-Based Space Exploration for Expensive Multimodal Problems  6. HSOSR: Hybrid Surrogate-Based Optimization Using Space Reduction for Expensive Black-Box Functions  7. MGOSIC: Multi-Surrogate-Based Global Optimization Using a Score-Based Infill Criterion  8. SCGOSR: Surrogate-Based Constrained Global Optimization Using Space Reduction  9. KTLBO: Kriging-Assisted Teaching-Learning-Based Optimization to Solve Computationally Expensive Constrained Problems  10. KDGO: Kriging-Assisted Discrete Global Optimization for Black-Box Problems with Costly Objective and Constraints  11. SAGWO: Surrogate-Assisted Grey Wolf Optimization for High-Dimensional, Computationally Expensive Black-Box Problems

Notă biografică

Huachao Dong is Associate Professor at the School of Marine Science and Technology at Northwestern Polytechnical University, China. His research includes underwater vehicle design, digital design, multidisciplinary optimization, digital twins for underwater vehicles and data-driven global optimization, with over 50 peer-reviewed papers and 1 book published.               
Peng Wang is Professor at the School of Marine Science and Technology at Northwestern Polytechnical University, China. His research focuses on surrogate-based design optimization, multidisciplinary design optimization, multicriteria decision-making and the design of underwater vehicles, with over 150 peer-reviewed papers and 6 books published.
Jinglu Li is an assistant researcher at Harbin Engineering University, China. His research includes underwater vehicle design, multidisciplinary optimization, digital twins and data-driven global optimization and he has published over 20 peer-reviewed papers.