Practical Mathematical Optimization de Jan A Snyman

Practical Mathematical Optimization: Springer Optimization and Its Applications, cartea 133

Autor Jan A Snyman, Daniel N Wilke

en Limba Engleză Hardback – 14 mai 2018

Publicul țintă principal al acestui volum este format din studenți la nivel de licență terminală sau masterat în matematică, inginerie și informatică, dar și cercetători care au nevoie de instrumente numerice robuste pentru probleme aplicate. Considerăm că valoarea centrală a acestei ediții a doua constă în abordarea pragmatică a dificultăților ce apar frecvent în practică, precum costul ridicat al evaluării funcțiilor sau existența minimelor multiple care pot inhiba utilizarea metodelor tradiționale bazate pe gradient.

Textul extinde cadrul propus de Numerical Optimization de Jorge Nocedal prin introducerea unor strategii de optimizare de tip „gradient-only”, special concepute pentru a gestiona discontinuitățile în funcțiile obiectiv. Structura cărții urmărește o progresie logică: primele capitole (1-3) recapitulează principiile de bază și metodele standard pentru optimizarea fără restricții și cu restricții, urmate de o secțiune de probleme exemplificative și teoreme fundamentale. A doua jumătate a lucrării introduce elementele de noutate, respectiv capitolele dedicate modelelor surogat și utilizării limbajului Python pentru implementări numerice.

Apreciem în mod deosebit includerea modulului Python dedicat, care transformă algoritmii teoretici în instrumente de lucru imediat aplicabile. Spre deosebire de alte manuale care rămân în sfera teoretică, Practical Mathematical Optimization încurajează investigația numerică activă, oferind studenților capacitatea de a planifica și executa experimente computaționale complexe pentru a valida modelele matematice utilizate în mediul industrial sau de cercetare.

Citește tot Restrânge

Din seria Springer Optimization and Its Applications

Preț: 544^.08 lei

Preț vechi: 680^.10 lei
-20%

Puncte Express: 816

Paperback 515^.68 lei

Hardback 544^.08 lei

Carte tipărită la comandă

Livrare economică 09-15 iunie

Adaugă în coș

Wish list
Gift list
Am citit!

Adaugă în listă

Specificații

ISBN-13: 9783319775852
ISBN-10: 3319775855
Pagini: 400
Ilustrații: XXVI, 372 p. 81 illus., 17 illus. in color.
Dimensiuni: 160 x 241 x 27 mm
Greutate: 0.76 kg
Ediția:2nd edition 2018
Editura: Springer
Colecția Springer Optimization and Its Applications
Seria Springer Optimization and Its Applications

Locul publicării:Cham, Switzerland

De ce să citești această carte

Această carte este esențială pentru cei care doresc să treacă de la teoria optimizării la implementarea practică. Cititorul câștigă acces la metode avansate de gestionare a funcțiilor discontinue și zgomotoase, beneficiind în același timp de suport software prin modulul Python inclus. Este o resursă valoroasă pentru inginerii care caută soluții numerice eficiente acolo unde metodele standard eșuează din cauza complexității evaluărilor funcționale.

Despre autor

Jan A Snyman și Daniel N Wilke sunt experți recunoscuți în domeniul matematicii aplicate și ingineriei mecanice. Contribuția lor în seria Springer Optimization and Its Applications reflectă o experiență vastă în dezvoltarea de algoritmi numerici pentru probleme complexe de design și optimizare structurală. Jan A. Snyman este cunoscut pentru cercetările sale privind metodele de traiectorie în optimizare, în timp ce Daniel N. Wilke aduce o perspectivă modernă asupra optimizării numerice și a utilizării instrumentelor de programare precum Python în mediul academic și industrial.

Descriere scurtă

This textbook presents a wide range of tools for a course in mathematical optimization for upper undergraduate and graduate students in mathematics, engineering, computer science, and other applied sciences. Basic optimization principles are presented with emphasis on gradient-based numerical optimization strategies and algorithms for solving both smooth and noisy discontinuous optimization problems. Attention is also paid to the difficulties of expense of function evaluations and the existence of multiple minima that often unnecessarily inhibit the use of gradient-based methods. This second edition addresses further advancements of gradient-only optimization strategies to handle discontinuities in objective functions. New chapters discuss the construction of surrogate models as well as new gradient-only solution strategies and numerical optimization using Python. A special Python module is electronically available (via springerlink) that makes the new algorithms featured in the text easily accessible and directly applicable. Numerical examples and exercises are included to encourage senior- to graduate-level students to plan, execute, and reflect on numerical investigations. By gaining a deep understanding of the conceptual material presented, students, scientists, and engineers will be able to develop systematic and scientific numerical investigative skills.

Cuprins

1.Introduction.- 2.Line search descent methods for unconstrained minimization.-3. Standard methods for constrained optimization.-4. Basic Example Problems.- 5. Some Basic Optimization Theorems.- 6. New gradient-based trajectory and approximation methods.- 7. Surrogate Models.- 8. Gradient-only solution strategies.- 9. Practical computational optimization using Python.- Appendix.- Index.

Notă biografică

Jan A. Snyman currently holds the position of emeritus professor in the Department of Mechanical and Aeronautical Engineering of the University of Pretoria, having retired as full professor in 2005. He has taught physics, mathematics and engineering mechanics to science and engineering students at undergraduate and postgraduate level, and has supervised the theses of 26 Masters and 8 PhD students. His research mainly concerns the development of gradient-based trajectory optimization algorithms for solving noisy and multi-modal problems, and their application in approximation methodologies for the optimal design of engineering systems. He has authored or co-authored 89 research articles in peer-reviewed journals as well as numerous papers in international conference proceedings.
Daniel N. Wilke is a senior lecturer in the Department of Mechanical and Aeronautical Engineering of the University of Pretoria. He teaches computer programming, mathematicalprogramming and computational mechanics to science and engineering students at undergraduate and postgraduate level. His current research focuses on the development of interactive design optimization technologies, and enabling statistical learning (artificial intelligence) application layers, for industrial processes and engineering design. He has co-authored over 50 peer-reviewed journal articles and full length conference papers.

Caracteristici

Guides readers to understand processes and strategies in real world optimization problems Contains new material on gradient-based methods, algorithm implementation via Python, and basic optimization principles Covers fundamental optimization concepts and definitions, search techniques for unconstrained minimization and standard methods for constrained optimization Includes example problems and exercises