توضیحاتی در مورد کتاب Linear and Integer Programming Made Easy
نام کتاب : Linear and Integer Programming Made Easy
ویرایش : 1st ed.
عنوان ترجمه شده به فارسی : برنامه نویسی خطی و عدد صحیح آسان شده است
سری :
نویسندگان : Hu. Te Chiang, Kahng. Andrew B
ناشر : Springer
سال نشر : 2016
تعداد صفحات : 151
ISBN (شابک) : 3319239996 , 3319240013
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 1 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
توضیحاتی در مورد کتاب :
این کتاب درسی پوشش مختصری از مبانی برنامهنویسی خطی و عدد صحیح را ارائه میکند که با گرایشهای بزرگ به سمت بهینهسازی، یادگیری ماشین، دادههای بزرگ و غیره، به ابزارهای اساسی برای علم و فناوری داده و اطلاعات تبدیل میشوند. رویکرد نویسندگان برای دانشجویان تقریباً همه رشتههای مهندسی، از جمله تحقیق در عملیات، آمار، یادگیری ماشین، طراحی سیستم کنترل، زمانبندی، تأیید رسمی و بینایی رایانه قابل دسترسی است. ارائه ها مبنایی را برای رویکردهای متعدد برای حل مسائل بهینه سازی ترکیبی سخت از طریق تصادفی سازی و تقریب فراهم می کند.
خوانندگان یاد میگیرند که مسائل مختلفی را که ممکن است در تحقیقاتشان بهعنوان مسائل بهینهسازی مطرح شود، درک کنند، مواردی را که مسئله بهینهسازی خطی خواهد بود، انتخاب کنند، روشهای راهحل مناسب را انتخاب کنند و نتایج را بهطور مناسب تفسیر کنند.
فهرست مطالب :
Front Matter....Pages i-x
Preliminaries....Pages 1-11
Introduction....Pages 13-28
Dimension of the Solution Space....Pages 29-38
Introduction to the Simplex Method....Pages 39-60
Duality and Complementary Slackness....Pages 61-72
Revised Simplex Method....Pages 73-80
Column Generating Technique....Pages 81-86
The Knapsack Problem....Pages 87-101
Asymptotic Algorithms....Pages 103-112
The World Map of Integer Programs....Pages 113-116
Linear and Integer Programming in Practice....Pages 117-130
Back Matter....Pages 131-143
توضیحاتی در مورد کتاب به زبان اصلی :
This textbook provides concise coverage of the basics of linear and integer programming which, with megatrends toward optimization, machine learning, big data, etc., are becoming fundamental toolkits for data and information science and technology. The authors’ approach is accessible to students from almost all fields of engineering, including operations research, statistics, machine learning, control system design, scheduling, formal verification and computer vision. The presentations enables the basis for numerous approaches to solving hard combinatorial optimization problems through randomization and approximation.
Readers will learn to cast various problems that may arise in their research as optimization problems, understand the cases where the optimization problem will be linear, choose appropriate solution methods and interpret results appropriately.