توضیحاتی در مورد کتاب The Design of Approximation Algorithms
نام کتاب : The Design of Approximation Algorithms
عنوان ترجمه شده به فارسی : طراحی الگوریتم های تقریب
سری :
نویسندگان : David P. Williamson, David B. Shmoys
ناشر : Cambridge University Press
سال نشر : 2011
تعداد صفحات : 517
ISBN (شابک) : 9780521195270
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 5 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 :
مسائل بهینه سازی گسسته در همه جا وجود دارد، از مشکلات برنامه ریزی تحقیق عملیات سنتی، مانند زمان بندی، مکان تاسیسات، و طراحی شبکه. مشکلات علوم کامپیوتر در پایگاه های داده؛ به مسائل تبلیغاتی در بازاریابی ویروسی با این حال اکثر چنین مشکلاتی NP-hard هستند. بنابراین، مگر اینکه P = NP، هیچ الگوریتم کارآمدی برای یافتن راهحلهای بهینه برای چنین مسائلی وجود ندارد. این کتاب نحوه طراحی الگوریتمهای تقریبی را نشان میدهد: الگوریتمهای کارآمدی که راهحلهای تقریباً بهینه را پیدا میکنند. این کتاب حول تکنیکهای الگوریتمی مرکزی برای طراحی الگوریتمهای تقریبی، از جمله الگوریتمهای جستجوی حریصانه و محلی، برنامهنویسی پویا، برنامهنویسی خطی و نیمه معین، و تصادفیسازی سازماندهی شده است. هر فصل در بخش اول کتاب به یک تکنیک الگوریتمی اختصاص داده شده است که سپس برای چندین مسئله مختلف اعمال می شود. بخش دوم تکنیکها را بازبینی میکند اما درمانهای پیچیدهتری از آنها ارائه میکند. این کتاب همچنین روشهایی را برای اثبات اینکه مسائل بهینهسازی تقریبی سخت است، پوشش میدهد. این کتاب که به عنوان یک کتاب درسی برای دوره های الگوریتم در سطح فارغ التحصیل طراحی شده است، همچنین به عنوان مرجعی برای محققان علاقه مند به حل اکتشافی مسائل بهینه سازی گسسته خواهد بود.
توضیحاتی در مورد کتاب به زبان اصلی :
Discrete optimization problems are everywhere, from traditional operations research planning problems, such as scheduling, facility location, and network design; to computer science problems in databases; to advertising issues in viral marketing. Yet most such problems are NP-hard. Thus unless P = NP, there are no efficient algorithms to find optimal solutions to such problems. This book shows how to design approximation algorithms: efficient algorithms that find provably near-optimal solutions. The book is organized around central algorithmic techniques for designing approximation algorithms, including greedy and local search algorithms, dynamic programming, linear and semidefinite programming, and randomization. Each chapter in the first part of the book is devoted to a single algorithmic technique, which is then applied to several different problems. The second part revisits the techniques but offers more sophisticated treatments of them. The book also covers methods for proving that optimization problems are hard to approximate. Designed as a textbook for graduate-level algorithms courses, the book will also serve as a reference for researchers interested in the heuristic solution of discrete optimization problems.