دانلود حل تمرین مقدمه ای بر بهینه سازی چانگ زاک ویرایش چهارم An Introduction to Optimization Chong Zak

- دانلود حل تمرین  مقدمه ای بر بهینه سازی چانگ زاک ویرایش چهارم An Introduction to Optimization Chong Zak

دانلود حل تمرین مقدمه ای بر بهینه سازی چانگ زاک ویرایش چهارم An Introduction to Optimization Chong Zak

کتاب حل المسائل  مقدمه ای بر بهینه سازی، ویرایش چهارم، نویسندگان: ادوین چونگ و استانیسلا زاک

An Introduction to Optimization 4th Edition

by Edwin K. P. Chong (Author),‎ Stanislaw H. Zak(Author)
 

 آنچه تحویل داده می شود:

 1. فایل PDF حل تمرینات (با کیفیت عالی)
تعداد صفحات: 220 صفحه

زبان انگلیسی

دروس مرتبط: بهینه سازی, ریاضیات گسسته، تحقیقات عملیاتی، مهندسی برق، اقتصاد، آمار و کسب و کار

توضیحات:
Praise for the Third Edition “. . . guides and leads the reader through the learning path . . . [e]xamples are stated very clearly and the results are presented with attention to detail.”  —MAA Reviews 

Fully updated to reflect new developments in the field, the Fourth Edition of Introduction to Optimization fills the need for accessible treatment of optimization theory and methods with an emphasis on engineering design. Basic definitions and notations are provided in addition to the related fundamental background for linear algebra, geometry, and calculus. 

This new edition explores the essential topics of unconstrained optimization problems, linear programming problems, and nonlinear constrained optimization. The authors also present an optimization perspective on global search methods and include discussions on genetic algorithms, particle swarm optimization, and the simulated annealing algorithm.  Featuring an elementary introduction to artificial neural networks, convex optimization, and multi-objective optimization, the Fourth Edition also offers: 

  • A new chapter on integer programming  
  • Expanded coverage of one-dimensional methods  
  • Updated and expanded sections on linear matrix inequalities  
  • Numerous new exercises at the end of each chapter  
  • MATLAB exercises and drill problems to reinforce the discussed theory and algorithms  
  • Numerous diagrams and figures that complement the written presentation of key concepts  
  • MATLAB M-files for implementation of the discussed theory and algorithms (available via the book’s website)  

Introduction to Optimization, Fourth Edition is an ideal textbook for courses on optimization theory and methods. In addition, the book is a useful reference for professionals in mathematics, operations research, electrical engineering, economics, statistics, and business.

Table of Contents:

PART I MATHEMATICAL REVIEW 1 Methods of Proof and Some Notation 3 1.1 Methods of Proof 3 1.2 Notation 5 Exercises 6 2 Vector Spaces and Matrices 7 2.1 Vector and Matrix 7 2.2 Rank of a Matrix 13 2.3 Linear Equations 17 2.4 Inner Products and Norms 19 Exercises 22 3 Transformations 25 3.1 Linear Transformations 25 3.2 Eigenvalues and Eigenvectors 26 3.3 Orthogonal Projections 29 3.4 Quadratic Forms 31 3.5 Matrix Norms 35 Exercises 40 4 Concepts from Geometry 45 4.1 Line Segments 45 4.2 Hyperplanes and Linear Varieties 46 4.3 Convex Sets 48 4.4 Neighborhoods 50 4.5 Polytopes and Polyhedra 52 Exercises 53 5 Elements of Calculus 55 5.1 Sequences and Limits 55 5.2 Differentiability 62 5.3 The Derivative Matrix 63 5.4 Differentiation Rules 67 5.5 Level Sets and Gradients 68 5.6 Taylor Series 72 Exercises 77 PART II UNCONSTRAINED OPTIMIZATION 6 Basics of Set-Constrained and Unconstrained Optimization 81 6.1 Introduction 81 6.2 Conditions for Local Minimizers 83 Exercises 93 7 One-Dimensional Search Methods 103 7.1 Introduction 103 7.2 Golden Section Search 104 7.3 Fibonacci Method 108 7.4 Bisection Method 116 7.5 Newton’s Method 116 7.6 Secant Method 120 7.7 Bracketing 123 7.8 Line Search in Multidimensional Optimization 124 Exercises 126 8 Gradient Methods 131 8.1 Introduction 131 8.2 The Method of Steepest Descent 133 8.3 Analysis of Gradient Methods 141 Exercises 153 9 Newton’s Method 161 9.1 Introduction 161 9.2 Analysis of Newton’s Method 164 9.3 Levenberg-Marquardt Modification 168 9.4 Newton’s Method for Nonlinear Least Squares 168 Exercises 171 10 Conjugate Direction Methods 175 10.1 Introduction 175 10.2 The Conjugate Direction Algorithm 177 10.3 The Conjugate Gradient Algorithm 182 10.4 The Conjugate Gradient Algorithm for Nonquadratic Problems 186 Exercises 189 11 Quasi-Newton Methods 193 11.1 Introduction 193 11.2 Approximating the Inverse Hessian 194 11.3 The Rank One Correction Formula 197 11.4 The DFP Algorithm 202 11.5 The BFGS Algorithm 207 Exercises 211 12 Solving Linear Equations 217 12.1 Least-Squares Analysis 217 12.2 The Recursive Least-Squares Algorithm 227 12.3 Solution to a Linear Equation with Minimum Norm 231 12.4 Kaczmarz’s Algorithm 232 12.5 Solving Linear Equations in General 236 Exercises 244 13 Unconstrained Optimization and Neural Networks 253 13.1 Introduction 253 13.2 Single-Neuron Training 256 13.3 The Backpropagation Algorithm 258 Exercises 270 14 Global Search Algorithms 273 14.1 Introduction 273 14.2 The Nelder-Mead Simplex Algorithm 274 14.3 Simulated Annealing 278 14.4 Particle Swarm Optimization 282 14.5 Genetic Algorithms 285 Exercises 298 PART III LINEAR PROGRAMMING 15 Introduction to Linear Programming 305 15.1 Brief History of Linear Programming 305 15.2 Simple Examples of Linear Programs 307 15.3 Two-Dimensional Linear Programs 314 15.4 Convex Polyhedra and Linear Programming 316 15.5 Standard Form Linear Programs 318 15.6 Basic Solutions 324 15.7 Properties of Basic Solutions 327 15.8 Geometric View of Linear Programs 330 Exercises 335 16 Simplex Method 339 16.1 Solving Linear Equations Using Row Operations 339 16.2 The Canonical Augmented Matrix 346 16.3 Updating the Augmented Matrix 349 16.4 The Simplex Algorithm 350 16.5 Matrix Form of the Simplex Method 357 16.6 Two-Phase Simplex Method 361 16.7 Revised Simplex Method 364 Exercises 369 17 Duality 379 17.1 Dual Linear Programs 379 17.2 Properties of Dual Problems 387 Exercises 394 18 Nonsimplex Methods 403 18.1 Introduction 403 18.2 Khachiyan’s Method 405 18.3 Affine Scaling Method 408 18.4 Karmarkar’s Method 413 Exercises 426 19 Integer Linear Programming 429 19.1 Introduction 429 19.2 Unimodular Matrices 430 19.3 The Gomory Cutting-Plane Method 437 Exercises 447 PART IV NONLINEAR CONSTRAINED OPTIMIZATION 20 Problems with Equality Constraints 453 20.1 Introduction 453 20.2 Problem Formulation 455 20.3 Tangent and Normal Spaces 456 20.4 Lagrange Condition 463 20.5 Second-Order Conditions 472 20.6 Minimizing Quadratics Subject to Linear Constraints 476 Exercises 481 21 Problems with Inequality Constraints 487 21.1 Karush-Kuhn-Tucker Condition 487 21.2 Second-Order Conditions 496 Exercises 501 22 Convex Optimization Problems 509 22.1 Introduction 509 22.2 Convex Functions 512 22.3 Convex Optimization Problems 521 22.4 Semidefinite Programming 527 Exercises 540 23 Algorithms for Constrained Optimization 549 23.1 Introduction 549 23.2 Projections 549 23.3 Projected Gradient Methods with Linear Constraints 553 23.4 Lagrangian Algorithms 557 23.5 Penalty Methods 564 Exercises 571 24 Multiobjective Optimization 577 24.1 Introduction 577 24.2 Pareto Solutions 578 24.3 Computing the Pareto Front 581 24.4 From Multiobjective to Single-Objective Optimization 585 24.5 Uncertain Linear Programming Problems 588

 

  ترجمه گوگل: 

ستایش برای نسخه سوم “هدایت می کند و خواننده را از طریق مسیر یادگیری هدایت می کند. [x] نمونه ها بسیار واضح بیان شده و نتایج با توجه به جزئیات ارائه شده است.” -MAA نظرات
نسخه چهارم مقدمه ای برای بهینه سازی به طور کامل به منظور بازتعریف پیشرفت های جدید در زمینه، نیاز به درمان قابل دسترس برای تئوری و روش های بهینه سازی را با تاکید بر طراحی مهندسی پر می کند. تعاریف و عبارات پایه علاوه بر زمینه اصلی مرتبط برای جبر خطی، هندسه و حسابداری ارائه شده است.
این نسخه جدید به بررسی موضوعات ضروری از مشکلات بهینه سازی بدون محدودیت، مشکلات برنامه نویسی خطی و بهینه سازی محدود غیر خطی می پردازد. نویسندگان همچنین دیدگاه بهینه سازی در روش های جستجوی جهانی را ارائه می دهند و شامل بحث در مورد الگوریتم های ژنتیک، بهینه سازی ذرات ذرات و الگوریتم آنیلینگ شبیه سازی شده است. نسخه چهارم شامل معرفی مقدماتی شبکه های عصبی مصنوعی، بهینه سازی محدب و بهینه سازی چند هدفه است.
    یک فصل جدید در برنامه ریزی عدد صحیح
    پوشش گسترده ای از روش های یک بعدی
    بخش های به روز شده و گسترش یافته در نابرابری های ماتریس خطی
    تمرین های متعدد متعدد در پایان هر فصل
    MATLAB تمرینات و مشکلات مته را برای تقویت نظر و الگوریتم مورد بحث قرار می دهد
    نمودارها و ارقام متعددی که مکمل ارائه کتبی مفاهیم کلیدی هستند
    MATLAB M-files برای پیاده سازی نظریه و الگوریتم مورد بحث (که از طریق وب سایت کتاب در دسترس است)
مقدمه ای بر بهینه سازی، نسخه چهارم کتاب ایده آل برای دوره های تئوری و روش های بهینه سازی است. علاوه بر این، این کتاب مرجع مفید برای حرفه ای ها در ریاضیات، تحقیقات عملیاتی، مهندسی برق، اقتصاد، آمار و کسب و کار است.

جدول محتوا:
 

قسمت 1 بررسی ماتریسی 1 روش های اثبات و برخی از نشانه ها 3 1.1 روش های اثبات 3 1.2 نماد 5 تمرین 6 2 فضاهای واریته 7 2.1 بردار و ماتریس 7 2.2 رتبه یک ماتریس 13 2.3 معادلات خطی 17 2.4 محصولات و استانداردهای داخلی 19 تمرین 22 3 تبدیلات 25 3.1 تغییرات خطی 25 3.2 مقادیر خاص و خصوصیات ویژه 26 3.3 پیش بینی های ارتوگنالی 29 3.4 فرم های درجه دوم 31 3.5 مقیاس ماتریس 35 تمرین 40 4 مفاهیم هندسه 45 4.1 خط های خط 45 4.2 فلاور و انواع خطی 46 4.3 مجموعه های محوری 48 4.4 محله 50 4.5 چند جمله ای و Polyhedra 52 تمرینات 53 5 عناصر محاسبات 55 5.1 دنباله ها و محدودیت ها 55 5.2 تمایز 62 5.3 ماتریکس مشتقات 63 5.4 قوانین تمایز 67 5.5 مجموعه های مجموعه و گرادیان 68 5.6 تیلور سری 72 تمرین 77 بخش دوم بهینه سازی بدون توافق 6 مبانی تنظیم محدود و بهینه سازی بدون محدودیت 81 6.1 معرفی 81 6.2 شرایط برای مینیماتورهای محلی 83 تمرین 93 7 یک بعدی روش های جستجو 103 7.1 مقدمه 103 7.2 جستار بخش طلایی 104 7.3 روش فیبوناچی 108 7.4 روش تفکیک 116 7.5 روش نیوتن 116 7.6 روش متمایز 120 7.7 برکت 123 7.8 جستجوی خطی در بهینه سازی چند بعدی 343 تمرین 126 8 روش های گرادیان 131 8.1 مقدمه 131 8.2 روش تیزهوش 133 8.3 تجزیه و تحلیل روش های گرادیان 141 تمرین 153 9 روش نیوتن 161 9.1 مقدمه 161 9.2 تجزیه و تحلیل روش نیوتن 164 9.3 اصلاح لئونبرگ-مارکوارت 168 9.4 روش نیوتن برای حداقل مربعات غیر خطی 168 تمرین 171 10 روش های متناوب جهت گیری 175 10.1 مقدمه 175 10.2 الگوریتم جهت همبستگی 177 10.3 الگوریتم الگوریتم گرادیان 182 10.4 الگوریتم گرادیان کنجکاوی برای مشکلات غیرقابل جبری 186 تمرین 189 11 روش های کواسی نیوتن 193 11.1 مقدمه 193 11.2 تقریب معکوس حلزون 194 11.3 فرمول اصلاح رتبه یک اصلاح 197 11.4 الگوریتم DFP 202 11،5 الگوریتم BFGS 207 تمرین اس 211 12 حل معادلات خطی 217 12.1 تحلیل کمترین مربعات 217 12.2 الگوریتم کمترین مربع بازگشتی 227 12.3 راه حل برای معادله خطی با حداقل 231 12.4 الگوریتم Kaczmarz 232 12.5 حل معادلات خطی در کل 236 تمرین 244 13 بهینه سازی بدون محدودیت و شبکه های عصبی 253 13.1 مقدمه 253 13.2 آموزش تک تک 256 13.3 الگوریتم بازگشت بازگشت 258 تمرین 270 14 الگوریتم های جستجو جهانی 273 14.1 مقدمه 273 14.2 الگوریتم ساده ساده Nelder-Mead 274 14.3 شبیه سازی آنیل 278 14.4 بهینه سازی ذرات ذرات 282 14.5 الگوریتم ژنتیک 285 تمرین 298 PART III برنامه ریزی خطی 15 مقدمه ای بر برنامه نویسی خطی 305 15.1 تاریخچه مختصری از برنامه ریزی خطی 305 15.2 نمونه های ساده از برنامه های خطی 307 15.3 برنامه های خطی دو بعدی 314 15.4 برنامه های خطی چند بعدی و خطی 316 15.5 برنامه های خطی فرم استاندارد 318 15.6 راه حل های اساسی 324 15.7 ویژگی های پایه راه حل 327 15.8 هندسی V iew از برنامه های خطی 330 تمرین 335 16 روش سادهx 339 16.1 حل معادلات خطی با استفاده از عملیات ردیف 339 16.2 ماتریس تقویت کانونیک 346 16.3 به روز رسانی ماتریس افزوده 349 16.4 الگوریتم ساده سایز 350 16.5 فرم ماتریس روش سادهx 357 16.6 روش دو مرحلهای ساده 361 16.7 روش اصلاح شده سادهکس 364 تمرین 369 17 دوگانگی 379 17.1 برنامه های دو خطی 379 17.2 خواص مشکلات دوگانه 387 تمرین 394 18 روش های غیرمملک 403 18.1 مقدمه 403 18.2 روش روش خاچیان 405 18.3 روش اندازه گیری فردین 408 18.4 روش کارارکارار 413 تمرین 426 19 برنامه ریزی خطی عدد صحیح 429 19.1 مقدمه 429 19.2 ماتریسهای غیرمجاز 430 19.3 روش برش هواپیما Gomory 437 تمرین 447 بخش چهارم OPTIMIZATION CONSTRAINED WITHOUT LINEAR 20 مشکلات با محدودیتهای برابر 453 20.1 مقدمه 453 20.2 فرمولبندی مشکل 455 20.3 فضاهای مماس و عادی 456 20.4 شرایط لاگرانژ 463 20.5 دومین مرتبه شرایط 472 20.6 به حداقل رساندن مربعات S محدود به خطی 476 تمرین 481 21 مشکلات با محدودیت های نابرابری 487 21.1 شرایط Karush-Kuhn-Tucker 487 21.2 شرایط شرایط دوم 496 تمرین 501 22 مشکلات بهینه سازی محدب 509 22.1 مقدمه 509 22.2 توابع محوری 512 22.3 مشکلات بهینه سازی محدب 521 22.4 برنامه ریزی نیمه تمام 527 تمرینات 540 23 الگوریتم برای بهینه سازی محدود 549 23.1 مقدمه 549 23.2 پیش بینی 549 23.3 روش های گرادینت پیش بینی شده با محدودیت های خطی 553 23.4 الگوریتم های لاگرانژ 557 23.5 روش های شکنی 564 تمرین 571 24 چند منظوره بهینه سازی 577 24.1 مقدمه 577 24.2 راه حل های پارتو 578 24.3 محاسبه جبهه پارتو 581 24.4 از چند هدف به بهینه سازی تنها هدف 585 24.5 مشکلات نامشخص خطی برنامه نویسی 588

 

توجه توجه توجه: هرگونه کپی برداری و فروش فایل های فروشگاه برکت الکترونیک (به آدرس solutions.sellfile.ir) در فروشگاه های دیگر شرعاً حرام است، تمامی فایل ها و پروژه های موجود در فروشگاه، توسط ما اجرا و پیاده سازی و یا از منابع معتبر زبان اصلی جمع آوری شده اند و دارای حق کپی رایت اسلامی می باشند.

از پایین همین صفحه (بخش پرداخت و دانلود) می توانید این پروژه را خریداری و دانلود نمایید.

کد محصول: 60610

برای دانلود کلیک کنید