VIP内容

全局优化是一个快速发展的领域,在应用数学和物理科学中有着强大的应用。这本书提供了这一领域的全面概述,材料上的关键主题,如复杂性;启发式方法;极小化问题下界的推导分支定界方法和收敛性。最后一章提供了基准测试问题和全局优化的应用,如寻找分子的构造或规划星际空间旅行的最优轨迹。此外,凸函数和凹函数的基本信息在索引中提供。这本书是为研究生,研究人员,和实践者寻找困难的优化问题的高级解决方法。它适合作为一个补充文本在一个高级研究生水平的研讨会。

这本书致力于全局优化算法,这是为给定问题找到最优解的方法。它特别关注演化计算,通过讨论演化算法,遗传算法,遗传规划,学习分类器系统,进化策略,差分演化,粒子群优化,蚁群优化。它还详细阐述了其他元启发式算法,如模拟退火、极值优化、Tabu搜索和随机优化。这本书不是传统意义上的书:由于频繁的更新和变化,它不是真正的顺序阅读,而是某种材料收集、百科全书或参考工作,你可以在其中查找内容,找到正确的上下文,并提供基础知识。

这本书的内容分为四个部分。第一部分将介绍不同的优化技术,并描述它们的特点。为了便于理解,通常会给出一些小例子。在第二部分,从第315页开始,我们详细阐述了不同的应用实例。在Sigoa框架中,我们讨论了一种用Java实现优化算法的可能方法,并在第3部分(439页)中展示了如何实现前面问题实例的一些解决方案。最后,在455页后面的最后一部分,为本书的其余部分提供了背景知识。优化是与随机密切相关的,因此,可以在这里找到对这一主题的介绍。其他重要的背景信息涉及理论计算机科学和聚类算法。

https://www.e-booksdirectory.com/details.php?ebook=19

成为VIP会员查看完整内容
0
45
参考链接
Top