Bewertung:
Das Buch bietet einen umfassenden Überblick über Optimierungsalgorithmen mit klaren Erklärungen und praktischen Codeschnipseln in Julia. Während es für seine Klarheit und Progression der Themen geschätzt wird, fehlt es in einigen Bereichen an Tiefe und lässt bestimmte Algorithmen vermissen, was es eher zu einem Überblick als zu einem detaillierten Leitfaden macht.
Vorteile:⬤ Umfassende Abdeckung von rund 100 Optimierungsalgorithmen mit Klarheit und Prägnanz.
⬤ Bietet alle notwendigen Hintergrundinformationen, einschließlich der Grundrechenarten und der linearen Algebra.
⬤ Enthält praktische Julia-Code-Schnipsel und Online-Ressourcen.
⬤ Zugänglich für Leser mit Grundkenntnissen und enthält Übungen mit Lösungen.
⬤ Hilft, das Verständnis vieler wichtiger Optimierungskonzepte aufzufrischen und zu erweitern.
⬤ Es mangelt an tiefgreifender Untersuchung und Strenge bei der Erklärung einiger Algorithmen.
⬤ Einige wichtige Themen und Algorithmen, wie Levenberg-Marquardt und MCMC, fehlen.
⬤ Der Code ist ausschließlich in Julia geschrieben, was möglicherweise nicht für jeden benutzerfreundlich ist.
⬤ Kein abschließendes Synthesekapitel; der Leser muss die Informationen selbständig zusammenfassen.
⬤ Einige Benutzer fanden die Julia-Implementierung zu abstrakt, so dass sie schwer nachvollziehbar war.
(basierend auf 21 Leserbewertungen)
Algorithms for Optimization
Eine umfassende Einführung in die Optimierung mit Schwerpunkt auf praktischen Algorithmen für den Entwurf von technischen Systemen.
Dieses Buch bietet eine umfassende Einführung in die Optimierung mit einem Schwerpunkt auf praktischen Algorithmen. Das Buch nähert sich der Optimierung aus einer ingenieurwissenschaftlichen Perspektive, wobei das Ziel darin besteht, ein System zu entwerfen, das eine Reihe von Metriken unter Einhaltung von Einschränkungen optimiert. Die Leser lernen rechnerische Ansätze für eine Reihe von Herausforderungen kennen, darunter die Suche in hochdimensionalen Räumen, die Behandlung von Problemen, bei denen mehrere konkurrierende Ziele bestehen, und die Berücksichtigung von Unsicherheiten in den Metriken. Abbildungen, Beispiele und Übungen vermitteln die Intuition hinter den mathematischen Ansätzen. Der Text bietet konkrete Implementierungen in der Programmiersprache Julia.
Zu den behandelten Themen gehören Ableitungen und ihre Verallgemeinerung auf mehrere Dimensionen; lokaler Abstieg und Methoden erster und zweiter Ordnung, die über den lokalen Abstieg informieren; stochastische Methoden, die Zufälligkeit in den Optimierungsprozess einführen; lineare eingeschränkte Optimierung, wenn sowohl die Zielfunktion als auch die Einschränkungen linear sind; Ersatzmodelle, probabilistische Ersatzmodelle und die Verwendung probabilistischer Ersatzmodelle, um die Optimierung zu leiten; Optimierung unter Unsicherheit; Unsicherheitsausbreitung; Ausdrucksoptimierung und multidisziplinäre Designoptimierung. Die Anhänge bieten eine Einführung in die Julia-Sprache, Testfunktionen zur Bewertung der Algorithmenleistung und mathematische Konzepte, die bei der Ableitung und Analyse der im Text behandelten Optimierungsmethoden verwendet werden. Das Buch eignet sich für fortgeschrittene Studenten und Doktoranden in den Bereichen Mathematik, Statistik, Informatik, Ingenieurwissenschaften (einschließlich Elektrotechnik und Luft- und Raumfahrttechnik) und Operations Research sowie als Nachschlagewerk für Fachleute.
| ISBN: | 9780262039420 |
| Autor: | |
| Verlag: | |
| Einband: | Hardcover |
| Erscheinungsjahr: | 2019 |
| Seitenzahl: | 520 |
Derzeit verfügbar, auf Lager.
