Moderní přístup k výuce úvodu do optimalizace

Hodnocení:   (4,0 z 5)

Moderní přístup k výuce úvodu do optimalizace (B. Powell Warren)

Recenze čtenářů

Aktuálně nejsou k dispozici žádné recenze čtenářů. Hodnocení je založeno na 2 hlasů.

Původní název:

A Modern Approach to Teaching an Introduction to Optimization

Obsah knihy:

Optimalizace by měla být vědou o přijímání nejlepších možných rozhodnutí. Rozhodování je prakticky univerzální lidská činnost, se kterou se setkávají profesionálové (v jakémkoli oboru) nebo lidé v každodenním životě. Mohlo by se tedy zdát, že nauka o správném rozhodování je předmětem, který by měl být široce vyučován studenty v rámci technických, fyzikálních a společenských věd, obchodu a politiky. Přesto je dnes „optimalizace“ široce vyučována jako matematicky náročný předmět, často omezený na postgraduální studenty specializovaných oborů.

V operačním výzkumu (nebo průmyslovém inženýrství) je „optimalizace“ ekvivalentem deterministického matematického programování, které začíná lineárními programy (a simplexovým algoritmem) a poté přechází přes celočíselné lineární programy a nelineární programy. Pokud jste na katedrách, jako je elektrotechnika nebo strojírenství, znamená optimalizace výuku optimálního řízení. A pokud jste v oboru informatiky, optimalizace by se dnes mohla vykládat v kontextu strojového učení (například přizpůsobování modelů datům) nebo jako posilovací učení.

Tato kniha tvrdí, že tradiční styl výuky optimalizace je chybný a zastaralý. Za prvé, simplexový algoritmus je sice mocnou strategií pro řešení lineárních programů, ale detaily simplexového algoritmu jsou v úvodním kurzu optimalizace zcela nevhodné. Za druhé, lineární programy jsou sice vhodné pro řešení mnoha problémů, ale jsou použitelné jen pro nepatrný zlomek všech rozhodnutí. Zatřetí, lineární programy (spolu s celočíselnými a nelineárními programy) jsou statickými modely pro problémy s (typicky) vektorovými rozhodnutími. Naproti tomu většina rozhodnutí je sekvenčních, protože se činí periodicky v průběhu času, jak přicházejí nové informace. Kromě toho je naprostá většina těchto rozhodnutí skalární (případně spojitá nebo diskrétní).

Tato kniha je určena pro instruktory (nebo potenciální instruktory), kteří chtějí představit vědu o správném rozhodování co nejširšímu publiku. Měla by také zajímat každého, kdo již absolvoval tradiční kurz optimalizace jakéhokoli typu. Prezentace je uspořádána do řady témat, která naznačují zásadně odlišný přístup k výuce „optimalizace“ zahrnující jak sekvenční rozhodovací problémy (které nabízejí nejjednodušší nastavení problému), tak přechod ke složitějším vektorovým rozhodnutím. Uvádí také, že většina problémů, které jsou modelovány jako lineární (nebo celočíselné či nelineární programy), jsou ve skutečnosti metody pro rozhodování v sekvenčním nastavení. Z tohoto důvodu jsou tato témata představena s mnohem menším důrazem na algoritmy, než se tradičně používá, a to jak ve statickém, tak v sekvenčním nastavení.

Další údaje o knize:

ISBN:9781638283201
Autor:
Vydavatel:
Jazyk:angličtina
Vazba:Pevná vazba

Nákup:

Nyní dostupné, na skladě.

Další knihy od autora:

Přibližný dynamický program - Approximate Dynamic Programmin
Chvála prvního vydání "Konečně kniha věnovaná dynamickému programování a napsaná jazykem operačního výzkumu...
Přibližný dynamický program - Approximate Dynamic Programmin
Sequential Decision Analytics and Modeling: Modelování v jazyce Python - Sequential Decision...
Problémy sekvenčního rozhodování se objevují...
Sequential Decision Analytics and Modeling: Modelování v jazyce Python - Sequential Decision Analytics and Modeling: Modeling with Python
Moderní přístup k výuce úvodu do optimalizace - A Modern Approach to Teaching an Introduction to...
Optimalizace by měla být vědou o přijímání...
Moderní přístup k výuce úvodu do optimalizace - A Modern Approach to Teaching an Introduction to Optimization
Učení s posilováním a stochastická optimalizace: Sjednocený rámec pro sekvenční rozhodování -...
POSILOVÁNÍ UČENÍ A STOCHASTICKÁ OPTIMALIZACE ...
Učení s posilováním a stochastická optimalizace: Sjednocený rámec pro sekvenční rozhodování - Reinforcement Learning and Stochastic Optimization: A Unified Framework for Sequential Decisions

Díla autora vydali tito vydavatelé:

© Book1 Group - všechna práva vyhrazena.
Obsah těchto stránek nesmí být kopírován ani použit, a to ani částečně ani úplně, bez písemného svolení vlastníka.
Poslední úprava: 2024.11.08 20:25 (GMT)