由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高99元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
醉染图书优化理论与实用算法9787111708629
¥ ×1
译者序
前言
致谢
章 引言
1.1 优化算法的历史
1.2 优化过程
1.3 基本优化问题
1.4 约束
1.5 极值点
1.6 局部极小值的条件
1.6.1 一元问题
1.6.2 多元问题
1.7 等高线图
1.8 概述
1.9 小结
1.10 练习
第2章 导数和梯度
2.1 导数
2.2 多维导数
. 数值微分
..1 有限差分法
..2 复数步长法
2.4 自动微分
2.4.1 前向累积
2.4.2 反向累积
2.5 小结
2.6 练习
第3章 包围
3.1 单模态
3.2 确定初始包围
3.3 斐波那契搜索
3.4 黄金分割搜索
3.5 二次拟合搜索
3.6 Shubert-Piyavskii方法
3.7 二分法
3.8 小结
3.9 练习
第4章 局部下降
4.1 下降方向迭代
4.2 线搜索
4.3 近似线搜索
4.4 信赖域方法
4.5 终止条件
4.6 小结
4.7 练习
第5章 一阶方法
5.1 梯度下降
5.2 共轭梯度
5.3 动量
5.4 Nesterov动量
5.5 Adagrad方法
5.6 RMSProp
5.7 Adadelta
5.8 Adam
5.9 超梯度下降
5.10 小结
5.11 练习
第6章 二阶方法
6.1 牛顿法
6.2 割线法
6.3 拟牛顿法
6.4 小结
6.5 练习
第7章 直接方法
7.1 循环坐标搜索
7.2 鲍威尔搜索法
7.3 胡可-吉夫斯搜索法
7.4 广义模式搜索法
7.5 尼尔德-米德单纯形法
7.6 分割矩形法
7.6.1 单变量DIRECT
7.6.2 多变量DIRECT
7.6.3 实施
7.7 小结
7.8 练习
第8章 随机方法
8.1 噪声下降
8.2 网格自适应直接搜索
8.3 模拟退火
8.4 交叉熵法
8.5 自然进化策略
8.6 自适应协方差矩阵
8.7 小结
8.8 练习
第9章 种群方法
9.1 初始化
9.2 遗传算法
9.2.1 染色体
9.2.2 初始化
9.. 选择
9.2.4 交
9.2.5 变异
9.3 微分进化
9.4 粒子群优化
9.5 萤火虫算法
9.6 布谷鸟搜索
9.7 混合方法
9.8 小结
9.9 练习
0章 约束
10.1 约束优化
10.2 约束类型
10.3 消除约束的转换
10.4 拉格朗日乘数法
10.5 不等式约束
10.6 对偶
10.7 惩罚方法
10.8 增广拉格朗日法
10.9 内点法
10.10 小结
10.11 练习
1章 线约束优化
11.1 问题表述
11.1.1 一般形式
11.1.2 标准形式
11.1.3 等式形式
11.2 单纯形算法
11.2.1 顶点
11.2.2 一阶必要条件
11.. 优化阶段
11.2.4 初始化阶段
11.3 对偶验
11.4 小结
11.5 练习
2章 多目标优化
12.1 帕累托很优
12.1.1 优势位置
12.1.2 帕累托边界
12.1.3 帕累托边界生成
12.2 约束方法
12.2.1 目标约束法
12.2.2 词典约束法
1. 权重法
1..1 加权和法
1..2 目标编程
1.. 加权指数和
1..4 加权-优选值法
1..5 指数加权准则
12.4 多目标种群方法
12.4.1 子种群
12.4.2 非支配排名
12.4.3 帕累托过滤器
12.4.4 生态位技术
12.5 偏好诱导
12.5.1 模型识别
12.5.2 配对查询选择
12.5.3 设计选择
12.6 小结
12.7 练习
3章 抽样计划
13.1 全因子
13.2 随机抽样
13.3 均匀投影计划
13.4 分层抽样
13.5 空间填充指标
13.5.1 差异
13.5.2 成对距离
13.5.3 Morris-Mitchell标准
13.6 空间填充子集
13.7 准随机序列
13.7.1 加递归
13.7.2 哈尔顿序列
13.7.3 Sobol序列
13.8 小结
13.9 习题
4章 代理模型
14.1 拟合代理模型
14.2 线模型
14.3 基函数
14.3.1 多项式基函数
14.3.2 正弦基函数
14.3.3 径向基函数
14.4 拟合噪声目标函数
14.5 模型选择
14.5.1 保留法
14.5.2 交叉验
14.5.3 自举法
14.6 小结
14.7 练习
5章 概率代理模型
15.1 高斯分布
15.2 高斯过程
15.3 预测
15.4 梯度测量
15.5 噪声测量
15.6 拟合高斯过程
15.7 小结
15.8 练习
6章 代理优化
16.1 基于预测的探索
16.2 基于误差的探索
16.3 置信下界的探索
16.4 改进探索的概率
16.5 预期改进探索
16.6 安全优化
16.7 小结
16.8 练习
7章 不确定下的优化
17.1 不确定
17.2 基于集合的不确定
17.2.1 极小极大方法
17.2.2 信息差距决策理论
17.3 概率不确定
17.3.1 期望值
17.3.2 方差
17.3.3 统计可行
17.3.4 风险价值
17.3.5 条件风险价值
17.4 小结
17.5 练习
……
米凯尔·J.科申德弗(Mykel J.Kochenderfer),斯坦福大学航空航天系和计算机科学系副教授,也是该校智能系统实验室(SISL)主任,研究用于设计稳健决策系统的优选算法和分析方法。
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格
