| Título : |
Non-Convex Multi-Objective Optimization |
| Tipo de documento: |
documento electrónico |
| Autores: |
Žilinskas, Antanas, Autor ; Žilinskas, Julius, Autor |
| Mención de edición: |
|1e. |
| Editorial: |
[s.l.] : Springer |
| Fecha de publicación: |
2017 |
| Número de páginas: |
XII, 192 p. |
| ISBN/ISSN/DL: |
978-3-319-61007-8 |
| Nota general: |
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. |
| Palabras clave: |
Mathematical optimization Algorithms Computer science-Mathematics Optimization Mathematical Applications in Computer Science |
| Índice Dewey: |
519.6 |
| Resumen: |
En este libro se presentan resultados recientes sobre problemas y métodos de optimización multiobjetivo no convexos, con especial atención a las costosas funciones objetivo de caja negra. Los métodos de optimización multiobjetivo facilitan a los diseñadores, ingenieros e investigadores la toma de decisiones sobre las compensaciones adecuadas entre varios objetivos en conflicto. En este libro se desarrolla una variedad de métodos de optimización multiobjetivo deterministas y estocásticos. Comenzando con conceptos básicos y una revisión de problemas de optimización uniobjetivo no convexos, este libro continúa para cubrir algoritmos de ramificación y acotación multiobjetivo, algoritmos óptimos en el peor de los casos (para funciones de Lipschitz y problemas biobjetivos), algoritmos basados en modelos estadísticos y enfoques probabilísticos de ramificación y acotación. Se incluyen descripciones detalladas de nuevos algoritmos para la optimización multiobjetivo no convexa, su fundamentación teórica y ejemplos de aplicaciones prácticas al problema de formación de células en ingeniería de fabricación, el diseño de procesos en ingeniería química y la gestión de procesos comerciales para ayudar a los investigadores y estudiantes de posgrado en matemáticas, informática, ingeniería, economía y gestión empresarial. |
| Nota de contenido: |
1. Definitions and Examples -- 2. Scalarization -- 3. Approximation and Complexity -- 4. A Brief Review of Non-Convex Single-Objective Optimization -- 5. Multi-Objective Branch and Bound -- 6. Worst-Case Optimal Algorithms -- 7. Statistical Models Based Algorithms -- 8. Probabilistic Bounds in Multi-Objective Optimization -- 9. Visualization of a Set of Pareto Optimal Decisions -- 10. Multi-Objective Optimization Aided Visualization of Business Process Diagrams. -References -- Index. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
Non-Convex Multi-Objective Optimization [documento electrónico] / Žilinskas, Antanas, Autor ; Žilinskas, Julius, Autor . - |1e. . - [s.l.] : Springer, 2017 . - XII, 192 p. ISBN : 978-3-319-61007-8 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
| Palabras clave: |
Mathematical optimization Algorithms Computer science-Mathematics Optimization Mathematical Applications in Computer Science |
| Índice Dewey: |
519.6 |
| Resumen: |
En este libro se presentan resultados recientes sobre problemas y métodos de optimización multiobjetivo no convexos, con especial atención a las costosas funciones objetivo de caja negra. Los métodos de optimización multiobjetivo facilitan a los diseñadores, ingenieros e investigadores la toma de decisiones sobre las compensaciones adecuadas entre varios objetivos en conflicto. En este libro se desarrolla una variedad de métodos de optimización multiobjetivo deterministas y estocásticos. Comenzando con conceptos básicos y una revisión de problemas de optimización uniobjetivo no convexos, este libro continúa para cubrir algoritmos de ramificación y acotación multiobjetivo, algoritmos óptimos en el peor de los casos (para funciones de Lipschitz y problemas biobjetivos), algoritmos basados en modelos estadísticos y enfoques probabilísticos de ramificación y acotación. Se incluyen descripciones detalladas de nuevos algoritmos para la optimización multiobjetivo no convexa, su fundamentación teórica y ejemplos de aplicaciones prácticas al problema de formación de células en ingeniería de fabricación, el diseño de procesos en ingeniería química y la gestión de procesos comerciales para ayudar a los investigadores y estudiantes de posgrado en matemáticas, informática, ingeniería, economía y gestión empresarial. |
| Nota de contenido: |
1. Definitions and Examples -- 2. Scalarization -- 3. Approximation and Complexity -- 4. A Brief Review of Non-Convex Single-Objective Optimization -- 5. Multi-Objective Branch and Bound -- 6. Worst-Case Optimal Algorithms -- 7. Statistical Models Based Algorithms -- 8. Probabilistic Bounds in Multi-Objective Optimization -- 9. Visualization of a Set of Pareto Optimal Decisions -- 10. Multi-Objective Optimization Aided Visualization of Business Process Diagrams. -References -- Index. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
|  |
Hacer una sugerencia Refinar búsqueda
