Autor Žilinskas, Antanas
|
|
Documentos disponibles escritos por este autor (2)
Hacer una sugerencia Refinar búsqueda
Título : Bayesian and High-Dimensional Global Optimization Tipo de documento: documento electrónico Autores: Zhigljavsky, Anatoly, Autor ; Žilinskas, Antanas, Autor Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: VIII, 118 p. 54 ilustraciones, 38 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-64712-4 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Optimización matemática Cálculo de variaciones Ingeniería Industrial Ingeniería de Producción Probabilidades Álgebras lineales Cálculo de variaciones y optimización Ingeniería Industrial y de Producción Teoría de probabilidad Álgebra lineal Índice Dewey: 519.6 Resumen: Accesible a una variedad de lectores, este libro es de interés para especialistas, estudiantes de posgrado e investigadores en matemáticas, optimización, informática, investigación de operaciones, ciencias de la gestión, ingeniería y otras áreas aplicadas interesadas en resolver problemas de optimización. En este libro se examinan los principios básicos, el potencial y los límites de aplicabilidad de las técnicas de optimización global estocástica. Se exploran una variedad de cuestiones que enfrentan los especialistas en optimización global, como los espacios multidimensionales que los investigadores frecuentemente ignoran. La importancia de una interpretación precisa de los resultados matemáticos en las evaluaciones de métodos de optimización se demuestra a través de ejemplos de convergencia en la probabilidad de búsqueda aleatoria. Se discuten cuestiones metodológicas relativas a la construcción y aplicabilidad de métodos estocásticos de optimización global, incluido el método de mejora promedio óptimo de un paso basado en un modelo estadístico de la función objetivo. Una parte importante de este libro está dedicada a un análisis de problemas de optimización global de alta dimensión y la llamada "maldición de la dimensionalidad". Se incluye un examen de las tres clases diferentes de problemas de optimización de alta dimensión, la geometría de bolas y cubos de alta dimensión, la convergencia muy lenta de algoritmos de búsqueda aleatoria global en problemas de gran dimensión y la escasa uniformidad de las secuencias de puntos distribuidas uniformemente. en este libro. . Nota de contenido: 1 Space-filling in high-dimensional sets -- 2 Bi-objective decisions and partition based methods in Bayesian global optimization -- 3 Global random search in high dimensions. 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 Bayesian and High-Dimensional Global Optimization [documento electrónico] / Zhigljavsky, Anatoly, Autor ; Žilinskas, Antanas, Autor . - 1 ed. . - [s.l.] : Springer, 2021 . - VIII, 118 p. 54 ilustraciones, 38 ilustraciones en color.
ISBN : 978-3-030-64712-4
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Optimización matemática Cálculo de variaciones Ingeniería Industrial Ingeniería de Producción Probabilidades Álgebras lineales Cálculo de variaciones y optimización Ingeniería Industrial y de Producción Teoría de probabilidad Álgebra lineal Índice Dewey: 519.6 Resumen: Accesible a una variedad de lectores, este libro es de interés para especialistas, estudiantes de posgrado e investigadores en matemáticas, optimización, informática, investigación de operaciones, ciencias de la gestión, ingeniería y otras áreas aplicadas interesadas en resolver problemas de optimización. En este libro se examinan los principios básicos, el potencial y los límites de aplicabilidad de las técnicas de optimización global estocástica. Se exploran una variedad de cuestiones que enfrentan los especialistas en optimización global, como los espacios multidimensionales que los investigadores frecuentemente ignoran. La importancia de una interpretación precisa de los resultados matemáticos en las evaluaciones de métodos de optimización se demuestra a través de ejemplos de convergencia en la probabilidad de búsqueda aleatoria. Se discuten cuestiones metodológicas relativas a la construcción y aplicabilidad de métodos estocásticos de optimización global, incluido el método de mejora promedio óptimo de un paso basado en un modelo estadístico de la función objetivo. Una parte importante de este libro está dedicada a un análisis de problemas de optimización global de alta dimensión y la llamada "maldición de la dimensionalidad". Se incluye un examen de las tres clases diferentes de problemas de optimización de alta dimensión, la geometría de bolas y cubos de alta dimensión, la convergencia muy lenta de algoritmos de búsqueda aleatoria global en problemas de gran dimensión y la escasa uniformidad de las secuencias de puntos distribuidas uniformemente. en este libro. . Nota de contenido: 1 Space-filling in high-dimensional sets -- 2 Bi-objective decisions and partition based methods in Bayesian global optimization -- 3 Global random search in high dimensions. 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
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
