Derivative-Free and Blackbox Optimization by Audet, Charles; Hare, Warren;

Sorozatcím: Springer Series in Operations Research and Financial Engineering;

12% KEDVEZMÉNY?
A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.

Kiadói listaár EUR 69.54
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.

28 841 Ft (27 468 Ft + 5% áfa)
Kedvezmény(ek) 12% (cc. 3 461 Ft off)
Kedvezményes ár 25 380 Ft (24 172 Ft + 5% áfa)

28 841 Ft

Beszerezhetőség

Még nem jelent meg, de rendelhető. A megjelenéstől számított néhány héten belül megérkezik.

A termék adatai:

Kiadás sorszáma 2
Kiadó Springer Nature Switzerland
Megjelenés dátuma 2026. február 4.
Kötetek száma 1 pieces, Book

ISBN 9783032009050
Kötéstípus Keménykötés
Terjedelem489 oldal
Méret 235x155 mm
Nyelv angol
Illusztrációk X, 489 p. 86 illus., 78 illus. in color. Illustrations, black & white

Kategóriák

Analízis Optimalizáció, lineáris programozás, játékelmélet További könyvek a matematika területén

Hosszú leírás:

"

The second edition of Derivative-Free and Blackbox Optimization offers a comprehensive introduction to the field of optimization when derivatives are unavailable, unreliable, or impractical. Whether you’re a student, instructor, or self-learner, this book is designed to guide you through both the foundations and advanced techniques of derivative-free and blackbox optimization. This new edition features significantly expanded exercises, updated and intuitive notation, over 30 new figures, and a wide range of pedagogical enhancements aimed at making complex concepts accessible and engaging. The book is structured into five parts. Part 1 established foundational principles, including an expanded chapter on proper benchmarking. Parts 2, 3, and 4, take an in-depth look at heuristics, direct search, and model based approaches (respectively). Part 5 extends these approaches to specialised settings. Finally, a new appendix contributed by Sébastien Le Digabel, details several real-world applications of blackbox optimization, and links to software for each application. Whether used in the classroom or for independent exploration, this book is a powerful resource for understanding and applying optimization methods – no gradients required.

Flexible usage suitable for undergraduate, graduate, mathematics, computer science, engineering, or mixed classes

15 end-of-chapter projects are provided, allowing advanced exploration of desired topics

Includes numerous exercises throughout to test knowledge and advance understanding

"

Több

Tartalomjegyzék:

Part 1. Introduction and Background Material.- Introduction: Tools and Challenges in Derivative-Free and Blackbox Optimization.- Mathematical Background.- The Beginnings of DFO Algorithms.- Comparing Optimization Methods.- Some Remarks on DFO.- Part 2. Popular Heuristic Methods.- Genetic Algorithms.- Nelder-Mead.- Further Remarks on Heuristics.- Part 3. Direct Search Methods.- Positive Bases and Nonsmooth Optimization.- Generalised Pattern Search.- Mesh Adaptive Direct Search.- Variables and Constraints.- Further Remarks on Direct Search Methods.- Part 4. Model-Based Methods.- Assessing Model Quality.- Simplex Gradients and Hessians.- Model-Based Descent.- Model-Based Trust Region.- Further Remarks on Model-Based Methods.- Part 5. Extensions and Refinements.- Optimization Using Surrogates and Models.- Biobjective Optimization.- Final Remarks on DFO/BBO.- Appendix A. Blackbox Test Problems.- Appendix. Answers to Every Fourth Exercise.- Bibliography.- Index.