توضیحات
Stationarity and Convergence in Reduce-or-Retreat Minimization presents and analyzes a unifying framework for a wide variety of numerical methods in optimization. The authors reduce-or-retreat framework is a conceptual method-outline that covers any method whose iterations choose between reducing the objective in some way at a trial point, or retreating to a closer set of trial points. The alignment of various derivative-based methods within the same framework encourages the construction of new methods, and inspires new theoretical developments as companions to results from across traditional divides. The text illustrates the former by developing two generalizations of classic derivative-based methods which accommodate non-smooth objectives, and the latter by analyzing these two methods in detail along with a pattern-search method and the famous Nelder-Mead method.In addition to providing a bridge for theory through the reduce-or-retreat framework, this monograph extends and broadens the traditional convergence analyses in several ways. Levy develops a generalized notion of approaching stationarity which applies to non-smooth objectives, and explores the roles of the descent and non-degeneracy conditions in establishing this property. The traditional analysis is broadened by considering situational convergence of different elements computed at each iteration of a reduce-or-retreat method. The reduce-or-retreat framework described in this text covers specialized minimization methods, some general methods for minimization and a direct search method, while providing convergence analysis which complements and expands existing results.
————————————————————–
ترجمه ماشینی :
استیکاری و همگرایی در به حداقل رساندن یا به حداقل رساندن به حداقل رساندن یک چارچوب متحد کننده برای طیف گسترده ای از روشهای عددی در بهینه سازی ارائه و تجزیه و تحلیل می کند. نویسندگان چارچوب را کاهش می دهند یا با استفاده مجدد از یک روش مفهومی و متد ، هر روشی را که تکرار آن بین کاهش هدف به نوعی در یک نقطه آزمایشی یا عقب نشینی به مجموعه نزدیکتر از نقاط آزمایشی انتخاب می کند ، پوشش می دهد. تراز روشهای مختلف مبتنی بر مشتق در همان چارچوب ، ساخت روشهای جدید را تشویق می کند و از تحولات نظری جدید به عنوان همراهان الهام می گیرد تا نتیجه ای از اختلافات سنتی داشته باشند. متن با توسعه دو روش کلی از روشهای مبتنی بر مشتق کلاسیک که اهداف غیر صاف را در خود جای داده است ، و دومی را با تجزیه و تحلیل این دو روش به طور مفصل به همراه یک روش جستجوی الگوی و روش معروف Nelder-Mead نشان می دهد. این مونوگرافی با ارائه پلی برای تئوری از طریق چارچوب کاهش یا عقب ، گسترش و گسترش تجزیه و تحلیل همگرایی سنتی از چند طریق. لوی مفهوم کلی از نزدیک شدن به ثابت بودن را که در مورد اهداف غیر صاف اعمال می شود ، ایجاد می کند و نقش های شرایط نزول و غیر دفع را در ایجاد این خاصیت بررسی می کند. تجزیه و تحلیل سنتی با در نظر گرفتن همگرایی موقعیتی عناصر مختلف محاسبه شده در هر تکرار از یک روش کاهش یا بازگرداندن گسترش می یابد. چارچوب کاهش یا بازآفرینی که در این متن شرح داده شده است ، روشهای تخصصی به حداقل رساندن ، برخی از روشهای کلی برای به حداقل رساندن و یک روش جستجوی مستقیم را در بر می گیرد ، ضمن ارائه تجزیه و تحلیل همگرایی که نتایج موجود را تکمیل و گسترش می دهد.
tag : دانلود کتاب ایستایی و همگرایی در به حداقل رساندن کاهش یا عقب نشینی , Download ایستایی و همگرایی در به حداقل رساندن کاهش یا عقب نشینی , دانلود ایستایی و همگرایی در به حداقل رساندن کاهش یا عقب نشینی , Download Stationarity and Convergence in Reduce-or-Retreat Minimization Book , ایستایی و همگرایی در به حداقل رساندن کاهش یا عقب نشینی دانلود , buy ایستایی و همگرایی در به حداقل رساندن کاهش یا عقب نشینی , خرید کتاب ایستایی و همگرایی در به حداقل رساندن کاهش یا عقب نشینی , دانلود کتاب Stationarity and Convergence in Reduce-or-Retreat Minimization , کتاب Stationarity and Convergence in Reduce-or-Retreat Minimization , دانلود Stationarity and Convergence in Reduce-or-Retreat Minimization , خرید Stationarity and Convergence in Reduce-or-Retreat Minimization , خرید کتاب Stationarity and Convergence in Reduce-or-Retreat Minimization ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.