دانلود کتاب Simulation-Based Optimization: Parametric Optimization Techniques and Reinforcement Learning – بهینه سازی مبتنی بر شبیه سازی: تکنیک های بهینه سازی پارامتریک و یادگیری تقویتی

دسته بندی :
اطلاعات کتاب
  • جلد
  • سری Operations Research/Computer Science Interfaces Series 55
  • ویرایش 2
  • سال 2015
  • نویسنده (گان) Abhijit Gosavi (auth.)
  • ناشر Springer US
  • زبان English
  • تعداد صفحات
  • حجم فایل 5.1MB
  • فرمت فایل pdf
  • شابک 9781489974907, 9781489974914
قیمت محصول :

45,000 تومان

با خرید این محصول، 2,250 تومان به کیف پول شما بازگشت داده می‌شود

روند خرید و دریافت کتاب‌ها بدون هیچ اختلالی انجام می‌شود.
تمامی فایل‌ها بر روی سرورهای داخلی میزبانی می‌شوند تا بتوانید به راحتی و در لحظه آن‌ها را دانلود کنید. در صورت بروز هرگونه مشکل یا نیاز به راهنمایی، لطفاً از طریق « صفحه تماس باما» با تیم پشتیبانی در ارتباط باشید.

تمامی کتاب های موجود در وبسایت سای وان به زبان انگلیسی میباشد

توضیحات

Simulation-Based Optimization: Parametric Optimization Techniques and Reinforcement Learning introduce the evolving area of static and dynamic simulation-based optimization. Covered in detail are model-free optimization techniques especially designed for those discrete-event, stochastic systems which can be simulated but whose analytical models are difficult to find in closed mathematical forms.

Key features of this revised and improved Second Edition include:

Extensive coverage, via step-by-step recipes, of powerful new algorithms for static simulation optimization, including simultaneous perturbation, backtracking adaptive search and nested partitions, in addition to traditional methods, such as response surfaces, Nelder-Mead search and meta-heuristics (simulated annealing, tabu search, and genetic algorithms)

Detailed coverage of the Bellman equation framework for Markov Decision Processes (MDPs), along with dynamic programming (value and policy iteration) for discounted, average, and total reward performance metrics

An in-depth consideration of dynamic simulation optimization via temporal differences and Reinforcement Learning: QLearning, SARSA, and R-SMART algorithms, and policy search, via API, QPLearning, actor-critics, and learning automata

A special examination of neural-network-based function approximation for Reinforcement Learning, semi-Markov decision processes (SMDPs), finite-horizon problems, two time scales, case studies for industrial tasks, computer codes (placed online) and convergence proofs, via Banach fixed point theory and Ordinary Differential Equations

Themed around three areas in separate sets of chapters Static Simulation Optimization, Reinforcement Learning and Convergence Analysis this book is written for researchers and students in the fields of engineering (industrial, systems, electrical and computer), operations research, computer science and applied mathematics.

————————————————————–

ترجمه ماشینی :

بهینه‌سازی مبتنی بر شبیه‌سازی: تکنیک‌های بهینه‌سازی پارامتری و یادگیری تقویتی حوزه در حال تکامل بهینه‌سازی مبتنی بر شبیه‌سازی استاتیک و پویا را معرفی می‌کند. تکنیک‌های بهینه‌سازی بدون مدل به‌ویژه برای آن دسته از سیستم‌های تصادفی و رویدادهای گسسته طراحی شده‌اند که می‌توانند شبیه‌سازی شوند اما پیدا کردن مدل‌های تحلیلی آن‌ها در اشکال ریاضی بسته دشوار است.

ویژگی های کلیدی این ویرایش دوم اصلاح شده و بهبودیافته عبارتند از:

پوشش گسترده، از طریق دستور العمل های گام به گام، الگوریتم های جدید قدرتمند برای بهینه سازی شبیه سازی استاتیک، از جمله اغتشاش همزمان، عقب نشینی جستجوی تطبیقی و پارتیشن‌های تودرتو، علاوه بر روش‌های سنتی، مانند سطوح پاسخ، جستجوی Nelder-Mead و فراابتکاری (بازپخت شبیه‌سازی شده، جستجوی تابو، و الگوریتم‌های ژنتیک)

پوشش دقیق چارچوب معادلات بلمن برای فرآیندهای تصمیم گیری مارکوف (MDPs)، همراه با برنامه نویسی پویا (تکرار ارزش و خط مشی) برای معیارهای عملکرد پاداش با تخفیف، متوسط و کل

بررسی عمیق بهینه سازی شبیه سازی پویا از طریق تفاوت های زمانی و یادگیری تقویتی : Qیادگیری، SARSA، و R-SMART الگوریتم ها و جستجوی خط مشی، از طریق API ، QPیادگیری، بازیگر-منتقدان، و یادگیری خودکار

یک بررسی ویژه تقریب تابع مبتنی بر شبکه عصبی برای یادگیری تقویتی، فرآیندهای تصمیم گیری نیمه مارکوف (SMDPs)، مسائل افق محدود، دو مقیاس زمانی، مطالعات موردی برای وظایف صنعتی، کدهای کامپیوتری (قرار داده شده به صورت آنلاین) و اثبات همگرایی، از طریق نظریه نقطه ثابت Banach و معادلات دیفرانسیل معمولی

موضوع سه حوزه در مجموعه های جداگانه از فصل بهینه سازی شبیه سازی استاتیک، یادگیری تقویتیو تجزیه و تحلیل همگرایی این کتاب برای محققان و دانشجویان رشته های مهندسی (صنعتی، سیستم ها، برق و کامپیوتر)، تحقیق در عملیات، علوم کامپیوتر و ریاضیات کاربردی نوشته شده است.


 

tag : دانلود کتاب بهینه سازی مبتنی بر شبیه سازی: تکنیک های بهینه سازی پارامتریک و یادگیری تقویتی , Download بهینه سازی مبتنی بر شبیه سازی: تکنیک های بهینه سازی پارامتریک و یادگیری تقویتی , دانلود بهینه سازی مبتنی بر شبیه سازی: تکنیک های بهینه سازی پارامتریک و یادگیری تقویتی , Download Simulation-Based Optimization: Parametric Optimization Techniques and Reinforcement Learning Book , بهینه سازی مبتنی بر شبیه سازی: تکنیک های بهینه سازی پارامتریک و یادگیری تقویتی دانلود , buy بهینه سازی مبتنی بر شبیه سازی: تکنیک های بهینه سازی پارامتریک و یادگیری تقویتی , خرید کتاب بهینه سازی مبتنی بر شبیه سازی: تکنیک های بهینه سازی پارامتریک و یادگیری تقویتی , دانلود کتاب Simulation-Based Optimization: Parametric Optimization Techniques and Reinforcement Learning , کتاب Simulation-Based Optimization: Parametric Optimization Techniques and Reinforcement Learning , دانلود Simulation-Based Optimization: Parametric Optimization Techniques and Reinforcement Learning , خرید Simulation-Based Optimization: Parametric Optimization Techniques and Reinforcement Learning , خرید کتاب Simulation-Based Optimization: Parametric Optimization Techniques and Reinforcement Learning ,

نقد و بررسی‌ها

هنوز بررسی‌ای ثبت نشده است.

اولین کسی باشید که دیدگاهی می نویسد “دانلود کتاب Simulation-Based Optimization: Parametric Optimization Techniques and Reinforcement Learning – بهینه سازی مبتنی بر شبیه سازی: تکنیک های بهینه سازی پارامتریک و یادگیری تقویتی”