خرید و دانلود نسخه کامل کتاب Murty Optimization Models For Decision Making: Volume 1

توضیحاتی در مورد کتاب

هدف این کتاب این است که به عنوان متنی برای توسعه مهارت‌های مدل‌سازی ریاضی، محاسباتی و الگوریتمی بهینه‌سازی و برخی از کاربردهای ابتدایی آن‌ها در سطح متوسطه پس از یک دوره جبر خطی باشد.

فصل 1 مدل سازی ریاضی را با استفاده از یک مثال ساده یک متغیر معرفی می کند. این فصل همچنین طبقه بندی مسئله تصمیم گیری را به دسته 1 و رده 2 توضیح می دهد.

فصل 2 مشکلات MCDM (تصمیم گیری چند مشخصه) را مورد بحث قرار می دهد. روش‌های امتیازدهی متداول مورد استفاده برای حل مسائل تصمیم‌گیری دسته 1 را هنگامی که چندین ویژگی مهم وجود دارد که باید به طور همزمان بهینه شوند، با مثال‌های بسیار ساده توضیح می‌دهد.

فصل 3 با تکنیک‌های مدل‌سازی ابتدایی برای مدل‌سازی مسائل تصمیم‌گیری متغیر پیوسته سروکار دارد که در آن مفروضات خطی بودن تا حد معقولی از تقریب، به‌عنوان برنامه‌های خطی (LPs)، در کاربردهای مختلف حفظ می‌شوند. روش هندسی برای حل دو مدل LP متغیر همراه با مفهوم مقادیر حاشیه ای و کاربردهای برنامه ریزی آنها مورد بحث قرار گرفته است.

فصل 4 ساده ترین نسخه روش سیمپلکس اولیه را مورد بحث قرار می دهد. برای حل LP ها با استفاده از جدول کامل متعارف، که دانش آموزان در این سطح می توانند به راحتی آنها را دنبال کنند. و آن را با مثال‌های کارشده فراوان توضیح می‌دهد.

فصل 5 استخراج مسئله دوگانه یک LP را با استفاده از استدلال‌های اقتصادی و تفسیر مقدار حاشیه متغیرهای دوگانه ارائه می‌کند. . شرایط بهینه (امکان سنجی اولیه و دوگانه و سستی مکمل) برای یک LP و نقشی که در روش سیمپلکس ایفا می کنند را مورد بحث قرار می دهد. تجزیه و تحلیل حاشیه ای و چند تکنیک مهم ضریب محدوده و تحلیل حساسیت نیز مورد بحث قرار گرفته است.

فصل 6 نسخه ساده شده الگوریتم سیمپلکس اولیه را برای مدل حمل و نقل با استفاده از آرایه های حمل و نقل بررسی می کند. .

فصل 7 تکنیک هایی را برای مدل سازی مسائل بهینه سازی عدد صحیح و ترکیبی ارائه می کند. این نشان می‌دهد که بسیاری از محدودیت‌های ترکیبی مختلف که اغلب در برنامه‌ها ظاهر می‌شوند را می‌توان با استفاده از محدودیت‌های خطی در متغیرهای باینری مدل‌سازی کرد. اهمیت مدل‌های برنامه‌نویسی عدد صحیح 0-1 با مثال‌های جالب برگرفته از ادبیات پازل و کلاسیک، که دانش‌آموزان در این سن و بسیار جذاب هستند، برجسته می‌شود.

فصل 8 بحث می‌کند. رویکرد شاخه و کران برای حل مسائل بهینه سازی عدد صحیح و ترکیبی و مزایا و محدودیت های آن. مقدار زمان کامپیوتری مورد نیاز برای حل مسائل بهینه سازی گسسته و ترکیبی با شاخه و کران یا سایر روش های دقیق موجود امروزه با افزایش اندازه مسئله به سرعت در حال افزایش است. بنابراین، در حال حاضر حل دقیق مسائل با اندازه متوسط ​​از این نوع عملی است. در نتیجه، هنگامی که با نسخه‌های بزرگ مقیاس این مشکلات مواجه می‌شوند، اکثر پزشکان از رویکردهای اکتشافی برای به دست آوردن بهترین راه‌حل تقریبی ممکن در یک زمان معقول استفاده می‌کنند. با کمال تعجب، به نظر می رسد که روش های اکتشافی به خوبی طراحی شده، راه حل های رضایت بخشی برای بسیاری از مسائل سخت و پیچیده ایجاد می کنند. بنابراین، روش‌های اکتشافی در حال حاضر جریان اصلی برای تصمیم‌گیری هستند و روش‌های دقیق توسعه‌یافته در تئوری به ابزاری برای طراحی اکتشافی خوب تبدیل شده‌اند.

فصل 9 اصول طراحی خوب را مورد بحث قرار می‌دهد. روش‌های اکتشافی (روش‌های حریصانه، روش‌های جستجوی محلی، بازپخت شبیه‌سازی‌شده، و الگوریتم‌های ژنتیک) برای مسائل مختلف با مثال‌های فراوان.

فصل 10 تکنیک بازگشتی را برای حل دینامیک قطعی توضیح می‌دهد. مسائل برنامه نویسی.

فصل 11 به روش های بسیار مهم مسیر بحرانی برای زمان بندی و مدیریت پروژه می پردازد که از الگوریتم برنامه نویسی پویا برای زنجیره های بهینه در شبکه ها استفاده می کند. بین مدل‌های ریاضی برای حل آنها که الگوریتم‌های کارآمد داریم و مسائل تصمیم‌گیری در دنیای واقعی شکاف گسترده‌ای وجود دارد. تکنیک‌های تابع هدف جایگزین، و تکنیک‌های مدل‌سازی هوشمند به پر کردن این شکاف گسترده کمک می‌کنند. فصل های قبلی