最優(yōu)化導(dǎo)論：人工智能與智能系統(tǒng)（第4版）

定　價(jià)：￥89.00

作　者：	[美] 埃德溫·K.P.鐘，斯坦尼斯瓦夫·H.扎克著，孫志強(qiáng)，白圣建，鄭永斌，劉偉譯
出版社：	電子工業(yè)出版社
叢編項(xiàng)：	經(jīng)典譯叢
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

京東 (￥77.90)

ISBN：	9787121404368	出版時(shí)間：	2021-01-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	415	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書(shū)是一本關(guān)于**化技術(shù)的入門(mén)教材，全書(shū)共分為四部分。第一部分是預(yù)備知識(shí)。第二部分主要介紹無(wú)約束優(yōu)化問(wèn)題，并介紹線性方程組的求解方法、神經(jīng)網(wǎng)絡(luò)方法和全局搜索算法。第三部分介紹線性規(guī)劃問(wèn)題，包括線性優(yōu)化問(wèn)題的模型、單純形法、對(duì)偶線性規(guī)劃以及一些非單純形法，簡(jiǎn)單介紹了整數(shù)規(guī)劃問(wèn)題。第四部分介紹有約束非線性優(yōu)化問(wèn)題，包括純等式約束下和不等式約束下的優(yōu)化問(wèn)題的**性條件、凸優(yōu)化問(wèn)題、有約束優(yōu)化問(wèn)題的求解算法和多目標(biāo)優(yōu)化問(wèn)題。中文版已根據(jù)作者2020年4月30日版勘誤表進(jìn)行了內(nèi)容更正。本書(shū)實(shí)例豐富，推導(dǎo)過(guò)程伴以大量的幾何演示，便于理解和掌握。本書(shū)主要面向高年級(jí)本科生，也司作為碩士研究生深入學(xué)習(xí)**化技術(shù)的入門(mén)參考書(shū)。

作者簡(jiǎn)介

　　孫志強(qiáng)，山東青島人，博士，曾任國(guó)防科技大學(xué)講師，擔(dān)任“**化方法”和“自動(dòng)控制原理”課程的主講教師多年，承擔(dān)或參與過(guò)多項(xiàng)教學(xué)科研項(xiàng)目，發(fā)表過(guò)多篇教學(xué)、科研論文?，F(xiàn)為某公司研發(fā)工程師，從事聲學(xué)信號(hào)處理、智能交通等方面的技術(shù)和產(chǎn)品開(kāi)發(fā)工作。

圖書(shū)目錄

第一部分數(shù)學(xué)知識(shí)回顧
第1章證明方法與相關(guān)記法
1.1 證明方法
1.2 記法
習(xí)題
第2章向量空間與矩陣
2.1 向量與矩陣
2.2 矩陣的秩
2.3 線性方程組
2.4 內(nèi)積和范數(shù)
習(xí)題
第3章變換
3.1 線性變換
3.2 特征值與特征向量
3.3 正交投影
3.4 二次型函數(shù)
3.5 矩陣范數(shù)
習(xí)題
第4章有關(guān)幾何概念
4.1 線段
4.2 超平面與線性簇
4.3 凸集
4.4 鄰域
4.5 多面體和多胞形
習(xí)題
第5章微積分基礎(chǔ)
5.1 序列與極限
5.2 可微性
5.3 導(dǎo)數(shù)矩陣
5.4 微分法則
5.5 水平集與梯度
5.6 泰勒級(jí)數(shù)
習(xí)題
第二部分無(wú)約束優(yōu)化問(wèn)題
第6章集合約束和無(wú)約束優(yōu)化問(wèn)題的基礎(chǔ)知識(shí)
6.1 引言
6.2 局部極小點(diǎn)的條件
習(xí)題
第7章一維搜索方法
7.1 引言
7.2 黃金分割法
7.3 斐波那契數(shù)列法
7.4 二分法
7.5 牛頓法
7.6 割線法
7.7 劃界法
7.8 多維優(yōu)化問(wèn)題中的一維搜索
習(xí)題
第8章梯度方法
8.1 引言
8.2 最速下降法
8.3 梯度方法性質(zhì)分析
習(xí)題
第9章牛頓法
9.1 引言
9.2 牛頓法性質(zhì)分析
9.3 Levenberg-Marquardt修正
9.4 牛頓法在非線性最小二乘問(wèn)題中的應(yīng)用
習(xí)題
第1O章共軛方向法
10.1 引言
1O.2 基本的共軛方向算法
10.3 共軛梯度法
10.4 非二次型問(wèn)題中的共軛梯度法
習(xí)題
第11章擬牛頓法
11.1 引言
11.2 黑塞矩陣逆矩陣的近似
11.3 秩1修正公式
11.4 DFP算法
11.5 BFGS算法
習(xí)題
第12章求解線性方程組
12.1 最小二乘分析
12.2 遞推最小二乘算法
12.3 線性方程組的最小范數(shù)解
12.4 Kaczmarz算法
12.5 一般意義下的線性方程組的求解
習(xí)題
第13章無(wú)約束優(yōu)化問(wèn)題和神經(jīng)網(wǎng)絡(luò)
13.1 引言
13.2 單個(gè)神經(jīng)元訓(xùn)練
13.3 反向傳播算法
習(xí)題
第14章全局搜索算法
14.1 引言
14.2 Nelder-Mead單純形法
14.3 模擬退火法
14.4 粒子群優(yōu)化算法
14.5 遺傳算法
習(xí)題
第三部分線性規(guī)劃
第15章線性規(guī)劃概述
15.1 線性規(guī)劃簡(jiǎn)史
15.2 線性規(guī)劃的簡(jiǎn)單例子
15.3 二維線性規(guī)劃
15.4 凸多面體和線性規(guī)劃
15.5 線性規(guī)劃問(wèn)題的標(biāo)準(zhǔn)型
15.6 基本解
15.7 基本解的性質(zhì)
15.8 幾何視角下的線性規(guī)劃
習(xí)題
第16章單純形法
16.1 利用行變換求解線性方程組
16.2 增廣矩陣的規(guī)范型
16.3 更新增廣矩陣
16.4 單純形法
16.5 單純形法的矩陣形式
16.6 兩階段單純形法
16.7 修正單純形法
習(xí)題
第17章對(duì)偶
17.1 對(duì)偶線性規(guī)劃
17.2 對(duì)偶問(wèn)題的性質(zhì)
習(xí)題
第18章非單純形法
18.1 引言
18.2 Khachiyan算法
18.3 仿射尺度法
18.4 Karmarkar算法
習(xí)題
第19章整數(shù)規(guī)劃
19.1 概述
19.2 幺模矩陣
19.3 Gomory割平面法
習(xí)題
第四部分有約束非線性優(yōu)化問(wèn)題
第20章僅含等式約束的優(yōu)化問(wèn)題
20.1 引言
20.2 問(wèn)題描述
20.3 切線空間和法線空間
20.4 拉格朗日條件
20.5 二階條件
20.6 線性約束下二次型函數(shù)的極小化
習(xí)題
第21章含不等式約束的優(yōu)化問(wèn)題
21.1 卡羅需-庫(kù)恩-塔克（Karush-Kuhn-Tucker）條件
21.2 二階條件
習(xí)題
第22章凸優(yōu)化問(wèn)題
22.1 引言
22.2 凸函數(shù)
22.3 凸優(yōu)化問(wèn)題
22.4 半定規(guī)劃
習(xí)題
第23章有約束優(yōu)化問(wèn)題的求解算法
23.1 引言
23.2 投影法
23.3 求解含線性約束優(yōu)化問(wèn)題的投影梯度法
23.4 拉格朗日法
23.5 罰函數(shù)法
習(xí)題
第24章多目標(biāo)優(yōu)化
24.1 引言
24.2 帕累托解
24.3 怕累托前沿的求解
24.4 多目標(biāo)優(yōu)化到單目標(biāo)優(yōu)化的轉(zhuǎn)換
24.5 存在不確定性的線性規(guī)劃
習(xí)題
參考文獻(xiàn)