Grundzüge der Globalen Optimierung

 
 
Springer Spektrum (Verlag)
  • 1. Auflage
  • |
  • erschienen im Dezember 2017
 
  • Buch
  • |
  • Softcover
  • |
  • X, 182 Seiten
978-3-662-55359-6 (ISBN)
 
Das vorliegende Lehrbuch ist eine Einführung in die globale Optimierung, die mathematische Sachverhalte einerseits stringent behandelt, sie aber andererseits auch sehr ausführlich motiviert und mit 75 Abbildungen illustriert. Das Buch richtet sich daher nicht nur an Mathematiker, sondern auch an Natur-, Ingenieur- und Wirtschaftswissenschaftler, die mathematisch fundierte Verfahren in ihrem Gebiet verstehen und anwenden möchten.
Mit fast zweihundert Seiten stellt das Buch genügend Auswahlmöglichkeiten zur Verfügung, um es als Grundlage für unterschiedlich angelegte Vorlesungen zur globalen Optimierung zu verwenden. Die ausführliche Behandlung der globalen Lösbarkeit von Optimierungsproblemen unter anwendungsrelevanten Voraussetzungen setzt dabei einen neuen Akzent, der den Bestand der bisherigen Lehrbücher zur Optimierung bereichert. Anhand von Theorie und Algorithmen der glatten konvexen Optimierung verdeutlicht das Buch, dass die globale Lösung einer in der Praxis häufig auftretenden Klasse von Optimierungsproblemen effizient möglich ist, während es für die schwerer handhabbaren nichtkonvexen Probleme ausführlich die Ideen von Branch-and-Bound-Verfahren entwickelt.
  • Deutsch
  • Berlin, Heidelberg
  • |
  • Deutschland
Springer Berlin
  • 76 s/w Abbildungen
  • |
  • 75 schwarz-weiße Abbildungen, Bibliographie
  • Höhe: 244 mm
  • |
  • Breite: 167 mm
  • |
  • Dicke: 15 mm
  • 350 gr
978-3-662-55359-6 (9783662553596)
3662553597 (3662553597)
weitere Ausgaben werden ermittelt
Prof. Dr. Oliver Stein ist Universitätsprofessor am Karlsruher Institut für Technologie und leitet dort den Bereich für Kontinuierliche Optimierung am Institut für Operations Research. In der Forschung konzentriert er sich auf Entwurf und Implementierung von Optimierungsverfahren sowie deren theoretische Grundlagen. Seine Lehrschwerpunkte sind globale Optimierung, nichtlineare Optimierung, gemischt-ganzzahlige Optimierung, konvexe Analysis und parametrische Optimierung.
1 Einführung.- 2 Konvexe Optimierungsprobleme.- 3 Nichtkonvexe Optimierungsprobleme.
Das vorliegende Lehrbuch ist eine Einführung in die globale Optimierung, die mathematische Sachverhalte einerseits stringent behandelt, sie aber andererseits auch sehr ausführlich motiviert und mit 75 Abbildungen illustriert. Das Buch richtet sich daher nicht nur an Mathematiker, sondern auch an Natur-, Ingenieur- und Wirtschaftswissenschaftler, die mathematisch fundierte Verfahren in ihrem Gebiet verstehen und anwenden möchten.

Mit fast zweihundert Seiten stellt das Buch genügend Auswahlmöglichkeiten zur Verfügung, um es als Grundlage für unterschiedlich angelegte Vorlesungen zur globalen Optimierung zu verwenden. Die ausführliche Behandlung der globalen Lösbarkeit von Optimierungsproblemen unter anwendungsrelevanten Voraussetzungen setzt dabei einen neuen Akzent, der den Bestand der bisherigen Lehrbücher zur Optimierung bereichert. Anhand von Theorie und Algorithmen der glatten konvexen Optimierung verdeutlicht das Buch, dass die globale Lösung einer in der Praxis häufig auftretenden Klasse von Optimierungsproblemen effizient möglich ist, während es für die schwerer handhabbaren nichtkonvexen Probleme ausführlich die Ideen von Branch-and-Bound-Verfahren entwickelt.




Der Autor

Prof. Dr. Oliver Stein ist Universitätsprofessor am Karlsruher Institut für Technologie und leitet dort den Bereich für Kontinuierliche Optimierung am Institut für Operations Research. In der Forschung konzentriert er sich auf Entwurf und Implementierung von Optimierungsverfahren sowie deren theoretische Grundlagen. Seine Lehrschwerpunkte sind globale Optimierung, nichtlineare Optimierung, gemischt-ganzzahlige Optimierung, konvexe Analysis und parametrische Optimierung.

Sofort lieferbar

19,99 €
inkl. 7% MwSt.
in den Warenkorb

Abholung vor Ort? Sehr gerne!
Unsere Web-Seiten verwenden Cookies. Mit der Nutzung des WebShops erklären Sie sich damit einverstanden. Mehr Informationen finden Sie in unserem Datenschutzhinweis. Ok