Algoritmi per l'ottimizzazione

Recensioni dei lettori

Il libro fornisce una panoramica completa degli algoritmi di ottimizzazione con spiegazioni chiare e frammenti di codice pratico in Julia. Sebbene sia apprezzato per la chiarezza e la progressione degli argomenti, manca di profondità in alcune aree e non affronta alcuni algoritmi, rendendolo più un'indagine che una guida dettagliata.

⬤ Copertura completa di circa 100 algoritmi di ottimizzazione con chiarezza e concisione.
⬤ Fornisce tutte le informazioni di base necessarie, compresi i calcoli di base e l'algebra lineare.
⬤ Include frammenti pratici di codice Julia e risorse online.
⬤ Accessibile a lettori di livello universitario e include esercizi con soluzioni.
⬤ Aiuta a rinfrescare e ad ampliare la comprensione di molti importanti concetti di ottimizzazione.

⬤ Manca l'approfondimento e il rigore nelle spiegazioni di alcuni algoritmi.
⬤ Mancano alcuni argomenti e algoritmi importanti, come Levenberg-Marquardt e MCMC.
⬤ Il codice è esclusivamente in Julia, che potrebbe non essere di facile utilizzo per tutti.
⬤ Manca un capitolo di sintesi finale; il lettore deve sintetizzare le informazioni in modo indipendente.
⬤ Alcuni utenti hanno trovato l'implementazione di Julia troppo astratta e difficile da seguire.

(basato su 21 recensioni dei lettori)

Titolo originale:

Algorithms for Optimization

Contenuto del libro:

Un'introduzione completa all'ottimizzazione con particolare attenzione agli algoritmi pratici per la progettazione di sistemi ingegneristici.

Questo libro offre un'introduzione completa all'ottimizzazione con particolare attenzione agli algoritmi pratici. Il libro affronta l'ottimizzazione da una prospettiva ingegneristica, dove l'obiettivo è progettare un sistema che ottimizzi un insieme di metriche soggette a vincoli. I lettori impareranno a conoscere gli approcci computazionali per una serie di sfide, tra cui la ricerca in spazi ad alta dimensione, la gestione di problemi in cui ci sono più obiettivi in competizione e la gestione dell'incertezza nelle metriche. Figure, esempi ed esercizi trasmettono l'intuizione alla base degli approcci matematici. Il testo fornisce implementazioni concrete nel linguaggio di programmazione Julia.

Gli argomenti trattati comprendono le derivate e la loro generalizzazione a più dimensioni; la discesa locale e i metodi del primo e del secondo ordine che informano la discesa locale; i metodi stocastici, che introducono la casualità nel processo di ottimizzazione; l'ottimizzazione lineare vincolata, quando sia la funzione obiettivo sia i vincoli sono lineari; i modelli surrogati, i modelli surrogati probabilistici e l'uso di modelli surrogati probabilistici per guidare l'ottimizzazione; l'ottimizzazione in condizioni di incertezza; la propagazione dell'incertezza; l'ottimizzazione delle espressioni; l'ottimizzazione di progetti multidisciplinari. Le appendici offrono un'introduzione al linguaggio Julia, funzioni di test per la valutazione delle prestazioni degli algoritmi e concetti matematici utilizzati nella derivazione e nell'analisi dei metodi di ottimizzazione discussi nel testo. Il libro può essere utilizzato da laureandi e laureati in matematica, statistica, informatica, ingegneria (compresa l'ingegneria elettrica e aerospaziale), ricerca operativa e come riferimento per i professionisti.