ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب The Design of Approximation Algorithms

دانلود کتاب طراحی الگوریتم های تقریبی

The Design of Approximation Algorithms

مشخصات کتاب

The Design of Approximation Algorithms

ویرایش: 1 
نویسندگان: ,   
سری:  
ISBN (شابک) : 0521195276, 9780521195270 
ناشر: Cambridge University Press 
سال نشر: 2011 
تعداد صفحات: 502 
زبان: English  
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 5 مگابایت 

قیمت کتاب (تومان) : 40,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 17


در صورت تبدیل فایل کتاب The Design of Approximation Algorithms به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب طراحی الگوریتم های تقریبی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب طراحی الگوریتم های تقریبی

مسائل بهینه سازی گسسته در همه جا وجود دارد، از مشکلات برنامه ریزی تحقیق عملیات سنتی، مانند زمان بندی، مکان تاسیسات، و طراحی شبکه. مشکلات علوم کامپیوتر در پایگاه های داده؛ به مسائل تبلیغاتی در بازاریابی ویروسی با این حال، اکثر چنین مشکلاتی NP-hard هستند. بنابراین، مگر اینکه P = NP، هیچ الگوریتم کارآمدی برای یافتن راه‌حل‌های بهینه برای چنین مسائلی وجود ندارد. این کتاب نحوه طراحی الگوریتم‌های تقریبی را نشان می‌دهد: الگوریتم‌های کارآمدی که راه‌حل‌های تقریباً بهینه را پیدا می‌کنند. این کتاب حول تکنیک‌های الگوریتمی مرکزی برای طراحی الگوریتم‌های تقریبی، از جمله الگوریتم‌های جستجوی حریصانه و محلی، برنامه‌نویسی پویا، برنامه‌نویسی خطی و نیمه معین، و تصادفی‌سازی سازماندهی شده است. هر فصل در بخش اول کتاب به یک تکنیک الگوریتمی اختصاص داده شده است که سپس برای چندین مسئله مختلف اعمال می شود. بخش دوم تکنیک ها را بازبینی می کند، اما درمان های پیچیده تری از آنها ارائه می دهد. این کتاب همچنین روش‌هایی را برای اثبات اینکه مسائل بهینه‌سازی تقریبی سخت است، پوشش می‌دهد. این کتاب که به عنوان یک کتاب درسی برای دوره های الگوریتم در سطح فارغ التحصیل طراحی شده است، همچنین به عنوان مرجعی برای محققان علاقه مند به حل اکتشافی مسائل بهینه سازی گسسته خواهد بود.


توضیحاتی درمورد کتاب به خارجی

Discrete optimization problems are everywhere, from traditional operations research planning problems, such as scheduling, facility location, and network design; to computer science problems in databases; to advertising issues in viral marketing. Yet most such problems are NP-hard. Thus unless P = NP, there are no efficient algorithms to find optimal solutions to such problems. This book shows how to design approximation algorithms: efficient algorithms that find provably near-optimal solutions. The book is organized around central algorithmic techniques for designing approximation algorithms, including greedy and local search algorithms, dynamic programming, linear and semidefinite programming, and randomization. Each chapter in the first part of the book is devoted to a single algorithmic technique, which is then applied to several different problems. The second part revisits the techniques but offers more sophisticated treatments of them. The book also covers methods for proving that optimization problems are hard to approximate. Designed as a textbook for graduate-level algorithms courses, the book will also serve as a reference for researchers interested in the heuristic solution of discrete optimization problems.



فهرست مطالب

Part I. An Introduction to the Techniques:
1. An introduction to approximation algorithms
2. Greedy algorithms and local search
3. Rounding data and dynamic programming
4. Deterministic rounding of linear programs
5. Random sampling and randomized rounding of linear programs
6. Randomized rounding of semidefinite programs
7. The primal-dual method
8. Cuts and metrics
Part II. Further Uses of the Techniques:
9. Further uses of greedy and local search algorithms
10. Further uses of rounding data and dynamic programming
11. Further uses of deterministic rounding of linear programs
12. Further uses of random sampling and randomized rounding of linear programs
13. Further uses of randomized rounding of semidefinite programs
14. Further uses of the primal-dual method
15. Further uses of cuts and metrics
16. Techniques in proving the hardness of approximation
17. Open problems
Appendix A. Linear programming
Appendix B. NP-completeness.




نظرات کاربران