University Sétif 1 FERHAT ABBAS Faculty of Sciences
Résultat de la recherche
2 résultat(s) recherche sur le mot-clé 'Optimisation mathématique'
Ajouter le résultat dans votre panier Affiner la recherche Générer le flux rss de la recherche
Partager le résultat de cette recherche
Initiation à l'optimisation / Sameh Kessentini
Titre : Initiation à l'optimisation : Métaheuristiques ; problèmes à variables continues Type de document : texte imprimé Auteurs : Sameh Kessentini (1983-....), Auteur ; Dominique Barchiesi, Auteur Editeur : Paris : Ellipses Année de publication : 2020 Importance : 1 vol. (261 p.) Présentation : ill. Format : 24 cm ISBN/ISSN/EAN : 978-2-340-03674-1 Note générale : Bibliogr. p. 249-252. Index Langues : Français (fre) Catégories : Mathématique Mots-clés : Optimisation mathématique Index. décimale : 519.6 Optimisation mathématique Résumé : Les métaheuristiques sont parmi les méthodes d’optimisation les plus faciles à mettre en Å“uvre pour trouver la solution à des problèmes difficiles voire impossibles à résoudre directement, en s’inspirant de phénomènes issus de la nature et des sciences.
Douze méthodes avec variantes sont présentées et les codes en Matlab/GNU octave sont donnés :
GA (génétique),DE (évolution différentielle),BBO (biogéographie),RS (recuit simulé),GSO (Gravitationnel),CRO (réaction chimique),PSO (essaim de particules),LUC (lucioles),ABC (colonies d’abeilles artificielles),GWO (loup gris),ACO (colonies de fourmis),BSO (brainstorming).
Elles sont caractérisées, comparées et les outils fournis permettent de les combiner, les modifier ad libitum afin de les adapter à des problèmes réels.
Des applications à la thermique, l’électronique, l’agriculture, la mécanique permettent d’étendre leur domaine d’application à la résolution de problème inverse, à l’ajustement de modèle à des résultats expérimentaux et à la propagation d’incertitudes.Note de contenu : Sommaire:
Chapitre 1: Formulation d’un problème
Chapitre 2: Opérations et codes élémentaires
Chapitre 3: Caractérisation des algorithmes
Chapitre 4: Classifications des métaheuristiques
Chapitre 5: Opérateurs pour les métaheuristiques
Chapitre 6: Algorithmes évolutionnaires
Chapitre 7: Inspiration de la physique-chimie
Chapitre 8: Intelligence collective
Chapitre 9: Comparaison des méthodes
Chapitre 10: Optimisation de l’optimisation
Chapitre 11: Applications de l’optimisationCôte titre : Fs/24730-24731 Initiation à l'optimisation : Métaheuristiques ; problèmes à variables continues [texte imprimé] / Sameh Kessentini (1983-....), Auteur ; Dominique Barchiesi, Auteur . - [S.l.] : Paris : Ellipses, 2020 . - 1 vol. (261 p.) : ill. ; 24 cm.
ISBN : 978-2-340-03674-1
Bibliogr. p. 249-252. Index
Langues : Français (fre)
Catégories : Mathématique Mots-clés : Optimisation mathématique Index. décimale : 519.6 Optimisation mathématique Résumé : Les métaheuristiques sont parmi les méthodes d’optimisation les plus faciles à mettre en Å“uvre pour trouver la solution à des problèmes difficiles voire impossibles à résoudre directement, en s’inspirant de phénomènes issus de la nature et des sciences.
Douze méthodes avec variantes sont présentées et les codes en Matlab/GNU octave sont donnés :
GA (génétique),DE (évolution différentielle),BBO (biogéographie),RS (recuit simulé),GSO (Gravitationnel),CRO (réaction chimique),PSO (essaim de particules),LUC (lucioles),ABC (colonies d’abeilles artificielles),GWO (loup gris),ACO (colonies de fourmis),BSO (brainstorming).
Elles sont caractérisées, comparées et les outils fournis permettent de les combiner, les modifier ad libitum afin de les adapter à des problèmes réels.
Des applications à la thermique, l’électronique, l’agriculture, la mécanique permettent d’étendre leur domaine d’application à la résolution de problème inverse, à l’ajustement de modèle à des résultats expérimentaux et à la propagation d’incertitudes.Note de contenu : Sommaire:
Chapitre 1: Formulation d’un problème
Chapitre 2: Opérations et codes élémentaires
Chapitre 3: Caractérisation des algorithmes
Chapitre 4: Classifications des métaheuristiques
Chapitre 5: Opérateurs pour les métaheuristiques
Chapitre 6: Algorithmes évolutionnaires
Chapitre 7: Inspiration de la physique-chimie
Chapitre 8: Intelligence collective
Chapitre 9: Comparaison des méthodes
Chapitre 10: Optimisation de l’optimisation
Chapitre 11: Applications de l’optimisationCôte titre : Fs/24730-24731 Exemplaires (2)
Code-barres Cote Support Localisation Section Disponibilité Fs/24730 Fs/24730-24731 Livre Bibliothéque des sciences Français Disponible
Sorti jusqu'au 06/03/2024Fs/24731 Fs/24730-24731 Livre Bibliothéque des sciences Français Disponible
DisponibleNumerical optimization / Jorge Nocedal
Titre : Numerical optimization Type de document : texte imprimé Auteurs : Jorge Nocedal, Auteur ; Stephen J. Wright (1960-....), Auteur Editeur : New York : Springer Année de publication : 1999 Collection : Springer series in operations research, ISSN 1431-8598 Importance : 1 vol. (636 p.) Présentation : ill. Format : 24 cm ISBN/ISSN/EAN : 978-0-387-98793-4 Note générale : Bibliogr. p. 611-623 Langues : Anglais (eng) Catégories : Mathématique Mots-clés : Optimisation mathématique Index. décimale : 519.6 Optimisation mathématique Résumé :
Optimisation Numérique" présente une description complète et à jour des méthodes les plus efficaces en optimisation continue. Il répond à l'intérêt croissant pour l'optimisation dans l'ingénierie, la science et les affaires en se concentrant sur les méthodes les mieux adaptées aux problèmes pratiques. Tirant parti de leurs expériences dans l'enseignement, la recherche et la consultation, les auteurs ont produit un manuel qui intéressera autant les étudiants que les praticiens. Chaque chapitre commence par les concepts de base et construit progressivement les meilleures techniques actuellement disponibles. En raison de l'accent mis sur les méthodes pratiques, ainsi que des illustrations et des exercices complets, le livre est accessible à un large public. Il peut être utilisé comme un texte d'études supérieures en ingénierie, recherche opérationnelle, mathématiques, informatique et affaires. Il sert aussi de manuel pour les chercheurs et les praticiens dans le domaine. Avant tout, les auteurs se sont efforcés de produire un texte agréable à lire, informatif et rigoureux, qui révèle à la fois la beauté de la discipline et son côté pratique.
MMOR, Méthodes mathématiques de recherche opérationnelle, 2001 observe: "Le livre semble très approprié pour être utilisé dans un cours de niveau universitaire en optimisation pour les étudiants en mathématiques, la recherche opérationnelle, l'ingénierie, et autres.En outre, il semble être très utile de faire des auto-études en optimisation, compléter ses propres connaissances et être une source de nouvelles idées ... Je recommande cet excellent livre à tous ceux qui s'intéressent aux problèmes d'optimisation. "Note de contenu :
Sommaire
Fundamentals of unconstrained optimization
Line search methods
Trust-region methods
Conjugate gradient methods
Practical Newton methods
Calculating derivates
Quasi-Newton methods
Large-scale Quasi-Newton and partially separable optimization
Nonlinear least-squares problems
Nonlinear equations
Theory of constrained optimization
Linear programming : the simplex method
Linear programming : interior-point methods
Fundamentals of algorithms for nonlinear constrained optimization
Quadratic programming
Penalty, Barrier, and augmented lagrangian methods
Sequential quadratic programming.Côte titre : Fs/2286-2287 Numerical optimization [texte imprimé] / Jorge Nocedal, Auteur ; Stephen J. Wright (1960-....), Auteur . - New York : Springer, 1999 . - 1 vol. (636 p.) : ill. ; 24 cm. - (Springer series in operations research, ISSN 1431-8598) .
ISBN : 978-0-387-98793-4
Bibliogr. p. 611-623
Langues : Anglais (eng)
Catégories : Mathématique Mots-clés : Optimisation mathématique Index. décimale : 519.6 Optimisation mathématique Résumé :
Optimisation Numérique" présente une description complète et à jour des méthodes les plus efficaces en optimisation continue. Il répond à l'intérêt croissant pour l'optimisation dans l'ingénierie, la science et les affaires en se concentrant sur les méthodes les mieux adaptées aux problèmes pratiques. Tirant parti de leurs expériences dans l'enseignement, la recherche et la consultation, les auteurs ont produit un manuel qui intéressera autant les étudiants que les praticiens. Chaque chapitre commence par les concepts de base et construit progressivement les meilleures techniques actuellement disponibles. En raison de l'accent mis sur les méthodes pratiques, ainsi que des illustrations et des exercices complets, le livre est accessible à un large public. Il peut être utilisé comme un texte d'études supérieures en ingénierie, recherche opérationnelle, mathématiques, informatique et affaires. Il sert aussi de manuel pour les chercheurs et les praticiens dans le domaine. Avant tout, les auteurs se sont efforcés de produire un texte agréable à lire, informatif et rigoureux, qui révèle à la fois la beauté de la discipline et son côté pratique.
MMOR, Méthodes mathématiques de recherche opérationnelle, 2001 observe: "Le livre semble très approprié pour être utilisé dans un cours de niveau universitaire en optimisation pour les étudiants en mathématiques, la recherche opérationnelle, l'ingénierie, et autres.En outre, il semble être très utile de faire des auto-études en optimisation, compléter ses propres connaissances et être une source de nouvelles idées ... Je recommande cet excellent livre à tous ceux qui s'intéressent aux problèmes d'optimisation. "Note de contenu :
Sommaire
Fundamentals of unconstrained optimization
Line search methods
Trust-region methods
Conjugate gradient methods
Practical Newton methods
Calculating derivates
Quasi-Newton methods
Large-scale Quasi-Newton and partially separable optimization
Nonlinear least-squares problems
Nonlinear equations
Theory of constrained optimization
Linear programming : the simplex method
Linear programming : interior-point methods
Fundamentals of algorithms for nonlinear constrained optimization
Quadratic programming
Penalty, Barrier, and augmented lagrangian methods
Sequential quadratic programming.Côte titre : Fs/2286-2287 Exemplaires (2)
Code-barres Cote Support Localisation Section Disponibilité Fs/2286 Fs/2286-2287 Livre Bibliothéque des sciences Anglais Disponible
DisponibleFs/2287 Fs/2286-2287 Livre Bibliothéque des sciences Anglais Disponible
Disponible