*优化模型：线性代数模型、凸优化模型及应用

正版全新

作者: 朱塞佩·C.卡拉菲奥,洛朗·艾尔·加豪伊
出版社: 机械工业出版社
ISBN: 9787111704058
出版时间: 2022-06

装帧: 其他
开本: 16开
纸张: 胶版纸

作者: 朱塞佩·C.卡拉菲奥,洛朗·艾尔·加豪伊
出版社: 机械工业出版社
ISBN: 9787111704058

出版时间: 2022-06
装帧: 其他

开本: 16开
纸张: 胶版纸

售价 110.98 7.0折

定价￥159.00

品相全新

优惠

运费

本店暂时无法向该地区发货

延迟发货说明

时间：

说明：

上书时间2024-05-16

数量: 库存11件

立即购买加入购物车收藏

卖家超过10天未登录

三年老店

闲暇一卷书的书店

店铺等级

资质认证

90天平均

成功完成

86.61% (116笔)

好评率

99.9%

发货时间

17.16小时

店主

闲暇一卷书

联系

在线交谈离线留言

地址

浙江省杭州市滨江区

进店逛逛收藏店铺

商品详情
店铺评价

立即购买加入购物车收藏

手机购买

微信扫码访问

商品分类：

计算机与互联网

货号：

3429655

商品描述：

【书    名】 *优化模型：线性代数模型、凸优化模型及应用
【书    号】 9787111704058
【出版社】机械工业出版社
【作    者】朱塞佩·C.卡拉菲奥,洛朗·艾尔·加豪伊
【出版日期】 2022-06-01
【开    本】 16开
【定    价】 159.00元

【编辑推荐】
本书内容详实，结构严谨，侧重于介绍优化理论在实际生活中的应用，是学习优化理论不可多得的入门教材。读者将从本书中学到如何识别、简化、建模以及求解相关优化问题，并将其中暗含的基本原理应用到自己正在进展的项目中。本书对线性代数做了清晰而完整的介绍。通过引入相关的实际案例，以易于理解且形象的方式给读者展示核心的数学概念，并帮助其领会问题的实际意义。阅读本书不需要太多的预备知识，读者只需要对几何学、微积分学和概率统计学有一个基本的了解。本书可用于本科生或研究生优化理论学习的教材。

【内容简介】
本书内容详实，结构严谨，侧重于介绍优化理论在实际生活中的应用，是学习优化理论不可多得的入门教材。读者将从本书中学到如何识别、简化、建模以及求解相关优化问题，并将其中暗含的基本原理应用到自己正在进展的项目中。本书对线性代数做了清晰而完整的介绍。通过引入相关的实际案例，以易于理解且形象的方式给读者展示核心的数学概念，并帮助其领会问题的实际意义。阅读本书不需要太多的预备知识，读者只需要对几何学、微积分学和概率统计学有一个基本的了解。本书可用于本科生或研究生优化理论学习的教材。

【目录】
译者序

前言

第 1 章绪论                       1

1.1 启发性的例子                1

1.2 优化问题                      4

1.3 优化问题的重要类型      9

1.4 发展历史                      13

部分线性代数模型

第 2 章向量和函数             18

2.1 向量的基本概念             18

2.2 范数与内积                    25

2.3 子空间上的投影              35

2.4 函数                              41

2.5 习题                              52

第 3 章矩阵                        54

3.1 矩阵的基本概念              54

3.2 矩阵作为线性映射           59

3.3 行列式、特征值和特征向量  62

3.4 具有特殊结构和性质的矩阵  73

3.5 矩阵分解                            79

3.6 矩阵范数                             82

3.7 矩阵函数                             85

3.8 习题                                   89

第 4 章对称矩阵                       94

4.1 基础知识                             94

4.2 谱定理                                99

4.3 谱分解与优化                      103

4.4 半正定矩阵                         106

4.5 习题                                   113

第 5 章奇异值分解                    117

5.1 奇异值分解的基本概念          117

5.2 由 SVD 建立矩阵性质           120

5.3 奇异值分解与优化                 126

5.4 习题                                    138

第 6 章线性方程组与小二乘     142

6.1 动机与例子                           142

6.2 线性方程组的解集                  148

6.3 小二乘和小范数解            150

6.4 求解线性方程组和小二乘问题                                           158

6.5 解的灵敏性                            162

6.6 单位球的正反映射                   165

6.7 小二乘问题的变形                171

6.8 习题                                      180

第 7 章矩阵算法                          185

7.1 特征值和特征向量的计算          185

7.2 求解平方线性方程组                 190

7.3 QR 分解                                  195

7.4 习题                                        199

第二部分凸优化模型

第 8 章凸性                                  204

8.1 凸集                                        204

8.2 凸函数                                     211

8.3 凸问题                                     231

8.4 性条件                               250

8.5 对偶                                        254

8.6 习题                                        269

第 9 章线性、二次与几何模型         273

9.1 二次函数的无约束小化            273

9.2 线性与凸二次不等式的几何表示                                             276

9.3 线性规划                                 281

9.4 二次规划                                 292

9.5 用 LP 和 QP 建模                     301

9.6 与 LS 相关的二次规划               312

9.7 几何规划                                 315

9.8 习题                                        321

第 10 章二阶锥和鲁棒模型             326

10.1 二阶锥规划                            326

10.2 SOCP 可表示的问题和例子      332

10.3 鲁棒优化模型                         346

10.4 习题                                      353

第 11 章半定模型                          357

11.1 从线性到锥模型                       357

11.2 线性矩阵不等式                      358

11.3 半定规划                                369

11.4 半定规划模型的例子                 375

11.5 习题                                       393

第 12 章算法介绍                           399

12.1 技术方面的预备知识                  400

12.2 光滑无约束极小化算法              405

12.3 光滑凸约束极小化算法              423

12.4 非光滑凸优化算法                     443

12.5 坐标下降法                              454

12.6 分散式优化方法                        457

12.7 习题                                        465

第三部分应用

第 13 章从数据中学习                      472

13.1 监督学习概述                            472

13.2 基于多项式模型的小二乘预测                                                473

13.3 二元分类                                  478

13.4 一般监督学习问题                      485

13.5 无

【前言】
化理论是应用数学的一个分支，该理论研究在约束条件下某个函数的小值或值.这个领域的诞生可以追溯到高斯年轻时所解决的一个天文学问题.后来随着物理学，特别是力学的发展，一些自然现象可被描述为“能量”函数小化的问题，这是化的前身.现在化已经朝着研究和应用计算机算法来求解数学问题的方向发展.
如今，这个领域处于许多学科的交叉点，从统计学到动态系统与控制、复杂性理论和算法.它的应用范围非常广泛，包括机器学习、信息检索、工程设计、经济学、金融学和管理学.随着海量数据集的出现，化现在被视为数据科学这一新兴领域的重要组成部分.
在过去的20年里，人们对化及其应用领域重新产生了兴趣.令人振奋的发展之一是一类特殊的优化问题——凸优化.凸模型为开发用来求解化问题的软件提供了一个可靠且实用的平台.借助于对用户友好的软件包，建模人员现在可以快速开发出非常高效的代码来求解千奇百怪的凸问题.现在，我们可以像求解规模相似的线性方程组一样轻松地解决凸问题.扩大可处理问题的范围反过来又使我们能够开发出更有效的方法来求解困难的非凸问题.
与此同时，数值线性代数方向也有了很大发展.在20世纪80年代后期对计算机算法进行了一系列开创性工作之后，用户友好型平台如Matlab、R以及近的Python相继出现，这允许多代用户快速开发代码来求解数值问题.如今，对于求解具有数千个变量和方程的数值线性系统的实际算法和技术的能力，只有少数专家还心存疑虑，其他人则认为求解方案及其底层算法是理所当然的.
优化，更确切地说是凸优化，目前也处于类似阶段.基于这些原因，大多数工科、经济学和理科专业的学生可能会发现，在他们的职业生涯中，有能力识别、简化、建模和解决自己工作中出现的问题非常重要，而实际上只有极少数学生需要研究数值算法的细节.考虑到这个问题，我们将“化模型：线性代数模型、凸优化模型及应用”作为本书的标题，以突出强调以下事实：本书专注于“理解”实际问题的性质并将其建模为可求解的优化范例——这是一门“艺术”（通常是通过发现问题中的“隐藏凸性”结构），而不是聚焦于数量众多的特定数值优化算法的技术细节.为了完整起见，本书提供了两个相关章节，一章介绍基本的线性代数算法，而另一章则广泛地讨论所选取的优化算法.不过，跳过这些章节并不会影响对本书其他部分的理解.
近年来，为了满足科学界对凸优化知识日益增长的需求，一些教科书相继出版.这些教科书大多是面向研究生的，其中的确包含了丰富的内容.但本书还包括以下区别于其他书籍的内容：
. 本书既可用于本科线性代数和化理论课程，也可用于研究生的凸建模和化入门课程.
. 本书侧重于以适当的化理论对实际问题建模，而不是解决数学化的算法问题，有关算法的内容分为两章：一章讨论矩阵基本计算，而另一章讨论凸优化.
. 本书大约有三分之一的内容在独立介绍线性代数的基本主题及其应用.
. 本书包括许多现实生活中的例子，有几章专门介绍实际应用.
. 我们不刻意讨论一般的非凸模型，但会介绍凸模型如何有助于求解一些特定的非凸模型.
我们选择线性代数作为本书的部分，主要有两个考虑. 其一是线性代数可能是凸优化重要的组成部分. 扎实地掌握线性代数和矩阵理论对于理解凸性、建立凸模型和开发凸优化算法至关重要. 其二是考虑到本科生在线性代数课程中的感知差距. 很多（也许并不是大多数）线性代数教科书都侧重于抽象概念和算法，而介绍实际例子的内容较少. 这些教材常常使学生对线性代数的概念和问题有很好的理解，但并不能让学生完全理解这些问题会出现在什么地方，以及为什么会出现. 例如，根据我们的经验，很少有本科生意识到线性代数是迄今为止使用广泛的机器学习算法的基础，比如 Google 的网络搜索引擎使用的 PageRank 算法.
另一个常见的困难是：根据这一领域的发展历史，大多数教科书都把大量的篇幅放在一般矩阵的特征值和 Jordan 标准型上. 它们也确实有许多相关的应用，例如在求解常微分方程组时. 但是，奇异值的主要概念（如果有）常常被放在后几章. 因此，线性代数的经典教学遗漏了一些概念，这些概念对于理解线性代数作为实际优化的构建模块至关重要，这也是本书的重点.
然而，本书对线性代数的处理必然是片面的，并且偏向有助于优化的模型. 因此，本书的线性代数部分并不能代替理论或数值线性代数的参考教科书.
在对线性代数和化的联合处理中，我们强调易于处理的模型而不是算法，重要的实际应用要胜过虚构的例子. 我们希望传达这样一个观点：就可靠性而言，应该将某些类型的优化问题与线性代数问题放在同一层面上考虑，即可以放心地使用可靠的模型，而不必太担心其内部的工作原理.
在撰写本书时，我们努力在数学的严谨性和内容的易懂性之间取得平衡. 与抽象或过于笼统的数学定义相比，我们更喜欢 “可操作” 的定义；与结果的全面详尽性相比，我们更倾向于结果的实际相关性. 大部分技巧性结论的证明都在本书中进行了详细说明，不过
- 图2
配送说明

...
相似商品
为你推荐