Die zweite Auflage von Derivative-Free and Blackbox Optimization bietet eine umfassende Einführung in die Optimierung, wenn Ableitungen nicht verfügbar, unzuverlässig oder schwierig zu verwenden sind. Ob Sie studieren, lehren oder sich das Wissen selbst aneignen – dieses Buch führt Sie durch die Grundlagen und fortgeschrittenen Techniken der ableitungsfreien Optimierung und der Blackbox-Optimierung. Die neue Auflage enthält deutlich mehr Übungsaufgaben, eine aktualisierte und intuitivere Notation, über 30 neue Abbildungen sowie zahlreiche didaktische Verbesserungen, die komplexe Konzepte verständlich und ansprechend vermitteln. Das Buch ist in fünf Teile gegliedert. Teil 1 behandelt die grundlegenden Prinzipien und enthält ein erweitertes Kapitel zur korrekten Bewertung. Die Teile 2, 3 und 4 befassen sich ausführlich mit heuristischen Ansätzen, direkter Suche und modellbasierten Ansätzen. Teil 5 überträgt diese Ansätze auf spezielle Anwendungsumgebungen. Ein neues Kapitel von Sébastien Le Digabel stellt schließlich zahlreiche Anwendungen der Blackbox-Optimierung vor und enthält Links zu Software für die jeweilige Anwendung. Ob im Unterricht oder zur selbstständigen Vertiefung – dieses Buch ist eine wertvolle Quelle für das Verständnis und die Anwendung von Optimierungsmethoden, die keine Ableitungen erfordern.
Hersteller
- Verleger
- Springer Nature
- Typ
- Computer - Informatik, Statistik
- Sprache
- Englisch
- Untertitel
- -
- Umschlag
- Gebundene Ausgabe
- Anzahl der Seiten
- 431
- Veröffentlichungsdatum
- 11/10/2025
- Veröffentlichungsdatum
- 2025
- Abmessungen
- -
- ISBN-13
- 9783032009050
Wichtige Informationen
Spezifikationen werden von offiziellen Hersteller-Websites gesammelt. Bitte überprüfen Sie die Spezifikationen, bevor Sie Ihren endgültigen Kauf tätigen. Wenn Sie ein Problem bemerken, können Sie melden Sie es hier