KI-Beratung Beta
Vor Ort
Merkzettel Warenkorb
Produktbild: Parallel Computing in Optimization
Band 7 - 12%

Parallel Computing in Optimization

Aus der Reihe Applied Optimization
12% sparen

281,99 € UVP 320,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

13.10.2011

Abbildungen

XX, 588 p.

Herausgeber

A. Migdalas + weitere

Verlag

Springer Us

Seitenzahl

588

Maße (L/B/H)

24/16/3,3 cm

Gewicht

963 g

Auflage

1997

Sprache

Englisch

ISBN

978-1-4613-3402-6

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

13.10.2011

Abbildungen

XX, 588 p.

Herausgeber

Verlag

Springer Us

Seitenzahl

588

Maße (L/B/H)

24/16/3,3 cm

Gewicht

963 g

Auflage

1997

Sprache

Englisch

ISBN

978-1-4613-3402-6

Herstelleradresse

Springer-Verlag GmbH
Tiergartenstr. 17
69121 Heidelberg
DE

Email: ProductSafety@springernature.com

Ein neues Kapitel für Ihre Bücher

Ein neues Kapitel für Ihre Bücher

Schenken Sie Ihren alten Schätzen ein zweites Leben und erhalten Sie dafür eine Thalia Geschenkkarte.

Jetzt verkaufen
Jetzt verkaufen

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: Parallel Computing in Optimization
  • 1 Models for Parallel Algorithm Design: An Introduction.- 1 Introduction.- 2 Shared memory model: PRAM.- 3 Distributed memory models: DMM.- 4 The coarse grained multicomputer model: CGM.- 5 Summary.- 6 Exercises.- 2 Parallel Algorithms and Complexity.- 1 Introduction.- 2 Models of Parallel Computers.- 3 Limits of Parallelism.- 4 Classification of some Important Graph Problems.- 5 Basic Techniques.- 6 Parallel Algorithms Toolbox.- 7 Approximating the Minimum Degree Spanning Tree Problem.- 8 Exercises.- 3 A Programmer’s View of Parallel Computers.- 1 Introduction.- 2 The Memory Hierarchy.- 3 Communication Network.- 4 Future trends.- 5 Exercises.- 4 Scalable Parallel Algorithms for Sparse Linear Systems.- 1 Introduction.- 2 Parallel Direct Cholesky Factorization.- 3 Multilevel Graph Partitioning.- 4 Exercises.- 5 Object Oriented Mathematical Modelling and Compilation to Parallel Code.- 1 Introduction.- 2 ObjectMath.- 3 Background to Parallel Code Generation.- 4 Definitions.- 5 Towards a Parallelising Compiler.- 6 Equation System Level.- 7 Equation Level.- 8 Clustered Task Level.- 9 Explicit Parallelism.- 10 Summary.- 11 Exercises.- 6 Parallel Algorithms for Network Problems.- 1 Introduction.- 2 Parallel processing paradigms.- 3 The shortest path problem.- 4 Linear problems over bipartite graphs.- 5 Convex problems over singlecommodity networks.- 6 Convex problems over multicommodity networks.- 7 Exercises.- 7 Parallel Branch and Bound — Principles and Personal Experiences.- 1 Introduction.- 2 Sequential B&B.- 3 Parallel B&B.- 4 Personal Experiences with GPP and QAP.- 5 Ideas and Pitfalls for Parallel B&B users.- 6 Exercises.- 8 Parallelized Heuristics for Combinatorial Search.- 1 Heuristics for Combinatorial Search.- 2 Local Search.- 3 Simulated Annealing.- 4 TabuSearch.- 5 Genetic Algorithms.- 6 Greedy Randomized Adaptive Search Procedures.- 7 Conclusions.- 8 Exercises.- 9 Parallel Cost Approximation Algorithms for Differentiable Optimization.- 1 Introduction.- 2 Sequential Cost Approximation Algorithms.- 3 Synchronized Parallel Cost Approximation Algorithms.- 4 Partially Asynchronous Parallel Cost Approximation Algorithms.- 5 Concluding Remarks.- 6 Exercises.- 10 Parallel Computation of Variational Inequalities and Projected Dynamical Systems with Applications.- 1 Introduction.- 2 The Variational Inequality Problem.- 3 Projected Dynamical Systems.- 4 Variational Inequality Applications.- 5 Projected Dynamical Systems Applications.- 6 Summary and Conclusions.- 7 Exercises.- 11 Parallel Algorithms for Large-Scale Stochastic Programming.- 1 Introduction.- 2 Stochastic Programs with Recourse.- 3 Algorithmic Approaches.- 4 Algorithmic Comparisons.- 5 Conclusions.- 6 Exercises.- 12 Parallel Continuous Non-Convex Optimization.- 1 Introduction.- 2 Local Search Heuristics.- 3 Deterministic and Stochastic Refinements of Local Search.- 4 Summary of General Principles for Local Search Parallelization.- 5 Exact Methods: Deterministic Approaches.- 6 Exercises.- 13 Deterministic and Stochastic Logarithmic Barrier Function Methods for Neural Network Training.- 1 Introduction.- 2 Newton-type and Logarithmic Barrier Methods.- 3 Application to Neural Network Training.- 4 Ill-Conditioning.- 5 Computational Results.- 6 Conclusions and Future Research.- 7 Exercises.