Peter Gritzmann

Grundlagen der Mathematischen Optimierung (eBook, PDF)

Diskrete Strukturen, Komplexitätstheorie, Konvexitätstheorie, Lineare Optimierung, Simplex-Algorithmus, Dualität

• Format: PDF

Produktbeschreibung

Das Buch entwickelt mathematische Grundlagen der linearen, nichtlinearen und diskreten Optimierung. Hierzu gehören Diskrete Strukturen und Algorithmen, eine ausführliche Einführung in die Komplexitätstheorie, die Grundlagen der Konvexitätstheorie, der Simplex-Algorithmus sowie die LP-Dualität und ihre Anwendungen. Methodisch zentral für viele Teile der Optimierung ist der geometrische Zugang; die zugrunde liegenden geometrischen Vorstellungen werden detailliert entwickelt und durch eine große Anzahl von Skizzen veranschaulicht. Die behandelten Probleme sind sämtlich durch reale Anwendungen motiviert; verschiedene konkrete Anwendungsbeispiele werden ausführlich besprochen. Der Methodenreichtum des Gebiets der mathematischen Optimierung wird durch vielfältige Querverbindungen zu anderen mathematischen Disziplinen sichtbar. Zahlreiche Übungsaufgaben unterstützen die Anwendbarkeit des Buches als Grundlage für Lehrveranstaltungen.

Der Inhalt Einleitung - Einstiege: Ungleichungssysteme und diskrete Strukturen - Einstiege: Algorithmen und Komplexität - Konvexitätstheorie - Der Simplex-Algorithmus - LP-Dualität

Die Zielgruppen - Studierende der Mathematik und Informatik - Studierende der Wirtschaftsmathematik und des Operations Research jeweils nach den Grundvorlesungen Der Autor Prof. Dr. Peter Gritzmann lehrt am Zentrum Mathematik der Technischen Universität München.

---

Dieser Download kann aus rechtlichen Gründen nur mit Rechnungsadresse in A, B, BG, CY, CZ, D, DK, EW, E, FIN, F, GR, HR, H, IRL, I, LT, L, LR, M, NL, PL, P, R, S, SLO, SK ausgeliefert werden.

Produktdetails

• Verlag: Springer-Verlag GmbH
• Seitenzahl: 525
• Erscheinungstermin: 6. Januar 2013
• Deutsch
• ISBN-13: 9783834820112
• Artikelnr.: 37493066

Autorenporträt

Prof. Dr. Peter Gritzmann lehrt am Zentrum Mathematik der Technischen Universität München.