Avis des lecteurs
Il n'y a actuellement aucun avis de lecteur. La note est basée sur 2 votes.
Titre original :
A Modern Approach to Teaching an Introduction to Optimization
Contenu du livre :
L'optimisation devrait être la science qui consiste à prendre les meilleures décisions possibles. La prise de décision est une activité humaine pratiquement universelle à laquelle sont confrontés les professionnels (quel que soit leur domaine) ou les gens dans leur vie quotidienne. On pourrait donc penser que l'étude de la prise de bonnes décisions est un sujet qui devrait être largement enseigné aux étudiants dans les domaines de l'ingénierie, des sciences physiques et sociales, de l'économie et de la politique. Pourtant, aujourd'hui, l'« optimisation » est largement enseignée comme un sujet mathématiquement sophistiqué, souvent réservé aux étudiants diplômés dans des domaines spécialisés.
En recherche opérationnelle (ou en génie industriel), l'« optimisation » équivaut à la programmation mathématique déterministe, en commençant par les programmes linéaires (et l'algorithme du simplexe), puis en passant par les programmes linéaires en nombres entiers et les programmes non linéaires. Si vous travaillez dans des départements tels que le génie électrique ou mécanique, l'optimisation signifie enseigner le contrôle optimal. Et si vous êtes en informatique, l'optimisation peut aujourd'hui être interprétée dans le contexte de l'apprentissage automatique (comme l'adaptation de modèles aux données) ou de l'apprentissage par renforcement.
Ce livre affirme que le style traditionnel d'enseignement de l'optimisation est erroné et dépassé. Tout d'abord, bien que l'algorithme du simplexe soit une stratégie puissante pour résoudre les programmes linéaires, les détails de l'algorithme du simplexe sont totalement inappropriés dans un cours d'introduction à l'optimisation. Deuxièmement, bien que les programmes linéaires soient appropriés pour résoudre de nombreux problèmes, ils ne sont applicables qu'à une infime partie de toutes les décisions. Troisièmement, les programmes linéaires (ainsi que les programmes en nombres entiers et non linéaires) sont des modèles statiques pour des problèmes avec des décisions (typiquement) à valeurs vectorielles. En revanche, la plupart des décisions sont séquentielles puisqu'elles sont prises périodiquement au fil du temps, à mesure que de nouvelles informations arrivent. En outre, la grande majorité de ces décisions sont scalaires (éventuellement continues ou discrètes).
Ce livre est conçu pour les instructeurs (ou les instructeurs potentiels) qui souhaitent présenter la science de la prise de bonnes décisions à un public aussi large que possible. Il devrait également intéresser toute personne ayant déjà suivi un cours traditionnel d'optimisation, quel qu'en soit le type. La présentation est organisée autour d'une série de sujets qui suggèrent une approche fondamentalement différente de l'enseignement de l'« optimisation », couvrant à la fois les problèmes de décision séquentiels (qui offrent les cadres de problèmes les plus simples) avant de passer à des décisions plus complexes à valeurs vectorielles. Il montre également que la plupart des problèmes modélisés comme des programmes linéaires (ou entiers, ou non linéaires) sont en fait des méthodes de prise de décision dans un cadre séquentiel. Pour cette raison, ces sujets sont introduits en mettant beaucoup moins l'accent sur les algorithmes que ce qui est traditionnellement utilisé, à la fois dans un cadre statique et séquentiel.
Autres informations sur le livre :
| ISBN : | 9781638283201 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Relié |
Achat:
Actuellement disponible, en stock.
