很久以前，我在讀博士期間寫了《全局優化算法-理論和應用》[203]，現在我想寫一本更實用的優化和元啟發式指南。目前，這本書處于開發和制作的早期階段，因此預計會有很多變化。本文試圖介紹優化以一種無障礙的方式為觀眾的本科生和研究生沒有背景的領域。它試圖提供關于優化算法在實踐中如何工作的直覺，解決問題時要尋找什么東西，以及如何從簡單、有效的“概念證明”方法獲得給定問題的有效解決方案。我們遵循“邊做邊學”的方法，通過嘗試解決一個實際的優化問題作為貫穿全書的示例主題。所有的算法在引入后都直接實現并應用于該問題。這讓我們可以根據實際結果討論他們的優勢和劣勢。我們學習如何比較不同算法的性能。我們嘗試逐步改進算法，從非常簡單的、效果不佳的方法轉向高效的元啟發式方法。
我們使用了用Python編寫的具體示例和算法實現。它們可以在2007年6月29日GNU通用公共許可證版本3下的庫thomasWeise/moptipy中免費獲得。每個源代碼列表在標題中都附有一個(src)鏈接，鏈接到存儲庫中文件的完整版本。清單通常是刪節的節選。這意味著我們將忽略很多對理解算法不必要的細節，比如類型提示、健全檢查，甚至是完整的方法。這些代碼將會以完整的代碼版本出現在GitHub存儲庫中。因此，這個完整的代碼版本可能與書中插圖的刪節代碼看起來不同。為了完全理解代碼示例，我們建議讀者熟悉Python、numpy和matplotlib。當然，如果您讀這本書只是為了學習算法，您可以忽略源代碼示例。 如今，算法對我們日常私生活和工作生活的影響越來越大。他們建議我們看有趣的電影或購買的產品。當我們開車時，它們幫助我們找到有效的路線，或者幫我們匹配附近下一輛可用的出租車。他們控制廣告活動，并提出產品定價政策[151]。他們通過在工程、時間表和調度、產品設計和物流規劃等多個領域提出良好的決策來支持我們。它們將是我們行業向智能制造和智能生產轉型的最重要元素，它們可以自動化各種任務，如圖1.1所示。
優化和運籌學為我們提供算法，為非常廣泛的問題提出良好的解決方案。這些解決方案實現了預定義的目標，同時最小化(至少)一項資源需求，包括成本、能源消耗、空間、時間需求等等。除了節省直接成本外，減少資源消耗對環境也有好處。因此，優化可以幫助我們在經濟和生態方面變得更高效。因此，我們可以列出三個明顯的原因，為什么優化將成為下個世紀的關鍵技術:
- 生產自動化可以通過減少人工勞動來提高工作壽命，同時提高生產力和產品質量。然而，任何形式的智能生產或智能制造都需要自動化決策。因為這些決策應該是明智的，所以它們只能來自于一個以某種方式進行優化的過程。
- 所有行業、所有服務部門以及城市和地區都面臨著全球和本地的競爭。那些能夠在提高產品、生產或服務質量和效率的同時減少資源消耗和成本的企業將具有優勢。實現這一目標的一個關鍵技術是通過優化進行更好的規劃。 3.我們的世界因資源的消耗和過多的污染而衰敗。優化可以“給我們更多而需要更少”。這通常會導致更環保的過程。 但是算法如何幫助我們找到各種不同領域的難題的解決方案呢?這些算法有多普遍?他們如何幫助我們做出正確的決定?它們如何幫助我們節約資源?在本書中，我們將試圖回答所有這些問題。我們將探索很多不同的優化算法。我們將研究它們的實際實現，并將它們應用到示例問題中，以了解它們的優缺點。
付費5元查看完整內容
相關內容
學習如何在編寫高性能python程序和算法中使用數據結構這篇關于數據結構和算法的實用介紹可以幫助每一個想要編寫更高效軟件的程序員。本書以Robert Lafore基于java的傳奇指南為基礎，幫助學生準確理解數據結構和算法是如何運行的。您將學習如何用非常流行的Python語言有效地應用它們，并擴展您的代碼以應對當今的大數據挑戰。在整個過程中，作者關注現實世界的例子，用直觀的交互式可視化交流關鍵思想，并將復雜性和數學限制在提高性能所需的范圍內。他們逐步介紹了數組、排序、堆棧、隊列、鏈表、遞歸、二叉樹、2-3-4樹、哈希表、空間數據結構、圖等等。它們的代碼示例和插圖非常清晰，即使你是一個接近初學者，或者你有使用其他過程或面向對象語言的經驗，你也可以理解它們。
- 培養核心的計算機科學技能，使你不僅僅是“寫代碼”
- 了解數據結構如何使程序(和程序員)更高效
- 了解數據組織和算法如何影響您使用當前和未來計算資源的能力
- 開發可以在任何語言中使用的數據結構實現技能
- 為每個編程問題選擇最佳的數據結構和算法，并認識到應該避免哪些
- 《Python中的數據結構與算法》包含了大量的示例、復習問題、個人和團隊練習、思維實驗和較長的編程項目。它是自學和課堂設置的理想選擇，既可以作為主要文本，也可以作為更正式的演示的補充。
付費5元查看完整內容
數據科學
·
//link.springer.com/book/10.1007/978-3-319-55444-0
這本引人入勝的和清晰的書面教科書/參考提供了一個必要的介紹，迅速興起的跨學科領域的數據科學。它側重于成為一名優秀的數據科學家的基本原則，以及建立收集、分析和解釋數據的系統所需的關鍵技能。
《數據科學設計手冊》是一個實用的見解來源，它突出了分析數據中真正重要的東西，并提供了對如何使用這些核心概念的直觀理解。這本書沒有強調任何特定的編程語言或數據分析工具套件，而是著重于重要設計原則的高層討論。
《數據科學概論》是一門易于閱讀的課程，理想情況下，它能滿足本科生和早期研究生的需求。它揭示了這門學科如何處于統計學、計算機科學和機器學習的交叉點，具有自己獨特的分量和特點。這些和相關領域的從業者會發現這本書非常適合自學。
付費5元查看完整內容
本書逐步介紹了shell腳本如何幫助健康和生活專家解決日常工作中軟件依賴最小的許多數據處理任務。書中給出的示例顯示了如何使用簡單的命令行工具并將它們組合起來從Web資源中檢索數據和文本、過濾和挖掘文獻，以及探索生物醫學本體中編碼的語義。為了存儲數據，本書依賴于開放的標準文本文件格式，如TSV、CSV、XML和OWL，任何文本編輯器或電子表格應用程序都可以打開這些格式。前兩章，簡介和參考資料，簡要介紹了shell腳本，并描述了健康和生命科學中的流行數據資源。第三章，數據檢索，首先介紹了一個涉及多種數據資源的常見數據處理任務。然后，本章通過逐個介紹所需的命令行工具來說明如何自動化該任務的每個步驟。第四章，文本處理，展示了如何使用簡單的字符串匹配技術和正則表達式來過濾和分析文本。最后一章，語義處理，展示了XPath查詢和shell腳本是如何處理復雜數據的，比如用于指定本體的圖。除了在40多年的時間里幾乎是不可改變的，并且在我們的大多數個人計算機中都可以使用之外，健康和生活專家學習shell腳本相對容易，它是一組獨立的命令序列。理解它們就像通過測試和理解其程序步驟和變量，并結合它們的中間結果來執行一個新的實驗室方案。因此，這本書對想要輕松學習如何處理數據和文本的健康和生活專家或學生特別相關，而這反過來可能促進和激勵他們在未來獲得更深層次的生物信息學技能。
付費5元查看完整內容
圖論和組合優化之間的融合已經導致了理論深刻和實際有用的算法，但目前沒有一本書同時涵蓋這兩個領域。《圖論、組合優化和算法手冊》是第一本對圖論和組合優化進行統一、全面處理的書。
地址：
分為11個章節，集中在圖論，組合優化和算法問題。本書為讀者提供了算法和理論基礎:
理解由圖結構形成的現象 為圖結構的研究開發所需的算法和優化工具 設計和規劃導致某些理想行為的圖形結構
有來自40多個世界各地的專家的貢獻，這本手冊配備讀者必要的技術和工具，以解決各種應用中的問題。讀者可以接觸到圖論和組合優化的廣泛主題的理論和算法基礎，使他們能夠識別(并因此解決)在不同學科中遇到的問題，如電氣、通信、計算機、社會、交通、生物和其他網絡。
圖論和組合優化的研究在過去的三十年左右經歷了爆炸性的增長。電信網絡、大規模集成電路設計等技術突飛猛進;網絡科學等新領域的出現強調了在社會網絡和生物網絡中的應用;理論計算機科學的進步都促進了圖論、組合優化和相關算法問題的興趣和知識的爆炸。因此，毫不奇怪，這些學科已經成為工程和計算機科學課程的中心角色。現在有幾本關于圖論或組合優化的優秀教科書。這些書大致可以分為兩類。第一類是處理圖論或組合優化中所有基本主題的書籍。這些書是供大四本科生和初學研究生使用的教科書。第二類是對某些特定主題進行深入探討的書籍。它們適合那些打算從事圖論或組合優化研究的學生。由于這些學科已經達到了一定的成熟水平，我們認為需要一本對圖論和組合優化提供更廣泛和綜合處理的書。這樣的一本書將幫助學生和研究人員裝備自己的技術和工具，將加強他們的能力，看到機會應用圖論和組合優化解決他們在應用中遇到的問題。我們多年來在教學和應用圖論和組合優化方面的經驗使我們相信，雖然工具和技術能提高一個人解決問題的能力，但更廣泛地接觸它們也能幫助個人看到其他情況下看不到的問題。
付費5元查看完整內容
學習使用Python分析數據和預測結果的更簡單和更有效的方法
Python機器學習教程展示了通過關注兩個核心機器學習算法家族來成功分析數據，本書能夠提供工作機制的完整描述，以及使用特定的、可破解的代碼來說明機制的示例。算法用簡單的術語解釋，沒有復雜的數學，并使用Python應用，指導算法選擇，數據準備，并在實踐中使用訓練過的模型。您將學習一套核心的Python編程技術，各種構建預測模型的方法，以及如何測量每個模型的性能，以確保使用正確的模型。關于線性回歸和集成方法的章節深入研究了每種算法，你可以使用書中的示例代碼來開發你自己的數據分析解決方案。
機器學習算法是數據分析和可視化的核心。在過去，這些方法需要深厚的數學和統計學背景，通常需要結合專門的R編程語言。這本書演示了機器學習可以如何實現使用更廣泛的使用和可訪問的Python編程語言。
使用線性和集成算法族預測結果
建立可以解決一系列簡單和復雜問題的預測模型
使用Python應用核心機器學習算法
直接使用示例代碼構建自定義解決方案
機器學習不需要復雜和高度專業化。Python使用了更簡單、有效和經過良好測試的方法，使這項技術更容易為更廣泛的受眾所接受。Python中的機器學習將向您展示如何做到這一點，而不需要廣泛的數學或統計背景。
付費5元查看完整內容
如果您是用Python編程的新手，并且正在尋找可靠的介紹，那么這本書就是為您準備的。由計算機科學教師開發，在“為絕對初學者”系列叢書通過簡單的游戲創造教授編程的原則。您將獲得實際的Python編程應用程序所需的技能，并將了解如何在真實場景中使用這些技能。在整個章節中，你會發現一些代碼示例來說明所提出的概念。在每一章的結尾，你會發現一個完整的游戲，展示了這一章的關鍵思想，一章的總結，以及一系列的挑戰來測試你的新知識。當你讀完這本書的時候，你將非常精通Python，并且能夠將你所學到的基本編程原理應用到你要處理的下一種編程語言。
付費5元查看完整內容
管理統計和數據科學的原理包括:數據可視化;描述性措施;概率;概率分布;數學期望;置信區間;和假設檢驗。方差分析;簡單線性回歸;多元線性回歸也包括在內。另外，本書還提供了列聯表、卡方檢驗、非參數方法和時間序列方法。
教材:
- 包括通常在入門統計學課程中涵蓋的學術材料，但與數據科學扭曲，較少強調理論
- 依靠Minitab來展示如何用計算機執行任務
- 展示并促進來自開放門戶的數據的使用
- 重點是發展對程序如何工作的直覺
- 讓讀者了解大數據的潛力和目前使用它的失敗之處
付費5元查看完整內容
這本教科書通過提供實用的建議，使用直接的例子，并提供相關應用的引人入勝的討論，以一種容易理解的方式介紹了基本的機器學習概念。主要的主題包括貝葉斯分類器，最近鄰分類器，線性和多項式分類器，決策樹，神經網絡，和支持向量機。后面的章節展示了如何通過“推進”的方式結合這些簡單的工具，如何在更復雜的領域中利用它們，以及如何處理各種高級的實際問題。有一章專門介紹流行的遺傳算法。
這個修訂的版本包含關于工業中機器學習的實用應用的關鍵主題的三個全新的章節。這些章節研究了多標簽域，無監督學習和它在深度學習中的使用，以及歸納邏輯編程的邏輯方法。許多章節已經被擴展，并且材料的呈現已經被增強。這本書包含了許多新的練習，許多解決的例子，深入的實驗，和獨立工作的計算機作業。
//link.springer.com/book/10.1007/978-3-319-63913-0#about
付費5元查看完整內容
注冊地址： 北京市海淀區羊坊店路18號2幢3層301-191