Simulation-Based Optimization Parametric Optimization Techniques and Reinforcement Learning

5 évaluations par Goodreads

Langue : anglais

Edité par Springer, 2014

1489974903 / 9781489974907

Série : Livre 26 sur 35 - Operations Research/Computer Science Interfaces

Vendeur : Home-set, Mannheim, AllemagneHome-set

Vendeur avec une évaluation de 5 étoiles

Vendeur AbeBooks depuis 13 avril 2026

Livre relié

Etat: Neuf

EUR 240,74

EUR 58,92 expédition 
Expédition depuis Allemagne vers Etats-Unis

Quantité disponible : 2 disponibles

Ajouter au panier
Retours gratuits sous 30 jours

A propos de cet article

Simulation-Based Optimization: Parametric Optimization Techniques and Reinforcement Learning introduce the evolving area of static and dynamic simulation-based optimization. Covered in detail are model-free optimization techniques - especially designed for those discrete-event, stochastic systems which can be simulated but whose analytical models are difficult to find in closed mathematical forms.Key features of this revised and improved Second Edition include:? Extensive coverage, via step-by-step recipes, of powerful new algorithms for static simulation optimization, including simultaneous perturbation, backtracking adaptive search and nested partitions, in addition to traditional methods, such as response surfaces, Nelder-Mead search and meta-heuristics (simulated annealing, tabu search, and genetic algorithms)? Detailed coverage of the Bellman equation framework for Markov Decision Processes (MDPs), along with dynamic programming(value and policy iteration) for discounted, average, and total reward performance metrics? An in-depth consideration of dynamic simulation optimization via temporal differences and Reinforcement Learning: Q-Learning, SARSA, and R-SMART algorithms, and policy search, via API, Q-P-Learning, actor-critics, and learning automata? A special examination of neural-network-based function approximation for Reinforcement Learning, semi-Markov decision processes (SMDPs), finite-horizon problems, two time scales, case studies for industrial tasks, computer codes (placed online) and convergence proofs, via Banach fixed point theory and Ordinary Differential EquationsThemed around three areas in separate sets of chapters - Static Simulation Optimization, Reinforcement Learning and Convergence Analysis - this book is written for researchers and students in the fields of engineering (industrial, systems,electrical and computer), operations research, computer science and applied mathematics. Sprache: Englisch Gewicht in Gramm: 911. …

Titre
Simulation-Based Optimization Parametric Optimization Techniques and Reinforcement Learning
Auteur
Abhijit Gosavi
Éditeur
Springer
Année de publication
2014
État de l'article
Neu
Reliure
Gebundene Ausgabe
Langue
anglais
ISBN à 10 chiffres
1489974903
ISBN à 13 chiffres
9781489974907
Édition
2ème Édition
Poids de l'article
911 grammes
Série
Livre 26 sur 35: Operations Research/Computer Science Interfaces

Home-set

Mannheim, Allemagne

Vendeur avec une évaluation de 5 étoiles

Vendeur AbeBooks depuis 13 avril 2026

Frais d'expédition de Allemagne vers Etats-Unis

Article10 à 12 jours ouvrés8 à 10 jours ouvrés
Premier articleEUR 58,92EUR 88,67
Les délais de livraison sont fixés par les vendeurs et varient en fonction du transporteur et du lieu. Les commandes transitant par les douanes peuvent être retardées et les acheteurs sont responsables de tous les droits ou frais associés. Les vendeurs peuvent vous contacter au sujet de frais supplémentaires afin de couvrir toute augmentation des coûts d'expédition de vos articles.

Modes de paiement

  • Visa
  • Mastercard
  • American Express
  • Carte Bleue
  • Apple Pay
  • Google Pay
  • Chèque

Spécialité

Buch

Profil professionnel du vendeur

Home-set

Allemagne