دانلود حل تمرین شبیه سازی و روش مونت کارلو ویرایش دوم Simulation and the Monte Carlo Method Rubinstein Kroese

دانلود حل تمرین شبیه سازی و روش مونت کارلو ویرایش دوم Simulation and the Monte Carlo Method Rubinstein Kroese

کتاب حل المسائل شبیه سازی و روش مونتو کارلو نویسندگان: کروز و روبین استین

Simulation and the Monte Carlo Method 2nd Edition

 

 آنچه تحویل داده می شود:

 1. فایل PDF حل تمرینات (با کیفیت عالی)
تعداد صفحات:  186 صفحه

زبان انگلیسی

دروس مرتبط: شبیه سازی کامپیوتری, شبیه سازی پیشرفته, مونت کارلو

توضیحات:
This accessible new edition explores the major topics in Monte Carlo simulation

Simulation and the Monte Carlo Method, Second Edition reflects the latest developments in the field and presents a fully updated and comprehensive account of the major topics that have emerged in Monte Carlo simulation since the publication of the classic First Edition over twenty-five years ago. While maintaining its accessible and intuitive approach, this revised edition features a wealth of up-to-date information that facilitates a deeper understanding of problem solving across a wide array of subject areas, such as engineering, statistics, computer science, mathematics, and the physical and life sciences.

The book begins with a modernized introduction that addresses the basic concepts of probability, Markov processes, and convex optimization. Subsequent chapters discuss the dramatic changes that have occurred in the field of the Monte Carlo method, with coverage of many modern topics including:

  • Markov Chain Monte Carlo
  • Variance reduction techniques such as the transform likelihood ratio method and the screening method
  • The score function method for sensitivity analysis
  • The stochastic approximation method and the stochastic counter-part method for Monte Carlo optimization
  • The cross-entropy method to rare events estimation and combinatorial optimization
  • Application of Monte Carlo techniques for counting problems, with an emphasis on the parametric minimum cross-entropy method

An extensive range of exercises is provided at the end of each chapter, with more difficult sections and exercises marked accordingly for advanced readers. A generous sampling of applied examples is positioned throughout the book, emphasizing various areas of application, and a detailed appendix presents an introduction to exponential families, a discussion of the computational complexity of stochastic programming problems, and sample MATLAB programs.

Requiring only a basic, introductory knowledge of probability and statistics, Simulation and the Monte Carlo Method, Second Edition is an excellent text for upper-undergraduate and beginning graduate courses in simulation and Monte Carlo techniques. The book also serves as a valuable reference for professionals who would like to achieve a more formal understanding of the Monte Carlo method.

  ترجمه گوگل:  

این نسخه جدید در دسترس، موضوعات مهم در شبیه سازی مونت کارلو را بررسی می کند

شبیه سازی و روش مونت کارلو، نسخه دوم نشان دهنده آخرین تحولات در زمینه و ارائه یک گزارش کاملا به روز شده و جامع از موضوعات مهم که در شبیه سازی مونت کارلو از انتشار اولین نسخه کلاسیک بیش از بیست و پنج سال پیش ظهور کرده است. در حالی که حفظ رویکرد در دسترس و بصری خود، این نسخه تجدید نظر ویژگی های ثروت از اطلاعات به روز است که باعث می شود درک عمیق تر از حل مشکل در مجموعه ای گسترده از زمینه های موضوعی، مانند مهندسی، آمار، علوم رایانه، ریاضیات و علوم فیزیکی و زندگی
این کتاب با یک مقدمه مدرن که با مفاهیم اساسی احتمال، فرآیندهای مارکوف و بهینه سازی محدب می پردازد، آغاز می شود. فصل های بعدی بحث و بررسی تغییرات چشمگیر در زمینه روش مونت کارلو، با پوشش بسیاری از موضوعات مدرن از جمله:
   
مارت کارو زنجیره مارکوف
    
تکنیک های کاهش واریانس مانند روش نسبت اعتبار تبدیل و روش غربالگری
    
روش تابع نمره برای تحلیل حساسیت
    
روش تقریبی تصادفی و روش متضاد تصادفی برای بهینه سازی مونت کارلو
    
روش متقاطع آنتروپی برای برآورد نادرست حوادث و بهینه سازی ترکیبی
    
استفاده از تکنیک های مونت کارلو برای شمارش مشکلات با تاکید بر حداقل روش پارامتریک آنتروپی متقاطع
طیف گسترده ای از تمرینات در پایان هر فصل ارائه می شود، بخش های سخت تر و تمرین هایی که بر اساس آن برای خوانندگان پیشرفته مشخص شده اند. نمونه گیری سخاوتمندانه از نمونه های کاربردی در سراسر کتاب، با تاکید بر زمینه های مختلف کاربرد، و یک پیوست مفصل معرفی مقدمه ای بر خانواده های نمایشی، بحث در مورد پیچیدگی محاسباتی مشکلات مشکوک برنامه ریزی و نمونه های MATLAB است.
نیاز به دانش پایه و مقدماتی درباره احتمال و آمار، شبیه سازی و روش مونت کارلو، نسخه دوم متن عالی برای دوره های فوق لیسانس و شروع دوره های فارغ التحصیل در شبیه سازی و تکنیک های مونت کارلو است. این کتاب همچنین به عنوان یک مرجع ارزشمند برای حرفه ایانی است که می خواهند به رسمیت شناختن رسمی از روش مونت کارلو بپردازند.

۱٫ مقدماتی ۱٫ ۱٫۱ آزمایش های تصادفی ۱٫۲ احتمال احتمالی و استقلال. ۱٫۳ متغیرهای تصادفی و توزیع احتمالات. ۱٫۴ برخی از توزیع های مهم. ۱٫۵ انتظار ۱٫۶ توزیع مشترک. ۱٫۷ توابع متغیرهای تصادفی. ۱٫۸ تبدیل می کند ۱٫۹ متغیرهای تصادفی به طور عادی. ۱٫۱۰ قضیه محدود. ۱٫۱۱ پروسس پواسون. ۱٫۱۲ فرآیندهای مارکوف. زنجیره مارکوف ۱٫۱۲٫۱٫ ۱٫۱۲٫۲ فرآیندهای پرش مارکف. ۱٫۱۳ کارایی برآوردگرها. ۱٫۱۴ اطلاعات ۱٫۱۵ بهینه سازی محدب و دوگانگی. ۱٫۱۵٫۱ روش لاگرانژ. ۱٫۱۵٫۲ دوگانگی چالش ها و مسائل. منابع. ۲٫ تعداد تصادفی، متغیر تصادفی و روند تولید اتفاقی. ۲٫۱ مقدمه ۲٫۲ تعداد نسل تصادفی. ۲٫۳ نسل متغیر تصادفی. ۲٫۳٫۱ معکوس تبدیل روش. ۲٫۳٫۲ روش نام مستعار. ۲٫۳٫۳ روش ترکیب ۲٫۳٫۴ روش پذیرش-رد ۲٫۴ تولید از توزیع های معمول استفاده می شود. ۲٫۴٫۱ تولید متغیرهای تصادفی مستمر. ۲٫۴٫۲ ایجاد متغیرهای تصادفی گسسته ۲٫۵ نسل بردار تصادفی. ۲٫۵٫۱ روش پذیرش پذیری-رد کردن. ۲٫۵٫۲ تولید متغیرها از توزیع چندتایی. ۲٫۵٫۳ تولید یک بردار تصادفی یکنواخت در یک سگمنت. ۲٫۵٫۴ تولید بردارهای تصادفی، به طور یکنواخت در بیش از یک توپ بیش از حد و بیش از حد کره توزیع شده است. ۲٫۵٫۵ تولید بردارهای تصادفی، به طور یکنواخت در بیش از اللیپسید توزیع شده است. ۲٫۶ تولید پروسس پواسون. ۲٫۷ تولید زنجیره مارکوف و مراحل پرش مارکوف. ۲٫۸ ایجاد تغییرات تصادفی. چالش ها و مسائل. منابع. ۳٫ شبیه سازی سیستم های رویداد گسسته ۳٫۱ مدل های شبیه سازی. ۳٫۲ ساعت شبیه سازی و لیست رویداد برای DEDS. 3.3 شبیه سازی رویداد گسسته ۳٫۳٫۱ صف صفر. ۳٫۳٫۲ مشکل تعمیرکار. چالش ها و مسائل. منابع. ۴٫ تحلیل آماری سیستم های رویداد گسسته. ۴٫۱ مقدمه ۴٫۲ مدل های شبیه سازی استاتیک ۴٫۳ مدل های شبیه سازی پویا ۴٫۳٫۱ شبیه سازی محدود افق ۴٫۳٫۲ شبیه سازی حالت ایستا ۴٫۴ راه بوت استرپ. چالش ها و مسائل. منابع. ۵٫ کنترل واریانس. ۵٫۱ مقدمه ۵٫۲ متغیرهای تصادفی مشترک و غیر انتفاعی. ۵٫۳ متغیرهای کنترل ۵٫۴ شرط بندی مونت کارلو. ۵٫۴٫۱ کاهش واریانس برای مدلهای قابلیت اطمینان. ۵٫۵ نمونه گیری تار شده نمونه برداری اهمیت ۵٫۶٫ ۵٫۶٫۱ روش کم کردن واریانس. ۵٫۶٫۲ روش متقاطع آنتروپی. ۵٫۷ نمونه گیری اهمیت سریال. ۵٫۷٫۱ فیلتر غیر خطی برای مدل های پنهان مارکوف. ۵٫۸ روش تقارن احتمال تبدیل. ۵٫۹ جلوگیری از بروز نمونه برداری از اهمیت. ۵٫۹٫۱ الگوریتم غربالگری دو مرحلهای. مطالعه موردی ۵٫۹٫۲٫ چالش ها و مسائل. منابع. ۶٫ مارکف زنجیره مونت کارلو. ۶٫۱ مقدمه ۶٫۲ الگوریتم Metropolis-Hastings. 6.3 نمونه نمونه برداری و اجرا. ۶٫۴ نمونه گیبس. ۶٫۵ مدل های Ising و Potts. 6.6 آمار بیزی. ۶٫۷ نمونه دیگر مارکوف. ۶٫۸ آنیلینگ شبیه سازی شده. ۶٫۹ نمونه ای کامل چالش ها و مسائل. منابع. ۷٫ تحلیل حساسیت و بهینه سازی مونت کارلو. ۷٫۱ مقدمه ۷٫۲ روش تابع امتیاز برای تحلیل حساسیت DESS. 7.3 بهینه سازی مبتنی بر شبیه سازی DESS. 7.3.1 تقریب تصادفی. ۷٫۳٫۲ روش متقابل استوکاستیک. ۷٫۴ حساسیت تحلیل DEDS. چالش ها و مسائل. منابع. ۸٫ روش متقابل آنتروپی. ۸٫۱ مقدمه ۸٫۲ برآورد احتمالات رویداد نادر. ۸٫۲٫۱ مشکل ریشه یابی. ۸٫۲٫۲ روش غربالگری برای رویدادهای نادر. ۸٫۳ روش CE برای بهینه سازی. ۸٫۴ مشکل حداکثر برش. ۸٫۵ مشکل پارتیشن. ۸٫۶ مشکل فروشندگان مسافرتی. ۸٫۶٫۱ نمودارهای ناکامل ۸٫۶٫۲ جایگذاری گره. مطالعات موردی ۸٫۶٫۳٫ ۸٫۷ بهینه سازی مداوم ۸٫۸ بهینه سازی پر سر و صدا. چالش ها و مسائل. منابع. ۹٫ شمارش از طریق مونت کارلو. ۹٫۱ شمارش مشکلات ۹٫۲ مشکل رضایتمندی. ۹٫۲٫۱ K-SAT تصادفی (K-RSAT). 9.3 چارچوب رویداد نادر برای شمارش. ۹٫۳٫۱ رویدادهای نادر برای مشکل رضایتمندی. ۹٫۴ دیگر الگوریتم های تصادفی برای شمارش. ۹٫۴٫۱ پیچیدگی الگوریتم های تصادفی: FPRAS و FPAUS. 9.5 MinxEnt و پارامتری MinxEnt. 9.5.1 روش MinxEnt. 9.5.2 ارزیابی احتمالی رویداد نادر با استفاده از PME. 9.6 PME برای COP و تصمیم گیری. ۹٫۷ نتایج عددی. چالش ها و مسائل. منابع. پیوست اول. A.1 روش ریشه Square Cholessky. A.2 نمونه برداری دقیق از یک توزیع شرطی برنولی. A.3 نمایندگان خانواده A.4 تحلیل حساسیت A.4.1 نتیجه انقباض A.4.2 نتایج یکسان بودن. A.5 پیاده سازی ساده الگوریتم CE برای بهینه سازی عملکرد “peaks”. A.6 زمان گسسته Kalman Filter. A.7 مشکل برونولی اختلال. A.8 پیچیدگی های برنامه ریزی اتفاقی. چالش ها و مسائل.

 
پیشنهاد ما برای ترجمه تمرینات این کتاب:

اگر خواستید این کتاب را ترجمه نمایید به ما اطلاع دهید و کار را به ما بسپارید  (ترجمه مقالات شما با بهترین کیفیت و قیمت مناسب):

۰۹۳۰۱۶۴۴۴۱۳ (تلگرام)

پس از خرید از درگاه امن بانکی، لینک دانلود در اختیار شما قرار میگیرد و همچنین به آدرس ایمیل شما فرستاده می شود. تماس با ما برای راهنمایی، درخواست مقالات و پایان نامه ها و یا ترجمه و یا انجام پروژه های برنامه نویسی و حل تمرینات با آدرس ایمیل:

ebarkat.shop@yahoo.com

یا شناسه تلگرام (آی دی تلگرام ما): @ebarkat

توجه: اگر کارت بانکی شما رمز دوم ندارد و یا در خرید الکترونیکی به مشکل برخورد کردید و یا به هر دلیلی تمایل به پرداخت الکترونیکی ندارید با ما تماس بگیرید تا راههای دیگری برای پرداخت به شما پیشنهاد کنیم.

توجه توجه توجه: هرگونه کپی برداری و فروش فایل های فروشگاه برکت الکترونیک (به آدرس solutions.sellfile.ir) در فروشگاه های دیگر شرعاً حرام است، تمامی فایل ها و پروژه های موجود در فروشگاه، توسط ما اجرا و پیاده سازی و یا از منابع معتبر زبان اصلی جمع آوری شده اند و دارای حق کپی رایت اسلامی می باشند.

از پایین همین صفحه (بخش پرداخت و دانلود) می توانید این پروژه را خریداری و دانلود نمایید.

کد محصول: ۶۰۰۵۰

«جهت دانلود فایل اینجا را کلیک نمایید.»

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

− 6 = 2