دانلود کتاب Markov Chains Models Algorithms and Applications

ترجمه فارسی توضیحات (ترجمه ماشینی)

الگوریتم ها و کاربردهای مدل های زنجیره مارکوف

زنجیره‌های مارکوف: مدل‌ها، الگوریتم‌ها و کاربردها، پیشرفت‌های اخیر مدل‌های زنجیره مارکوف را برای مدل‌سازی توالی‌های صف، اینترنت، سیستم‌های تولید مجدد، لجستیک معکوس، سیستم‌های موجودی، بیو انفورماتیک، توالی‌های DNA، شبکه‌های ژنتیکی، داده‌کاوی و بسیاری دیگر از موارد کاربردی را تشریح می‌کند. سیستم های.
کتاب از هشت فصل تشکیل شده است. فصل 1 مقدمه ای کوتاه بر نظریه کلاسیک در هر دو زنجیره مارکوف زمان گسسته و پیوسته است. رابطه بین زنجیره های مارکوف حالت های محدود و نظریه ماتریس نیز مورد بحث قرار گرفته است. فصل 2 کاربردهای زنجیره مارکوف زمان پیوسته برای مدل‌سازی سیستم‌های صف و زنجیره‌های مارکوف زمان گسسته برای محاسبات را مورد بحث قرار می‌دهد. فصل 3 سیستم‌های تولید مجدد را مطالعه می‌کند و مدل‌های مارکویی را برای کاربردهای تولید معکوس ارائه می‌کند. در فصل 4، مدل‌های مارکوف پنهان برای طبقه‌بندی مشتریان اعمال می‌شوند. فصل 5 فرآیند تصمیم گیری مارکوف را برای ارزش های طول عمر مشتری مورد بحث قرار می دهد. ارزش های طول عمر مشتری (CLV) یک مفهوم و کمیت مهم در مدیریت بازاریابی است. فصل 6 مدل های زنجیره مارکوف درجه بالاتر را پوشش می دهد. مدل‌های چند متغیره مارکوف در فصل 7 مورد بحث قرار می‌گیرند. این مدل یک کلاس از مدل‌های زنجیره مارکوف چند متغیره را با مرتبه پایین‌تری از پارامترهای مدل ارائه می‌کند. فصل 8 مدل های مارکوف پنهان مرتبه بالاتر را مطالعه می کند. این یک کلاس از مدل‌های مارکوف پنهان مرتبه بالاتر با یک الگوریتم کارآمد برای حل پارامترهای مدل پیشنهاد می‌کند.
این کتاب برای دانشجویان، متخصصان، پزشکان و محققان در ریاضیات کاربردی، محاسبات علمی و تحقیقات عملیاتی که به فرمول‌بندی و محاسبات سیستم‌های نوبت‌دهی و تولید علاقه‌مند هستند، ارائه شده است.

Markov Chains Models Algorithms and Applications

MARKOV CHAINS: Models, Algorithms and Applications outlines recent developments of Markov chain models for modeling queueing sequences, Internet, re-manufacturing systems, reverse logistics, inventory systems, bio-informatics, DNA sequences, genetic networks, data mining, and many other practical systems.
The book consists of eight chapters. Chapter 1 is a brief introduction to the classical theory on both discrete and continuous time Markov chains. The relationship between Markov chains of finite states and matrix theory is also discussed. Chapter 2 discusses the applications of continuous time Markov chains to model queueing systems and discrete time Markov chains for computing. Chapter 3 studies re-manufacturing systems and presents Markovian models for reverse manufacturing applications. In Chapter 4, Hidden Markov models are applied to classify customers. Chapter 5 discusses the Markov decision process for customer lifetime values. Customer Lifetime Values (CLV) is an important concept and quantity in marketing management. Chapter 6 covers higher-order Markov chain models. Multivariate Markov models are discussed in Chapter 7. It presents a class of multivariate Markov chain models with a lower order of model parameters. Chapter 8 studies higher-order hidden Markov models. It proposes a class of higher-order hidden Markov models with an efficient algorithm for solving the model parameters.
This book is aimed at students, professionals, practitioners, and researchers in applied mathematics, scientific computing, and operational research, who are interested in the formulation and computation of queueing and manufacturing systems.