دانلود کتاب Probabilistic Methods for Algorithmic Discrete Mathematics
49,000 تومان
روشهای احتمالی برای ریاضیات گسسته الگوریتمی
| موضوع اصلی | ریاضیات |
|---|---|
| نوع کالا | کتاب الکترونیکی |
| ناشر | Springer |
| تعداد صفحه | 172 |
| حجم فایل | 4 مگابایت |
| کد کتاب | 3540646221 |
| نوبت چاپ | 1 |
| زبان | انگلیسی |
|---|---|
| فرمت | DJVU |
| سال انتشار | 1998 |
جدول کد تخفیف
| تعداد کتاب | درصد تخفیف | قیمت کتاب |
| 1 | بدون تخفیف | 25,000 تومان |
| 2 | 20 درصد | 20,000 تومان |
| 3 الی 5 | 25 درصد | 18,750 تومان |
| 6 الی 10 | 30 درصد | 17,500 تومان |
| 11 الی 20 | 35 درصد | 16,250 تومان |
| 21 الی 30 | 40 درصد | 15,000 تومان |
| 31 الی 40 | 45 درصد | 13,750 تومان |
| 41 الی 50 | 50 درصد | 12,500 تومان |
| 51 الی 70 | 55 درصد | 11,250 تومان |
| 71 الی 100 | 60 درصد | 10,000 تومان |
| 101 الی 150 | 65 درصد | 8,750 تومان |
| 151 الی 200 | 70 درصد | 7,500 تومان |
| 201 الی 300 | 75 درصد | 6,250 تومان |
| 301 الی 500 | 80 درصد | 5,000 تومان |
| 501 الی 1000 | 85 درصد | 3,750 تومان |
| 1001 الی 10000 | 90 درصد | 2,500 تومان |
ترجمه فارسی توضیحات (ترجمه ماشینی)
روشهای احتمالی برای ریاضیات گسسته الگوریتمی
این کتاب یک گزارش قابل دسترس از روش های احتمالی مدرن برای تجزیه و تحلیل ساختارها و الگوریتم های ترکیبی ارائه می دهد. راهنمای مفیدی برای دانشجویان تحصیلات تکمیلی و محققین خواهد بود. ویژگیهای ویژه عبارتند از: درمان ساده نابرابریهای تالگرند و کاربردهای آن. یک مرور کلی و نمونه های زیادی از تحلیل احتمالی الگوریتم های ترکیبی. بحث در مورد الگوریتم “شبیه سازی دقیق” (در زمینه روش های مونت کارلو زنجیره مارکوف). یک روش کلی برای یافتن رنگآمیزی گراف بهطور مجانبی بهینه یا نزدیک به بهینه، که نشان میدهد چگونه روش احتمالی ممکن است برای بهرهبرداری از ساختار نمودار زیربنایی بهخوبی تنظیم شود. یک درمان مختصر از الگوریتم های تصادفی و تکنیک های تصادفی سازی
The book gives an accessible account of modern probabilistic methods for analyzing combinatorial structures and algorithms. It will be an useful guide for graduate students and researchers. Special features included: a simple treatment of Talagrand’s inequalities and their applications; an overview and many carefully worked out examples of the probabilistic analysis of combinatorial algorithms; a discussion of the ”exact simulation” algorithm (in the context of Markov Chain Monte Carlo Methods); a general method for finding asymptotically optimal or near optimal graph colouring, showing how the probabilistic method may be fine-tuned to exploit the structure of the underlying graph; a succinct treatment of randomized algorithms and derandomization techniques.
برای فرستادن دیدگاه، باید وارد شده باشید.
نقد و بررسیها
هنوز بررسیای ثبت نشده است.