凸优化理论
[美] Dimitri P. Bertsekas
评分 8.9分
本书主要分为两部分：凸分析和凸问题的对偶优化理论。 Dimitri P. Bertsekas 教授是优化理论的国际著名学者、美国国家工程院院士，现任美国麻省理工学院电气工程与计算机科学系教授，曾在斯坦福大学工程经济系和伊利诺伊大学电气工程系任教，在优化理论、控制工程、通信工程、计算机科学等领域有丰富的科研教学经验，成果丰硕。博赛克斯教授是一位多产作者，著有14本专著和教
概率导论
评分 9.2分
本书是在MIT开设概率论入门课程的基础上编写的，其内容全面，例题和习题丰富，结构层次性强，能够满足不同读者的需求。书中介绍了概率模型、离散随机变量和连续随机变量、多元随机变量以及极限理论等概率论基本知识，还介绍了矩母函数、条件概率的现代定义、独立随机变量的和、最小二乘估计等高级内容。 本书可作为所有高等院校概率论入门的基础教程，也可作为有关概率论方面的参考书。
概率导论（第2版·修订版）
评分 9.3分
评分 暂无
本书基于麻省理工学院开设的概率论入门课程编写，内容全面，例题和习题丰富，结构层次性强，能够满足不同读者的需求。书中介绍了概率模型、离散随机变量和连续随机变量、多元随机变量以及极限理论等概率论基础知识，还介绍了矩母函数、条件概率的现代定义、独立随机变量的和、最小二乘估计等高级内容。 Dimitri P. Bertsekas，美国工程院院士，IEEE会士。1971年获美国麻
动态规划与最优控制（第Ⅱ卷）
本书系统性介绍动态规划，特别是近似动态规划，包括折扣问题的理论与计算方法、随机最短路问题、无折扣问题、平均费用问题、折扣与无折扣问题的近似动态规划等。 Dimitri Bertsekas 曾在希腊国立雅典技术大学学习机械与电机工程，之后从麻省理工学院获得系统科学博士学位。曾先后在斯坦福大学工程与经济系统系和伊利诺伊大学香槟分校的电机工程系任教。1979年以来，他一直在麻
强化学习与最优控制
本书的目的是考虑大型且具有挑战性的多阶段决策问题，这些问题原则上可以通过动态规划和最优控制来解决，但它们的精确解决方案在计算上是难以处理的。本书讨论依赖于近似的解决方法，以产生具有足够性能的次优策略。这些方法统称为增强学习，也可以叫做近似动态规划和神经动态规划等。本书的主题产生于最优控制和人工智能思想的相互作用。本书的目的之一是探索这两个领域之间的共同边界，并架设一座具有任一领域背景的专业人
非线性规划（第3版）
本书涵盖非线性规划的主要内容，包括无约束优化、凸优化、拉格朗日乘子理论和算法、对偶理论及方法等，包含了大量的实际应用案例。本书从无约束优化问题入手，通过直观分析和严格证明给出了无约束优化问题的*优性条件，并讨论了梯度法、牛顿法、共轭方向法等基本实用算法。进而将无约束优化问题的*优性条件和算法推广到具有凸集约束的优化问题中，进一步讨论了处理约束问题的可行方向法、条件梯度法、梯度投影法、双度量投
抽象动态规划
本书采用一种简洁的方式介绍动态规划的理论和方法。作者首先把动态规划的核心问题表述为一类抽象映射的不动点问题；然后将决定不动点问题求解难度的主要因素概括为上述抽象映射的两个性质：单调性和压缩性；接着在假设单调性始终成立的前提下．围绕压缩性是否成立，顺序讨论了各种典型情况下相应不动点问题的主要性质和求解方法。其中第2章介绍压缩性成立时的结果．第3章介绍压缩性部分成立时的结果，第4章介绍压缩性不成
凸分析与优化
阅读本书仅需要线性代数和数学分析的基本知识。通过学习本书，可以了解凸分析和优化领域的主要结果，掌握有关理论的本质内容，提高分析和解决优化问题的能力。因此，所有涉足系统分析领域的理论研究人员和实际工作者均可从学习或阅读本书中获得益处。此外，本书也可用作高年级大学生或研究生学习凸分析方法和理论的教材或辅助材料。 Dimitri P.Bertsekas，美国国家工程院院士，麻
