Własności i algorytmy rozwiązywania problemów optymalizacji dyskretnej

SPIS TREŚCI

Wstęp

1. Wybrane zagadnienia z zakresu inteligencji obliczeniowej dla rozproszonych środowisk sieciowych

1.1. Sztuczne sieci neuronowe i sieci o radialnych funkcjach bazowych
1.2. Teoria zbiorów i systemów rozmytych
1.3. Algorytmy ewolucyjne
1.4. Podsumowanie

2. Zagadnienie komunikacji czasu rzeczywistego w rozproszonym środowisku sieciowym

2.1. Wprowadzenie z zakresu komunikacji czasu rzeczywistego w rozproszonym środowisku sieciowym
2.2. Analiza dostępnych metod komunikacji czasu rzeczywistego
2.3. Algorytm komunikacji czasu rzeczywistego o wysokiej przepustowości i krótki czasie reakcji
2.4. Analiza wydajności proponowanego rozwiązania
2.5. Podsumowanie

3. Metoda modelowania rozmytego i sprzętowej implementacji składowych rozproszonych środowiska sieciowego

3.1. Wprowadzenie z zakresu modelowania nieliniowych obiektów dynamicznych
3.2. Emulatory obiektów pracujących w środowisku rozproszonym
3.3. Metoda modelowania rozmytego nieliniowych obiektów dynamicznych
3.4. Implementacja w technologii FPGA wybranej klasy struktur rozmytych
3.5. Metoda sprzętowej implementacji w technologii FRGA inteligentnego emulatora nieliniowych obiektów dynamicznych
3.6. Podsumowanie

4. Inteligentne wsparcie działania składowych rozproszonego środowiska sieciowego

4.1. Wprowadzenie z zakresu generacji trajektorii referencyjnych dla obrabiarek numerycznych
4.2. Algorytm generatora gładkiej trajektorii ruchu bazujący na metodach inteligencji obliczeniowej
4.3. System rozmyto-neuronowy w generacji trajektorii gładkich
4.4. Wyniki badań eksperymentalnych
4.5. Podsumowanie

5. Projektowanie składowych rozproszonych środowiska sieciowego z wykorzystaniem podejścia ewolucyjnego

5.1. Wprowadzenie z zakresu projektowania układów regulacji automatycznej
5.2. Ewolucyjny algorytm optymalizacji wielokryterialnej systemów sterowania
5.3. Podsumowanie

6. Podsumowanie i uwagi końcowe
Literatura

1. Wprowadzenie

1.1. Sterownie procesami deskryptorowymi
1.2. Układy różniczkowo-algebraiczne w teorii sterowania
1.3. Różniczkowo-algebraiczne równania Eulera-Lagrange'a
1.4. Właściwości i klasyfikacja układów deskryptorowych
1.5. Złożone procesy technologiczne
1.6. Przykłady procesów wielostadialnych
1.7. Nowe rezultaty

2. Wstępna analiza procesu

2.1. Motywacja
2.2. Analiza procesów jednoetapowych
2.3. Nowe rezultaty
2.4. Indeks procesu jednostadialnego
2.5. Analiza procesów wielostadialnych
2.6. Nowe rezultaty

3. Zadanie sterowania optymalnego a zadanie optymalizacji

3.1. Motywacja
3.2. Metoda strzałów i dwu-punktowe zagadnienie brzegowe
3.3. Metoda strzałów wielopunktowych
3.4. Parametryzacja funkcji sterującej
3.5. Bezpośrednia metoda strzałów
3.6. Podejście sekwencyjne
3.7. Rozwiązywanie równań deskryptorowych

4. Nowe algorytmy sterowania optymalnego

4.1. Pełna parametryzacja zdania sterowania
4.2. Zadanie optymalizacji z ograniczeniami ciągło-punktowymi
4.3. Podejście sekwencyjno-kolokacyjne
4.4. Konieczne warunki optymalności
4.5. Właściwości nowego algorytmu

5. Wyniki symulacji komputerowych

5.1. Sterowanie reaktorem kinetycznym
5.2. Lądowanie samolotu przerwane przez uskok wiatru

6. Podsumowanie

Jak już wiesz, struktura danych jest sposobem zorganizowania danych w pamięci komputera, co ma umożliwić szybkie wykonywanie zamierzonych operacji. Pamiętasz też, że algorytm jest sekwencją działań pozwalających na rozwiązanie problemu. Często warunkiem poprawnego działania algorytmu i pomyślnego rozwiązania problemu programistycznego jest trafny wybór struktury danych. To bardzo ważne zagadnienie. Nawet jeśli dobrze znasz wybrany język programowania, to aby pisać dobry kod, musisz nabrać biegłości w posługiwaniu się algorytmami i strukturami danych.

Dzięki tej książce nauczysz się rozwiązywać ambitne problemy algorytmiczne i projektować własne algorytmy. Materiałem do ćwiczeń są tu przykłady zaczerpnięte z konkursów programistycznych o światowej renomie. Dowiesz się, jak klasyfikować problemy, czym się kierować podczas wybierania struktury danych i jak dobierać odpowiednie algorytmy. Sprawdzisz także, w jaki sposób wybór struktury danych może wpłynąć na czas wykonywania algorytmów. Nauczysz się też używać takich metod jak rekurencja, programowanie dynamiczne czy wyszukiwanie binarne. Swoich sił spróbujesz w ramach samodzielnej pracy nad modyfikacją poszczególnych algorytmów. Zamieszczone tu szczegółowe analizy kodu pomogą Ci w zrozumieniu praktycznych aspektów stosowania algorytmów i struktur danych.

W książce między innymi:

algorytm przeszukiwania wszerz
algorytm Dijkstry
struktura zbiorów rozłącznych
kopce
tablice mieszające

Algorytmy: zmierzysz się z naprawdę trudnymi problemami!

O autorze książki

Dr Daniel Zingaro jest wielokrotnie nagradzanym wykładowcą Uniwersytetu Toronto. Głównym obszarem jego badań naukowych jest metodyka nauczania informatyki i sposób przyswajania tej dziedziny wiedzy. Słynie z niekonwencjonalnego i innowacyjnego podejścia do pracy ze studentami.

Spis treści:
1. Wprowadzenie do tematyki agentowej w Informatyce
2. Agent a dekompozycja algorytmu

2.1. Geneza agenta
2.2. Model algorytmu i problemy związane z jego dekompozycją
2.3. Dekompozycja inspirowana podziałem zbioru
2.4. Dekompozycja inspirowana pojęciem iloczynu kartezjańskiego
2.5. Zastosowanie iloczynu kartezjańskiego do zbioru U
2.6. System wieloagentowy jako rezultat dekompozycji algorytmu
2.7. Zastosowanie iloczynu kartezjańskiego w kategorii algorytmów
2.8. Podsumowanie - dekompozycja, agent, autonomia

3. M-agent

3.1. Wprowadzenie
3.2. Pojęcie agenta i koncepcja jego architektury
3.3. M-agent w systemie agentowym
3.4. Model oparty na architekturze M-agenta
3.5. Koncepcja profilu agenta i model agenta wieloprofilowego
3.6. Rozszerzenia i zastosowania koncepcji M-agenta

4. Równoważenie rozłożenia zasobów

4.1. Wprowadzenie
4.2. Agentowe środowisko równoważenia rozkładu zasobów
4.3. System agentowy
4.4. Informacja w systemie agentowym
4.5. Stabilizacja i skalowanie systemu wieloagentowego
4.6. Przykładowe wyniki badania równoważenia zasobów w strukturze wieloprocesorowej
4.7. Podsumowanie

5. Przykłady zastosowań systemów agentowych

5.1. Agenty w zarządzaniu współpracującymi robotami mobilnymi
5.2. Agent w systemach zorientowanych na usługi (SOA)
5.3. Agentowy system rozpoznawania nietypowych zachowań
5.4. Agenty w systemach ewolucyjnych
5.5. Agent w symulacji procesów dynamicznych

6. Zakończenie

Nowe wydanie najlepszego na świecie podręcznika z dziedziny algorytmów i struktur danych. Omówiono w nim metody matematyczne stosowane do analizy algorytmów, sortowanie i statystyki pozycyjne, struktury danych, podstawowe metody projektowania efektywnych algorytmów. Dużo miejsca poświęcono złożonym strukturom danych i podstawowym algorytmom grafowym. W nowym wydaniu znajdziesz: - nowe rozdziały dotyczące dopasowania w grafach dwudzielnych, algorytmów online i uczenia maszynowego, - zaktualizowany materiał dotyczący rozwiązywania równań rekurencyjnych, tablic z haszowaniem, potencjalnych funkcji i tablic sufiksów, - 140 nowych ćwiczeń i 22 nowe problemy do rozwiązania. Poszczególne części książki to materiał dydaktyczny do wielu przedmiotów informatycznych, takich jak: matematyka dyskretna, kombinatoryka, algorytmy i struktury danych, teoria grafów, metody programowania. Publikacja jest niezbędnym źródłem wiedzy dla wszystkich, którzy chcą zajmować się projektowaniem i programowaniem systemów informatycznych.

Zaprzyjaźnij się z algorytmami. Przewodnik dla początkujących i średniozaawansowanych zawiera opis podstawowych i najważniejszych technik algorytmicznych i struktur danych, które zostały uporządkowane w osiemnastu rozdziałach. Do każdego tematu wyselekcjonowano zadania o zróżnicowanym poziomie trudności odpowiednie zarówno dla początkujących, jak i bardziej zaawansowanych uczniów. Książka jest również doskonałym materiałem dydaktycznym dla nauczycieli szkół gimnazjalnych i ponadgimnazjalnych.