Bøger af Kurt Marti

Das Buch führt in die Analyse und Optimierung von Tragwerken unter stochastischer Unsicherheit ein und stellt die Grundlagen zum Teil von unterschiedlichen Standpunkten aus dar. In Teil I wird die lineare Theorie der Stabtragwerke als Grundlage für die FEM entwickelt. Teil II zeigt, wie sich die Wahrscheinlichkeitsverteilungen der Verschiebungen und Spannungen in den Knoten aus denen der stochastischen Stabparameter und äußeren Lasten berechnen lassen. Teil III behandelt die Optimierung von Tragwerken mit stochastischen Parametern. Mit zahlreichen eingehend behandelten Beispielen.

This book examines optimization problems that in practice involve random model parameters. It outlines the computation of robust optimal solutions, i.e., optimal solutions that are insensitive to random parameter variations, where appropriate deterministic substitute problems are needed. Based on the probability distribution of the random data and using decision theoretical concepts, optimization problems under stochastic uncertainty are converted into corresponding deterministic problems.Due to the probabilities and expectations involved, the book also shows how to apply approximative solution techniques. Several deterministic and stochastic approximation methods are provided: Taylor expansion methods, regression and response surface methods (RSM), probability inequalities, multiple linearization of survival/failure domains, discretization methods, convex approximation/deterministic descent directions/efficient points, stochastic approximation and gradient procedures, and differentiation formulas for probabilities and expectations.The fourth edition of this classic text has been carefully and thoroughly revised. It includes new chapters on the solution of stochastic linear programs by discretization of the underlying probability distribution, and on solving deterministic optimization problems by means of controlled random search methods and multiple random search procedures. It also presents a new application of stochastic optimization methods to machine learning problems with different loss functions. For the computation of optimal feedback controls under stochastic uncertainty, besides the open-loop feedback procedures, a new method based on Taylor expansions with respect to the gain parameters is presented. The book is intended for researchers and graduate students who are interested in stochastics, stochastic optimization, and control. It will also benefit professionals and practitioners whose work involves technical, economicand/or operations research problems under stochastic uncertainty.

In engineering and economics a certain vector of inputs or decisions must often be chosen, subject to some constraints, such that the expected costs arising from the deviation between the output of a stochastic linear system and a desired stochastic target vector are minimal.

Stochastic Optimization Methods

Dieses Buch ist eine Einführung in die mathematische Theorie der Optimierung. Nach einer kurzen Beschreibung der Problemstellung und einer Übersicht über die grundlegenden Typen von Optimierungsaufgaben werden im zweiten Kapitel lineare Optimierungsprobleme behandelt, für die ein vollständiges Lösungsverfahren, der Simplexalgorithmus, zur Verfügung steht. Für die Lösung nichtlinearer Optimierungsaufgaben mit differenzierbaren bzw. konvexen Funktionen werden im dritten Kapitel notwendige und hinreichende Optimimalitätsbedingungen bereitgestellt. Bei der Darstellung des Stoffes wurde darauf geachtet, neue Begriffe und Methoden anhand vieler Beispiele auf anschauliche Art einzuführen. Vorausgesetzt werden einige wenige mathematische Grundkenntnisse, wie sie in jeder einführenden Vorlesung in die Höhere Mathematik vermittelt werden. Jeder Abschnitt schließt mit einer Reihe von Übungsaufgaben. Die ausführlichen Lösungen zu allen Aufgaben werden am Ende des Lehrbuchs gegeben.

Die sichere Beherrschung der für viele ingenieurwissenschaftlich-technische und wirtschaftswissenschaftlich-statistische Anwendungen unverzichtbaren mathematischen Grundlagen aus der Differential- und Integralrechnung (Analysis) einer Variablen erfordert neben dem Besuch von Kursen über "Differential- und Integralrechnung einer Variablen" insbesondere auch die selbständige Bearbeitung einer ausreichenden Anzahl von Beispielen und Übungsaufgaben zu den im "Grundkurs Mathematik" oder anderen einführenden Werken über Analysis einer Variablen behandelten mathematischen Werkzeugen. Ausreichendes Übungsmaterial mit vollständigen Lösungen zum Nachrechnen oder zur Kontrolle eigener Lösungen ist im "Übungsbuch" enthalten. Die Gliederung der Übungsaufgaben richtet sich dabei nach dem bewährten Aufbau der Kurse über Differential- und Integralrechnung einer Variablen (Analysis I).

Moderne Techniken bauen mehr denn je auf der Mathematik auf. So durchdringen Informationsverarbeitung, Modellierung, Systemanalyse, Stochastik, Simulations- und Optimierungsmethoden alle Bereiche der Naturwissenschaften, Ingenieur- und Wirtschaftswissenschaften. Selbst Sprachwissenschaftler, Psychologen oder Soziologen benötigen heute ein ausreichendes mathematisches Rüstzeug, um in ihrem Beruf bestehen zu können. Andererseits haben Studienanfänger sehr häufig ungenügende mathematische Kenntnisse in der Differential- und Integralrechnung für Funktionen einer Variablen. Zur Schaffung solider mathematischer Grundlagen vermittelt dieses Buch durch eine behutsame Einführung und Veranschaulichung der Begriffe und Methoden eine lebendige Vorstellung des Stoffes und eine saubere Beherrschung der grundlegenden analytischen Techniken, um die verschiedenartigsten Aufgaben zu lösen.