Хватов А.А., Никитин Н.О., Калюжная А.В. Современные методы оптимизации с примерами на Python

СПб.: Университет ИТМО, 2023. — 48 с.Учебно-методическое пособие к курсу "Современные методы оптимизации" включает в себя краткое изложение теоретического материала по следующим темам: базовые определения методов оптимизации, линейные методы оптимизации, градиентные методы оптимизации, метаэвристические методы оптимизации, эволюционные методы оптимизации, роевые методы оптимизации, многокритериальные задачи оптимизации, оптимизация с вычислительно емкими целевыми функциями. Помимо этого, методическое пособие содержит задания к лабораторным работам и примеры их выполнения на языке Python.ВведениеПостановка задачи оптимизации. Основные сведенияОбзор современных методов оптимизацииПредварительные сведения о классических методах оптимизации
Функции одной переменной
Функции нескольких переменных
Линейное программирование
Численные методы: поиск корней, конечные разности и автоматическое дифференцирование как методы взятия производнойГрадиентные методы. Классические и не очень
Классические градиентные методы. Метод Ньютона, градиентный спуск
Модификации градиентного спускаПопуляционные алгоритмы, неградиентные методы
Интеллектуальные методы оптимизации
Эволюционные методы оптимизацииПримеры
Стохастический градиентный спуск для калибровки простых моделей
Калибровка параметров численных моделей физических процессов
Оптимизация структуры физических объектов
Оптимизация структуры композитных моделей машинного обученияЗаключение
Пример выполнения практической работы
Список литературы