Nowoczesne podejście do nauczania wprowadzenia do optymalizacji

Opinie czytelników

Obecnie brak opinii czytelników. Ocena opiera się na 2 głosach.

Oryginalny tytuł:

A Modern Approach to Teaching an Introduction to Optimization

Zawartość książki:

Optymalizacja powinna być nauką o podejmowaniu najlepszych możliwych decyzji. Podejmowanie decyzji jest praktycznie powszechną ludzką aktywnością, z którą spotykają się profesjonaliści (w każdej dziedzinie) lub ludzie w swoim codziennym życiu. Można by więc pomyśleć, że nauka o podejmowaniu dobrych decyzji jest przedmiotem, który powinien być szeroko nauczany wśród studentów inżynierii, nauk fizycznych i społecznych, biznesu i polityki. Jednak obecnie „optymalizacja” jest powszechnie nauczana jako wyrafinowany matematycznie przedmiot, często ograniczony do absolwentów specjalistycznych dziedzin.

W badaniach operacyjnych (lub inżynierii przemysłowej) „optymalizacja” jest równoważna deterministycznemu programowaniu matematycznemu, zaczynając od programów liniowych (i algorytmu simpleks), a następnie przechodząc przez całkowite programy liniowe i programy nieliniowe. W przypadku wydziałów takich jak inżynieria elektryczna lub mechaniczna, optymalizacja oznacza nauczanie optymalnego sterowania. Z kolei w informatyce optymalizację można dziś interpretować w kontekście uczenia maszynowego (np. dopasowywania modeli do danych) lub uczenia ze wzmocnieniem.

Książka ta twierdzi, że tradycyjny styl nauczania optymalizacji jest błędny i przestarzały. Po pierwsze, podczas gdy algorytm simpleks jest potężną strategią rozwiązywania programów liniowych, szczegóły algorytmu simpleks są całkowicie nieodpowiednie we wprowadzającym kursie optymalizacji. Po drugie, podczas gdy programy liniowe są odpowiednie do rozwiązywania wielu problemów, mają one zastosowanie tylko do niewielkiego ułamka wszystkich decyzji. Po trzecie, programy liniowe (wraz z programami całkowitoliczbowymi i nieliniowymi) są statycznymi modelami dla problemów z (zazwyczaj) wektorowymi decyzjami. Dla kontrastu, większość decyzji ma charakter sekwencyjny, ponieważ są one podejmowane okresowo w miarę napływu nowych informacji. Co więcej, zdecydowana większość tych decyzji ma charakter skalarny (ciągły lub dyskretny).

Ta książka jest przeznaczona dla instruktorów (lub potencjalnych instruktorów), którzy chcą przedstawić naukę podejmowania dobrych decyzji jak najszerszemu gronu odbiorców. Powinna być również interesująca dla każdego, kto miał już tradycyjny kurs optymalizacji dowolnego typu. Prezentacja jest zorganizowana wokół szeregu tematów, które sugerują zasadniczo odmienne podejście do nauczania „optymalizacji”, obejmujące zarówno sekwencyjne problemy decyzyjne (które oferują najprostsze ustawienia problemów) przed przejściem do bardziej złożonych decyzji o wartościach wektorowych. Pokazuje również, że większość problemów, które są modelowane jako programy liniowe (lub całkowite, lub nieliniowe) są w rzeczywistości metodami podejmowania decyzji w otoczeniu sekwencyjnym. Z tego powodu tematy te są wprowadzane z dużo mniejszym naciskiem na algorytmy niż jest to tradycyjnie stosowane, zarówno w ustawieniach statycznych, jak i sekwencyjnych.