Atnaujinkite slapukų nuostatas

El. knyga: Stochastic Programming: Theory, Applications and Impacts

  • Formatas: 223 pages
  • Išleidimo metai: 01-Mar-2017
  • Leidėjas: Nova Science Publishers Inc
  • ISBN-13: 9781536109511
Kitos knygos pagal šią temą:
  • Formatas: 223 pages
  • Išleidimo metai: 01-Mar-2017
  • Leidėjas: Nova Science Publishers Inc
  • ISBN-13: 9781536109511
Kitos knygos pagal šią temą:

DRM apribojimai

  • Kopijuoti:

    neleidžiama

  • Spausdinti:

    neleidžiama

  • El. knygos naudojimas:

    Skaitmeninių teisių valdymas (DRM)
    Leidykla pateikė šią knygą šifruota forma, o tai reiškia, kad norint ją atrakinti ir perskaityti reikia įdiegti nemokamą programinę įrangą. Norint skaityti šią el. knygą, turite susikurti Adobe ID . Daugiau informacijos  čia. El. knygą galima atsisiųsti į 6 įrenginius (vienas vartotojas su tuo pačiu Adobe ID).

    Reikalinga programinė įranga
    Norint skaityti šią el. knygą mobiliajame įrenginyje (telefone ar planšetiniame kompiuteryje), turite įdiegti šią nemokamą programėlę: PocketBook Reader (iOS / Android)

    Norint skaityti šią el. knygą asmeniniame arba „Mac“ kompiuteryje, Jums reikalinga  Adobe Digital Editions “ (tai nemokama programa, specialiai sukurta el. knygoms. Tai nėra tas pats, kas „Adobe Reader“, kurią tikriausiai jau turite savo kompiuteryje.)

    Negalite skaityti šios el. knygos naudodami „Amazon Kindle“.

This book is concerned with fostering theoretical issues on stochastic programming and discussing how it can solve real life problems. The book presents applications which solve the optimization of concrete problems in electricity markets, market equilibria, resource markets and environments. Each chapter presents a survey on the main results concerned with its contents, and discusses their impact by illustrating how they are applicable in real life. The authors use concrete, real life problems and simulation-motivated experiments for illustrating the behavior of the stochastic models discussed. The target audience for this title is graduate students or researchers in optimization, approximation, statistics, operations research and computing, as well as professionals dealing with applications where uncertainty may be modeled by using stochastic optimization and academics. The contributors are well-known specialists in stochastic programming.