کتاب نظریه بازی‌ها (دانشگاه کمبریج)

www.cambridge.org/download_file/909426
N. Nisam, T. Roughgarden, E. Tardos and V. Vazirani (Eds). “Algorithmic Game Theory”, CUP 2007

پیچیدگی ارتباطات

http://www.tcs.tifr.res.in/~prahladh/teaching/2011-12/comm/

جلسه ۱۳ بهینه‌سازی محدب

http://stanford.edu/class/ee364a/lectures/conclusions.pdf

در این جلسه به یک کار دیگرش اشاره کرده:

http://web.stanford.edu/~boyd/papers/pdf/admm_slides.pdf

Distributed Optimization and Statistical Learning via the Alternating Direction Method of Multipliers

که به نظرم یک جور روش تقسیم و حل است.

گفته در نگاشت-کاهش هم کار می‌کند:

http://web.stanford.edu/~boyd/papers/pdf/admm_talk.pdf

http://web.stanford.edu/~boyd/papers/pdf/admm_slides.pdf

جلسه ۱۲ بهینه‌سازی محدب

http://stanford.edu/class/ee364a/lectures/barrier.pdf

جلسه ۱۱ بهینه‌سازی محدب

http://stanford.edu/class/ee364a/lectures/equality.pdf

فکر کنم مسئله‌ی شار بیشینه با کمترین هزینه را به عنوان مثال حل کرده.

جلسه‌ی ۱۰ بهینه‌سازی محدب

http://stanford.edu/class/ee364a/lectures/unconstrained.pdf

روش‌های کم کردن تابع تا رسیدن به مینیمم. من یک روشش را برای حل یک سوال ساده‌سازی مسیر در هندسه محاسباتی دیده‌ام در مدرسه زمستانی امسال.

جلسه ۹ بهینه‌سازی محدب

http://stanford.edu/class/ee364a/lectures/num-lin-alg.pdf

مرور جبر خطی عددی و زمان الگوریتم‌های آن است.

جلسه ۸ بهینه‌سازی محدب

http://stanford.edu/class/ee364a/lectures/geom.pdf

در مورد کاربردهای هندسی آن است.

جلسه ۷ بهینه‌سازی محدب

http://stanford.edu/class/ee364a/lectures/stat.pdf

جلسه‌ی ۶ بهینه‌سازی محدب

http://stanford.edu/class/ee364a/lectures/approx.pdf