دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1
نویسندگان: Dr. Chang Wook Ahn (auth.)
سری: Studies in Computational Intelligence 18
ISBN (شابک) : 9783540317586, 9783540317593
ناشر: Springer-Verlag Berlin Heidelberg
سال نشر: 2006
تعداد صفحات: 179
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 2 مگابایت
کلمات کلیدی مربوط به کتاب پیشرفت در الگوریتم های تکاملی: نظریه ، طراحی و عمل: کاربردی ریاضیات/روش های محاسباتی مهندسی، هوش مصنوعی (شامل رباتیک)
در صورت تبدیل فایل کتاب Advances in Evolutionary Algorithms: Theory, Design and Practice به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب پیشرفت در الگوریتم های تکاملی: نظریه ، طراحی و عمل نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
الگوریتمهای ژنتیک و تکاملی (GEAs) اغلب به موفقیت چشمگیری در حل مسائل بهینهسازی در طیف وسیعی از رشتهها دست یافتهاند. هدف این کتاب ارائه الگوریتمهای بهینهسازی مؤثر برای حل دسته وسیعی از مسائل بهسرعت، دقیق و قابل اعتماد با استفاده از مکانیسمهای تکاملی است. در این راستا، پنج موضوع مهم مورد بررسی قرار گرفته است:
این کتاب نقش تعیین کننده ای در ایجاد یک تغییر پارادایم در
محاسبات تکاملی آینده دارد.
Genetic and evolutionary algorithms (GEAs) have often achieved an enviable success in solving optimization problems in a wide range of disciplines. The goal of this book is to provide effective optimization algorithms for solving a broad class of problems quickly, accurately, and reliably by employing evolutionary mechanisms. In this regard, five significant issues have been investigated:
This book serves to play a decisive role in bringing forth a
paradigm shift in future evolutionary computation.
7.3 Concluding Remarks......Page 0
Preface......Page 6
Acknowledgements......Page 8
Abbreviations......Page 9
Contents......Page 11
1 Introduction......Page 14
1.1 Motivation......Page 15
1.2 Objectives......Page 16
1.3 Outline......Page 17
2 Practical Genetic Algorithms......Page 19
3 Real-World Application: Routing Problem......Page 35
4 Elitist Compact Genetic Algorithms......Page 56
5 Real-coded Bayesian Optimization Algorithm......Page 95
6 Multiobjective Real-coded Bayesian Optimization Algorithm......Page 135
7 Conclusions......Page 162
References......Page 167
Index......Page 175