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
دسته بندی: بهینه سازی، تحقیق در عملیات. ویرایش: نویسندگان: Zbigniew Michalewicz سری: Natural computing series ISBN (شابک) : 3540729593, 9783540729594 ناشر: Springer سال نشر: 2008 تعداد صفحات: 483 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 12 مگابایت
در صورت تبدیل فایل کتاب Advances in Metaheuristics for Hard Optimization 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 Metaheuristics برای بهینه سازی سخت 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.
اخیراً پیشرفتهای زیادی در روشهای فراابتکاری، از تئوری گرفته تا کاربردها، صورت گرفته است. ویراستاران که هر دو از متخصصان برجسته در این زمینه هستند، تیمی از محققان را گرد هم آورده اند تا در 21 فصل سازماندهی شده در بخش هایی در مورد بازپخت شبیه سازی شده، جستجوی تابو، الگوریتم های کلونی مورچه ها، مطالعات همه منظوره الگوریتم های تکاملی، کاربردهای الگوریتم های تکاملی و فراابتکاری مختلف مشارکت کنند. این کتاب مشارکتهای مرتبط با موضوعات زیر را گردآوری میکند: تحولات نظری در فراابتکاری. انطباق فراابتکاری گسسته با بهینه سازی مداوم. مقایسه عملکرد فراابتکاری؛ روش های مشارکتی ترکیبی از رویکردهای مختلف؛ فراابتکاری موازی و توزیع شده برای بهینه سازی چند هدفه. پیاده سازی نرم افزار؛ و برنامه های کاربردی در دنیای واقعی. این کتاب برای پزشکان، محققان و دانشجویان تحصیلات تکمیلی در رشته هایی مانند بهینه سازی، اکتشافی، تحقیق در عملیات و محاسبات طبیعی مناسب است.
Many advances have been made recently in metaheuristic methods, from theory to applications. The editors, both leading experts in this field, have assembled a team of researchers to contribute 21 chapters organized into parts on simulated annealing, tabu search, ant colony algorithms, general-purpose studies of evolutionary algorithms, applications of evolutionary algorithms, and various metaheuristics.The book gathers contributions related to the following topics: theoretical developments in metaheuristics; adaptation of discrete metaheuristics to continuous optimization; performance comparisons of metaheuristics; cooperative methods combining different approaches; parallel and distributed metaheuristics for multiobjective optimization; software implementations; and real-world applications.This book is suitable for practitioners, researchers and graduate students in disciplines such as optimization, heuristics, operations research, and natural computing.
Cover......Page 1
Front matter......Page 2
1. Comparison of Simulated Annealing, Interval Partitioning and Hybrid Algorithms in Constrained Global Optimization......Page 16
2. Four-bar Mechanism Synthesis for......Page 38
3. âMOSS-IIâ Tabu/Scatter Search for Nonlinear Multiobjective Optimization......Page 53
4. Feature Selection for Heterogeneous Ensembles of Nearest-neighbour Classifiers Using Hybrid Tabu Search......Page 82
5. A Parallel Ant Colony Optimization Algorithm Based on Crossover Operation......Page 99
6. An Ant-bidding Algorithm for Multistage Flowshop Scheduling Problem: Optimization and Phase Transitions......Page 123
7. Dynamic Load Balancing Using an Ant Colony Approach in Micro-cellular Mobile Communications Systems......Page 149
8. New Ways to Calibrate Evolutionary Algorithms......Page 165
9. Divide-and-Evolve: a Sequential Hybridization Strategy Using Evolutionary Algorithms......Page 190
10. Local Search Based on Genetic Algorithms......Page 210
11. Designing Efficient Evolutionary Algorithms for Cluster Optimization: A Study on Locality......Page 233
12. Aligning Time Series with Genetically Tuned Dynamic Time Warping Algorithm......Page 261
13. Evolutionary Generation of Artificial Creatureâs Personality for Ubiquitous Services......Page 272
14. Some Guidelines for Genetic Algorithm Implementation in MINLP Batch Plant Design Problems......Page 302
15. Coevolutionary Genetic Algorithm to Solve Economic Dispatch......Page 325
16. An Evolutionary Approach to Solve a Novel Mechatronic Multiobjective Optimization Problem......Page 336
17. Optimizing Stochastic Functions Using a Genetic Algorithm: An Aeronautic Military Application......Page 359
18. Learning Structure Illuminates Black Boxes â An Introduction to Estimation of Distribution Algorithms......Page 370
19. Making a Difference to Differential Evolution......Page 401
20. Hidden Markov Models Training Using Population-based Metaheuristics......Page 419
21. Inequalities and Target Objectives for Metaheuristic Search â Part I: Mixed Binary Optimization......Page 443
Back matter......Page 479