برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید

09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب An introduction to genetic algorithms for numerical optimization

دانلود کتاب مقدمه ای بر الگوریتم های ژنتیک برای بهینه سازی عددی

مشخصات کتاب

An introduction to genetic algorithms for numerical optimization

دسته بندی: سایبرنتیک: هوش مصنوعی
ویرایش:  
نویسندگان: Charbonneau P.  
سری:  
 
ناشر:  
سال نشر:  
تعداد صفحات: 74 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 1 مگابایت

قیمت کتاب (تومان) : 35,000

کلمات کلیدی مربوط به کتاب مقدمه ای بر الگوریتم های ژنتیک برای بهینه سازی عددی: علوم و مهندسی کامپیوتر، هوش مصنوعی، الگوریتم های تکاملی

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 8

در صورت تبدیل فایل کتاب An introduction to genetic algorithms for numerical 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 مقدمه ای بر الگوریتم های ژنتیک برای بهینه سازی عددی 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.

توضیحاتی در مورد کتاب مقدمه ای بر الگوریتم های ژنتیک برای بهینه سازی عددی

کتاب، 64 ص، مارس 2002
مطالب
بهینه سازی و تپه نوردی
روش سیمپلکس
سیمپلکس تکراری
مجموعه ای از مسائل تست
عملکرد سیمپلکس و روش های تکراری سیمپلکس
بهینه سازی تکامل و الگوریتم های ژنتیک
تکامل زیستی
قدرت انتخاب تجمعی
یک الگوریتم ژنتیک پایه
انتقال اطلاعات در الگوریتم های ژنتیک
A الگوریتم ژنتیک برای بهینه سازی عددی
نمای کلی و تعریف مسئله
اجزای الگوریتمی حداقل
اجزای اضافی
مطالعه موردی
دیوارهای همینگ و جهش خزشی
عملکرد در آزمون مشکلات
یک برنامه واقعی
ستاره های باینری

توضیحاتی درمورد کتاب به خارجی

Book, 64 p, March 2002
Contents
Optimization and hill climbing
The simplex method
Iterated simplex
A set of test problems
Performance of the simplex and iterated simplex methods
Evolution optimization and genetic algorithms
Biological evolution
The power of cumulative selection
A basic genetic algorithm
Information transfer in genetic algorithms
A genetic algorithm for numerical optimization
Overview and problem de nition
Minimal algorithmic components
Additional components
A case study
Hamming walls and creep mutation
Performance on test problems
A real application
Binary stars