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:
نویسندگان: Avi Ostfeld
سری:
ISBN (شابک) : 9789533071572
ناشر:
سال نشر:
تعداد صفحات: 352
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 11 مگابایت
در صورت تبدیل فایل کتاب Ant Colony Optimization - Methods and Applications 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 بهینه سازی کلونی مورچه ها - روش ها و کاربردها 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.
مورچه ها با برجا گذاشتن ردپای فرمون اطلاعات را به هم منتقل می کنند. یک مورچه متحرک مقداری فرمون را در مقادیر مختلف روی زمین می گذارد تا مسیر خود را مشخص کند. در حالی که یک مورچه جدا شده اساسا به صورت تصادفی حرکت می کند، مورچه ای که با دنباله ای که قبلا گذاشته شده مواجه می شود، می تواند آن را تشخیص دهد و با احتمال زیاد تصمیم بگیرد که آن را دنبال کند، بنابراین مسیر را با فرمون خود تقویت می کند. بنابراین رفتار جمعی که ظاهر میشود یک بازخورد مثبت است: در جایی که مورچهها بیشتر یک مسیر را دنبال میکنند، آن مسیر برای دنبال کردن جذابتر میشود. بنابراین احتمال انتخاب یک مورچه با تعداد مورچه هایی که قبلا همان مسیر را انتخاب کرده اند افزایش می یابد. رفتار این مورچه ابتدایی الهام بخش توسعه بهینهسازی کلونی مورچهها توسط مارکو دوریگو در سال 1992 بود، و یک روش محاسباتی ترکیبی تصادفی فراابتکاری را ساخت که متعلق به خانوادهای از روشهای فراابتکاری مرتبط مانند بازپخت شبیهسازی شده، جستجوی تابو و الگوریتمهای ژنتیک است. این کتاب در بیست فصل آخرین روشها و کاربردهای استفاده از الگوریتمهای بهینهسازی کلونی مورچهها را پوشش میدهد. روشها و نظریههای جدیدی مانند الگوریتم مورچههای چند کلونی مبتنی بر یک متقاطع حسابی فرمون جدید و یک عملگر دافعه، یافتههای جدید در مورد همگرایی کلونی مورچهها، و تنوعی از کاربردهای مهندسی و علمی از رشتههای حملونقل، منابع آب، برق و علوم کامپیوتر ارائه شده است. .
Ants communicate information by leaving pheromone tracks. A moving ant leaves, in varying quantities, some pheromone on the ground to mark its way. While an isolated ant moves essentially at random, an ant encountering a previously laid trail is able to detect it and decide with high probability to follow it, thus reinforcing the track with its own pheromone. The collective behavior that emerges is thus a positive feedback: where the more the ants following a track, the more attractive that track becomes for being followed; thus the probability with which an ant chooses a path increases with the number of ants that previously chose the same path. This elementary ant's behavior inspired the development of ant colony optimization by Marco Dorigo in 1992, constructing a meta-heuristic stochastic combinatorial computational methodology belonging to a family of related meta-heuristic methods such as simulated annealing, Tabu search and genetic algorithms. This book covers in twenty chapters state of the art methods and applications of utilizing ant colony optimization algorithms. New methods and theory such as multi colony ant algorithm based upon a new pheromone arithmetic crossover and a repulsive operator, new findings on ant colony convergence, and a diversity of engineering and science applications from transportation, water resources, electrical and computer science disciplines are presented.
Ant Colony Optimization Methods and Applications Preface......Page 1
Part 1......Page 11
01_Multi-Colony Ant Algorithm......Page 13
02_Continuous Dynamic Optimization......Page 23
03_An AND-OR Fuzzy Neural Network......Page 35
04_Some Issues of ACO Algorithm Convergence......Page 49
05_On Ant Colony Optimization Algorithms for Multiobjective Problems......Page 63
06_Automatic Construction of Programs Using Dynamic Ant Programming......Page 85
07_A Hybrid ACO-GA on Sports Competition Scheduling......Page 99
08_Adaptive Sensor-Network Topology Estimating Algorithm Based on the Ant Colony Optimization......Page 111
09_Ant Colony Optimization in Green Manufacturing......Page 123
Part 2......Page 139
10_Optimizing Laminated Composites Using Ant Colony Algorithms......Page 141
11_Ant Colony Optimization for Water Resources Systems Analysis – Review and Challenges......Page 157
12_Application of Continuous ACOR to Neural Network Training: Direction of Arrival Problem......Page 169
13_Ant Colony Optimization for Coherent Synthesis of Computer System......Page 189
14_Ant Colony Optimization Approach for Optimizing Traffic Signal Timings......Page 215
15_Forest Transportation Planning Under Multiple Goals Using Ant Colony Optimization......Page 231
16_Ant Colony System-based Applications to Electrical Distribution System Optimization......Page 247
17_Ant Colony Optimization for Image Segmentation......Page 273
18_SoC Test Applications Using ACO Meta-heuristic......Page 297
19_Ant Colony Optimization for Multiobjective Buffers Sizing Problems......Page 313
20_On the Use of ACO Algorithm for Electromagnetic Designs......Page 327