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 Comparative Analysis of Genetic Algorithm Implementations

دانلود کتاب تحلیل مقایسه ای پیاده سازی الگوریتم ژنتیک

مشخصات کتاب

Comparative Analysis of Genetic Algorithm Implementations

دسته بندی: سایبرنتیک: هوش مصنوعی
ویرایش:  
نویسندگان: Robert S.,  Melvin N.  
سری:  
 
ناشر:  
سال نشر:  
تعداد صفحات: 4 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 86 کیلوبایت

قیمت کتاب (تومان) : 40,000

کلمات کلیدی مربوط به کتاب تحلیل مقایسه ای پیاده سازی الگوریتم ژنتیک: علوم و مهندسی کامپیوتر، هوش مصنوعی، الگوریتم های تکاملی

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 5

در صورت تبدیل فایل کتاب Comparative Analysis of Genetic Algorithm Implementations 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 تحلیل مقایسه ای پیاده سازی الگوریتم ژنتیک 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 تحلیل مقایسه ای پیاده سازی الگوریتم ژنتیک

مقاله، SIGAda، 14 تا 18 نوامبر، 2004، آتلانتا، جورجیا، ایالات متحده.
الگوریتم های ژنتیک روش های محاسباتی را ارائه می دهند که بر اساس مکانیک سیستم ژنتیک طبیعی مدل سازی شده اند، به موجب آن یک راه حل کدگذاری شده از مجموعه ای از راه حل های بالقوه، معروف به عنوان تکامل یافته است. یک جمعیت GAها این فرآیند تکاملی را از طریق استفاده از عملگرهای اساسی، متقاطع
و جهش انجام می دهند. هم نمایش جمعیت و هم اپراتورها نیاز به بررسی دقیق دارند و می توانند برای کلاس های مختلف مشکلات به طور چشمگیری تغییر کنند. آزمایش‌های اولیه با استفاده از یک GA نوشته شده در Ada95 انجام شد و نیاز به تغییرات اساسی برای مدیریت دامنه‌های در حال تغییر داشت.
آزمایش‌های بعدی با جعبه ابزار ساخته‌شده برای Matlab انجام شد، اما کلاس مشکلاتی که می‌تواند حل کند محدود است. مکانیسم عمومی Ada95 برای پارامترسازی، امکان استفاده مجدد از ساختارهای موجود را برای طیف وسیع تری از مشکلات فراهم می کند. این مقاله آزمایش‌هایی را که تاکنون با استفاده از هر دو رویکرد انجام شده است، توصیف می‌کند و عملکرد دو رویکرد را با توجه به بهینه‌سازی مقایسه می‌کند.

توضیحاتی درمورد کتاب به خارجی

Paper, SIGAda, November 14–18, 2004, Atlanta, Georgia, USA.
Genetic Algorithms provide computational procedures that are modeled on natural genetic system mechanics, whereby a coded solution is evolved from a set of potential solutions, known as a population. GAs accomplish this evolutionary process through the use of basic operators, crossover
and mutation. Both the representation of the population and the operators require careful scrutiny, and can change dramatically for different classes of problems. Initial tests were conducted using a GA written in Ada95, and required substantial modifications to handle the changing domains.
Subsequent testing was done with a toolbox constructed for Matlab, but the class of problems it can solve is restrictive. Ada95’s generic mechanism for parameterization would allow
for reuse of existing structures for a broader range of problems. This paper describes the tests performed thus far using both approaches, and compares the performance of the two approaches with regards to optimization.