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: سایبرنتیک: هوش مصنوعی ویرایش: 1 نویسندگان: L. Shi, K. Rasheed (auth.), Yoel Tenne, Chi-Keong Goh (eds.) سری: Adaptation Learning and Optimization 2 ISBN (شابک) : 3642107001, 9783642107009 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 2010 تعداد صفحات: 707 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 10 مگابایت
کلمات کلیدی مربوط به کتاب هوش محاسباتی در مشکلات بهینه سازی گران: کاربرد ریاضیات/روش های محاسباتی مهندسی، هوش مصنوعی (شامل رباتیک)، کاربردهای ریاضیات
در صورت تبدیل فایل کتاب Computational Intelligence in Expensive Optimization Problems 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 هوش محاسباتی در مشکلات بهینه سازی گران 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.
در علم و مهندسی مدرن، آزمایشهای آزمایشگاهی با شبیهسازیهای با وفاداری بالا و محاسباتی پرهزینه جایگزین میشوند. استفاده از چنین شبیه سازی ها هزینه ها را کاهش می دهد و زمان توسعه را کوتاه می کند اما چالش های جدیدی را برای فرآیند بهینه سازی طراحی معرفی می کند. نمونههایی از چنین چالشهایی شامل منابع محاسباتی محدود برای اجرای شبیهسازی، سطح پاسخ پیچیده ورودی-خروجیهای شبیهسازی و غیره است.
در چنین مشکلاتی، روشهای بهینهسازی و تحلیل کلاسیک ممکن است انجام شوند. ضعیف این انگیزه استفاده از روشهای هوش محاسباتی مانند الگوریتمهای تکاملی، شبکههای عصبی و منطق فازی است که اغلب در چنین تنظیماتی عملکرد خوبی دارند. این اولین کتابی است که زمینه نوظهور هوش محاسباتی را در مسائل بهینه سازی گران قیمت معرفی می کند. موضوعات تحت پوشش عبارتند از:
کتاب ویرایششده هم درمانهای نظری و هم بینشهای دنیای واقعی بهدستآمده از تجربه را ارائه میدهد که همگی توسط محققان برجسته در زمینههای مربوطه ارائه شدهاند. به این ترتیب، این یک مرجع جامع برای محققان، پزشکان و دانشجویان سطح پیشرفته است که علاقه مند به تئوری و عملی استفاده از هوش محاسباتی برای مسائل بهینه سازی گران قیمت هستند.
In modern science and engineering, laboratory experiments are replaced by high fidelity and computationally expensive simulations. Using such simulations reduces costs and shortens development times but introduces new challenges to design optimization process. Examples of such challenges include limited computational resource for simulation runs, complicated response surface of the simulation inputs-outputs, and etc.
Under such difficulties, classical optimization and analysis methods may perform poorly. This motivates the application of computational intelligence methods such as evolutionary algorithms, neural networks and fuzzy logic, which often perform well in such settings. This is the first book to introduce the emerging field of computational intelligence in expensive optimization problems. Topics covered include:
The edited book provides both theoretical treatments and real-world insights gained by experience, all contributed by leading researchers in the respective fields. As such, it is a comprehensive reference for researchers, practitioners, and advanced-level students interested in both the theory and practice of using computational intelligence for expensive optimization problems.
Front Matter....Pages -
Front Matter....Pages 1-1
A Survey of Fitness Approximation Methods Applied in Evolutionary Algorithms....Pages 3-28
A Review of Techniques for Handling Expensive Functions in Evolutionary Multi-Objective Optimization....Pages 29-59
Multilevel Optimization Algorithms Based on Metamodel- and Fitness Inheritance-Assisted Evolutionary Algorithms....Pages 61-84
Knowledge-Based Variable-Fidelity Optimization of Expensive Objective Functions through Space Mapping....Pages 85-109
Reducing Function Evaluations Using Adaptively Controlled Differential Evolution with Rough Approximation Model....Pages 111-129
Kriging Is Well-Suited to Parallelize Optimization....Pages 131-162
Analysis of Approximation-Based Memetic Algorithms for Engineering Optimization....Pages 163-191
Opportunities for Expensive Optimization with Estimation of Distribution Algorithms....Pages 193-218
On Similarity-Based Surrogate Models for Expensive Single- and Multi-objective Evolutionary Optimization....Pages 219-248
Multi-objective Model Predictive Control Using Computational Intelligence....Pages 249-264
Improving Local Convergence in Particle Swarms by Fitness Approximation Using Regression....Pages 265-293
Front Matter....Pages 295-295
Differential Evolution with Scale Factor Local Search for Large Scale Problems....Pages 297-323
Large-Scale Network Optimization with Evolutionary Hybrid Algorithms: Ten Years’ Experience with the Electric Power Distribution Industry....Pages 325-343
A Parallel Hybrid Implementation Using Genetic Algorithms, GRASP and Reinforcement Learning for the Salesman Traveling Problem....Pages 345-369
An Evolutionary Approach for the TSP and the TSP with Backhauls....Pages 371-396
Towards Efficient Multi-objective Genetic Takagi-Sugeno Fuzzy Systems for High Dimensional Problems....Pages 397-422
Evolutionary Algorithms for the Multi Criterion Minimum Spanning Tree Problem....Pages 423-452
Loss-Based Estimation with Evolutionary Algorithms and Cross-Validation....Pages 453-484
Front Matter....Pages 485-485
Particle Swarm Optimisation Aided MIMO Transceiver Designs....Pages 487-511
Optimal Design of a Common Rail Diesel Engine Piston....Pages 513-541
Front Matter....Pages 485-485
Robust Preliminary Space Mission Design under Uncertainty....Pages 543-570
Progressive Design Methodology for Design of Engineering Systems....Pages 571-607
Reliable Network Design Using Hybrid Genetic Algorithm Based on Multi-Ring Encoding....Pages 609-635
Isolated Word Analysis Using Biologically-Based Neural Networks....Pages 637-670
A Distributed Evolutionary Approach to Subtraction Radiography....Pages 671-700
Speeding-Up Expensive Evaluations in High-Level Synthesis Using Solution Modeling and Fitness Inheritance....Pages 701-723
Back Matter....Pages -