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: 1
نویسندگان: Volker Nissen (auth.)
سری: Computational Intelligence
ISBN (شابک) : 9783528054991, 9783322938619
ناشر: Vieweg+Teubner Verlag
سال نشر: 1997
تعداد صفحات: 355
زبان: German
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 10 مگابایت
کلمات کلیدی مربوط به کتاب مقدمه ای بر الگوریتم های تکاملی: بهینه سازی با توجه به مدل تکامل: مهندسی، عمومی
در صورت تبدیل فایل کتاب Einführung in Evolutionäre Algorithmen: Optimierung nach dem Vorbild der Evolution 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 تکاملی: بهینه سازی با توجه به مدل تکامل 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.
دکتر Volker Nissen دستیار پژوهشی در موسسه انفورماتیک تجاری در دانشگاه جورج آگوست در گوتینگن است. او یکی از سردبیران IEEE Transactions on Evolutionary Computation است و دو کتاب و مقالات تخصصی مختلف در مورد الگوریتم های تکاملی منتشر کرده است. دکتر نیسن سخنگوی کارگروه Softcomputing در مدیریت بازرگانی AG Fuzzy Logic و Soft Computing شمال آلمان است.
Dr. Volker Nissen ist wissenschaftlicher Assistent am Institut für Wirtschaftsinformatik der Georg-August-Universität Göttingen. Er ist Mitherausgeber der IEEE Transactions on Evolutionary Computation und publizierte zwei Bücher sowie diverse Fachbeiträge zu Evolutionären Algorithmen. Dr. Nissen ist Sprecher des Arbeitskreises Softcomputing in der Betriebswirtschaft der AG Fuzzy Logik und Softcomputing Norddeutschland.
Front Matter....Pages I-XI
Überblick und thematische Einordnung....Pages 1-32
Genetische Algorithmen....Pages 33-110
Genetische Programmierung....Pages 111-154
Evolutionsstrategien....Pages 155-194
Evolutionäre Programmierung....Pages 195-216
EA nah verwandte Optimierungsmethoden....Pages 217-236
Vergleich und Beurteilung von EA....Pages 237-264
Hybridsysteme....Pages 265-322
Ausblick....Pages 323-326
Back Matter....Pages 327-347