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: Ivan Zelinka. Guanrong Chen (eds.)
سری:
ISBN (شابک) : 9783662556634
ناشر: Springer
سال نشر: 2018
تعداد صفحات: 315
زبان: english
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 32 مگابایت
در صورت تبدیل فایل کتاب Evolutionary Algorithms, Swarm Dynamics and Complex Networks. Methodology, Perspectives and Implementation 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 الگوریتم های تکاملی، دینامیک ازدحام و شبکه های پیچیده. روش شناسی، دیدگاه ها و اجرا 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.
الگوریتم های تکاملی دسته ای از الگوریتم های معروف را تشکیل می دهند که بر اساس نظریه تکامل داروینی و نظریه میراث مندلی طراحی شده اند. آنها بخشی بر اساس تصادفی و بخشی بر اساس اصول قطعی هستند. با توجه به این ماهیت، پیش بینی و کنترل عملکرد آن در حل مسائل پیچیده غیرخطی چالش برانگیز است. اخیراً، مطالعه دینامیک تکاملی نه تنها بر تحقیقات سنتی، بلکه بر درک و تجزیه و تحلیل اصول جدید، با هدف کنترل و استفاده از ویژگیها و عملکردهای آنها در جهت کاربردهای مؤثرتر در دنیای واقعی متمرکز شده است. در این کتاب، بر اساس سالها تحقیق فشرده نویسندگان، ایدههای بدیعی در مورد پیشبرد پویایی تکاملی به سمت پدیدههای جدید از جمله بسیاری از موضوعات جدید، حتی پویایی شبکههای اجتماعی معادل، ارائه شده است. در واقع، شبکههای پیچیدهتر پیشرفتهتری را شامل میشود و آنها را با CMLها (شبکههای نقشه جفتشده)، که معمولاً برای شبیهسازی و تحلیل سیستمهای پیچیده مکانی-زمانی استفاده میشوند، بر اساس مشاهداتی که آشوب در CML را میتوان کنترل کرد، ترکیب میکند، همچنین دینامیک تکامل نیز چنین است. تمام نویسندگان فصل، تا جایی که ما میدانیم، مبتکر ایدههای ذکر شده در بالا و پژوهشگرانی در مورد الگوریتمهای تکاملی و دینامیک آشفته و همچنین شبکههای پیچیده هستند که در زمینه تحقیقات علمی مدرن در مورد موضوعات مرتبط، مزایایی را برای خوانندگان فراهم میکنند.
Evolutionary algorithms constitute a class of well-known algorithms, which are designed based on the Darwinian theory of evolution and Mendelian theory of heritage. They are partly based on random and partly based on deterministic principles. Due to this nature, it is challenging to predict and control its performance in solving complex nonlinear problems. Recently, the study of evolutionary dynamics is focused not only on the traditional investigations but also on the understanding and analyzing new principles, with the intention of controlling and utilizing their properties and performances toward more effective real-world applications. In this book, based on many years of intensive research of the authors, is proposing novel ideas about advancing evolutionary dynamics towards new phenomena including many new topics, even the dynamics of equivalent social networks. In fact, it includes more advanced complex networks and incorporates them with the CMLs (coupled map lattices), which are usually used for spatiotemporal complex systems simulation and analysis, based on the observation that chaos in CML can be controlled, so does evolution dynamics. All the chapter authors are, to the best of our knowledge, originators of the ideas mentioned above and researchers on evolutionary algorithms and chaotic dynamics as well as complex networks, who will provide benefits to the readers regarding modern scientific research on related subjects.
Front Matter ....Pages i-xxii
Front Matter ....Pages 1-1
Swarm and Evolutionary Dynamics as a Network (Ivan Zelinka)....Pages 3-29
Evolutionary Dynamics and Its Network Visualization - Selected Examples (Orkhan Yarakhmedov, Victor Polyakh, Ivan Chernogorov, Ivan Zelinka)....Pages 31-63
Front Matter ....Pages 65-65
Differential Evolution Dynamics Modeled by Social Networks (Lenka Skanderová, Ivan Zelinka)....Pages 67-100
Conversion of SOMA Algorithm into Complex Networks (Lukáš Tomaszek, Ivan Zelinka)....Pages 101-114
Analysis of SOMA Algorithm Using Complex Network (Lukáš Tomaszek, Ivan Zelinka)....Pages 115-129
Improvement of SOMA Algorithm Using Complex Networks (Lukáš Tomaszek, Ivan Zelinka)....Pages 131-143
Complex Networks in Particle Swarm (Michal Pluhacek, Roman Šenkeřík, Adam Viktorin, Tomas Kadavy)....Pages 145-159
Comparison of Vertex Centrality Measures in Complex Network Analysis Based on Adaptive Artificial Bee Colony Algorithm (Magdalena Metlicka, Donald Davendra)....Pages 161-176
Randomization and Complex Networks for Meta-Heuristic Algorithms (Roman Šenkeřík, Ivan Zelinka, Michal Pluhacek, Adam Viktorin, Jakub Janostik, Zuzana Kominkova Oplatkova)....Pages 177-194
Gallery of Evolutionary Networks (Ivan Zelinka, Roman Šenkeřík, Michal Pluháček)....Pages 195-210
Front Matter ....Pages 211-211
Swarm Virus, Evolution, Behavior and Networking (Lubomir Sikora, Ivan Zelinka)....Pages 213-239
Simple Networks on Complex Cellular Automata: From de Bruijn Diagrams to Jump-Graphs (Genaro J. Martínez, Andrew Adamatzky, Bo Chen, Fangyue Chen, Juan C. Seck-Tuoh-Mora)....Pages 241-264
A Hybrid Multi-objective Evolutionary Approach for Power Grid Topology Design (Xiaowen Bi, Wallace K. S. Tang)....Pages 265-284
Dynamic Analysis of Genetic Regulatory Networks with Delays (Zhi-Hong Guan, Guang Ling)....Pages 285-309
Frontiers (Ivan Zelinka)....Pages 311-312