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: [1st ed.] نویسندگان: Jagdish Chand Bansal, Pramod Kumar Singh, Nikhil R. Pal سری: Studies in Computational Intelligence 779 ISBN (شابک) : 9783319913391, 9783319913414 ناشر: Springer International Publishing سال نشر: 2019 تعداد صفحات: X, 190 [194] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 6 Mb
در صورت تبدیل فایل کتاب Evolutionary and Swarm Intelligence Algorithms 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 هوش تکاملی و زلزله 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.
این کتاب برای دانشگاهیان، محققان و متخصصانی که در محاسبات تکاملی و گروهی، هوش محاسباتی، یادگیری ماشین و طراحی مهندسی و همچنین جستجو و بهینهسازی به طور کلی کار میکنند، لذت بخش است. این مقدمه ای بر طراحی و توسعه تعدادی از الگوریتم های ازدحام و تکاملی محبوب و اخیر با تمرکز بر کاربردهای آنها در مسائل مهندسی در حوزه های مختلف ارائه می دهد. موضوعات مورد بحث شامل بهینهسازی ازدحام ذرات، الگوریتم کلونی زنبورهای مصنوعی، الگوریتم بهینهسازی میمون عنکبوتی، الگوریتمهای ژنتیک، الگوریتمهای تکاملی چند هدفه محدود، برنامهریزی ژنتیک و سیستمهای فازی تکاملی است. برخورد دوستانه و آموزنده با موضوعات، این کتاب را به مرجعی ایده آل برای مبتدیان و افراد با تجربه تبدیل می کند.
This book is a delight for academics, researchers and professionals working in evolutionary and swarm computing, computational intelligence, machine learning and engineering design, as well as search and optimization in general. It provides an introduction to the design and development of a number of popular and recent swarm and evolutionary algorithms with a focus on their applications in engineering problems in diverse domains. The topics discussed include particle swarm optimization, the artificial bee colony algorithm, Spider Monkey optimization algorithm, genetic algorithms, constrained multi-objective evolutionary algorithms, genetic programming, and evolutionary fuzzy systems. A friendly and informative treatment of the topics makes this book an ideal reference for beginners and those with experience alike.