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: ریاضیات ویرایش: 1 نویسندگان: Daniel Ashlock سری: Interdisciplinary Applied Mathematics ISBN (شابک) : 0387221964, 9780387221960 ناشر: Springer سال نشر: 2006 تعداد صفحات: 578 زبان: English فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 5 مگابایت
در صورت تبدیل فایل کتاب Evolutionary computation for modeling and optimization 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 محاسبات تکاملی برای مدل سازی و بهینه سازی 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.
محاسبات تکاملی برای بهینهسازی و مدلسازی مقدمهای بر محاسبات تکاملی است، زمینهای که شامل الگوریتمهای ژنتیک، برنامهریزی تکاملی، استراتژیهای تکامل و برنامهریزی ژنتیکی است. متن بررسی برخی از کاربردهای الگوریتمهای تکاملی است. این جهش، متقاطع، مسائل طراحی روشهای انتخاب و جایگزینی، مسئله اندازه جمعیتها و مسئله طراحی تابع تناسب را معرفی میکند. همچنین شامل یک ماده روششناختی برای اجرای کارآمد است. برخی دیگر از موضوعات این کتاب شامل طراحی الگوریتم های تکاملی ساده، کاربرد در چندین نوع بهینه سازی، رباتیک تکاملی، محاسبات عصبی تکاملی ساده و چندین نوع برنامه ریزی خودکار از جمله برنامه ریزی ژنتیکی است. این کتاب کاربردهایی برای زیست شناسی و بیوانفورماتیک می دهد و تعدادی ابزار را معرفی می کند که می توانند در مدل سازی بیولوژیکی از جمله نظریه بازی های تکاملی استفاده شوند. تکنیک های پیشرفته مانند رمزگذاری سلولی، رمزگذاری مبتنی بر دستور زبان، و الگوریتم های تکاملی مبتنی بر نمودار نیز پوشش داده شده است.
این کتاب تعداد زیادی از مسائل، پروژهها و آزمایشهای تکالیف را با هدف نشان دادن جنبههای منفرد محاسبات تکاملی و مقایسه روشهای مختلف ارائه میکند. خوانندگان آن برای دوره لیسانس یا سال اول فارغ التحصیل در محاسبات تکاملی برای دانشآموزان علوم کامپیوتر، مهندسی، یا سایر دانشجویان علوم محاسباتی در نظر گرفته شده است. دانشآموزان رشتههای مهندسی، علوم کامپیوتر و ریاضی کاربردی این کتاب را راهنمای مفیدی برای استفاده از الگوریتمهای تکاملی بهعنوان ابزاری برای حل مسئله خواهند دانست.
Evolutionary Computation for Optimization and Modeling is an introduction to evolutionary computation, a field which includes genetic algorithms, evolutionary programming, evolution strategies, and genetic programming. The text is a survey of some application of evolutionary algorithms. It introduces mutation, crossover, design issues of selection and replacement methods, the issue of populations size, and the question of design of the fitness function. It also includes a methodological material on efficient implementation. Some of the other topics in this book include the design of simple evolutionary algorithms, applications to several types of optimization, evolutionary robotics, simple evolutionary neural computation, and several types of automatic programming including genetic programming. The book gives applications to biology and bioinformatics and introduces a number of tools that can be used in biological modeling, including evolutionary game theory. Advanced techniques such as cellular encoding, grammar based encoding, and graph based evolutionary algorithms are also covered.
This book presents a large number of homework problems, projects, and experiments, with a goal of illustrating single aspects of evolutionary computation and comparing different methods. Its readership is intended for an undergraduate or first-year graduate course in evolutionary computation for computer science, engineering, or other computational science students. Engineering, computer science, and applied math students will find this book a useful guide to using evolutionary algorithms as a problem solving tool.
An Overview of Evolutionary Computation....Pages 1-31
Designing Simple Evolutionary Algorithms....Pages 33-65
Optimizing Real-Valued Functions....Pages 67-97
Sunburn: Coevolving Strings....Pages 99-117
Small Neural Nets : Symbots....Pages 119-142
Evolving Finite State Automata....Pages 143-166
Ordered Structures....Pages 167-206
Plus-One-Recall-Store....Pages 207-230
Fitting to Data....Pages 231-262
Tartarus: Discrete Robotics....Pages 263-291
Evolving Logic Functions....Pages 293-317
ISAc List: Alternative Genetic Programming....Pages 319-347
Graph-Based Evolutionary Algorithms....Pages 349-379
Cellular Encoding....Pages 381-423
Application to Bioinformatics....Pages 425-471