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: Babu. B. V., Gujarathi. Ashish M سری: ISBN (شابک) : 1771883367, 1771883375 ناشر: Apple Academic Press سال نشر: 2016 تعداد صفحات: 0 زبان: English فرمت فایل : AZW3 (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 28 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Evolutionary Computation: Techniques and Applications 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: تکنیک ها و کاربردها 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.
ویرایش شده توسط متخصصان با سالها تجربه، این کتاب مقدمه ای بر نظریه الگوریتم های تکاملی و بهینه سازی تک و چند هدفه ارائه می دهد و سپس به بررسی کاربردهای الگوریتم های تکاملی می پردازد. برای بسیاری از کاربردها با برنامه های کاربردی دنیای واقعی. این کتاب که هم نظریه و هم کاربردهای محاسبات تکاملی را پوشش میدهد، پوشش جامعی از چندین موضوع در مورد تکنیکهای تکاملی غیرسنتی ارائه میدهد، اصول کار الگوریتمهای تکاملی جدید و محبوب را به تفصیل شرح میدهد و مطالعات موردی را در مورد کاربردهای علمی و واقعی بهینهسازی مورد بحث قرار میدهد. >
Edited by professionals with years of experience, this book provides an introduction to the theory of evolutionary algorithms and single- and multi-objective optimization, and then goes on to discuss to explore applications of evolutionary algorithms for many uses with real-world applications. Covering both the theory and applications of evolutionary computation, the book offers exhaustive coverage of several topics on nontraditional evolutionary techniques, details working principles of new and popular evolutionary algorithms, and discusses case studies on both scientific and real-world applications of optimization
Content: Cover
Half Title
Title Page
Copyright Page
Contents
List of Contributors
List of Abbreviations
Preface
About the Editors
PART 1. THEORY AND APPLICATIONS IN ENGINEERING SYSTEMS
1. Introduction
2. Bio-Mimetic Adaptations of Genetic Algorithm and Their Applications to Chemical Engineering
3. Surrogate-Assisted Evolutionary Computing Methods
4. Evolutionary Algorithms in Ironmaking Applications
5. Harmony Search Optimization for Multilevel Thresholding in Digital Images
6. Swarm Intelligence in Software Engineering Design Problems 7. Gene Expression Programming in Nanotechnology ApplicationsPART 2. THEORY AND APPLICATIONS OF SINGLE OBJECTIVE OPTIMIZATION STUDIES
8. An Alternate Hybrid Evolutionary Method for Solving MINLP Problems
9. Differential Evolution for Optimal Design of Shell-and-Tube Heat Exchangers
10. Evolutionary Computation Based QoS-Aware Multicast Routing
11. Performance Assessment of the Canonical Genetic Algorithm: A Study on Parallel Processing Via GPU Architecture
12. An Efficient Approach for Populating Deep Web Repositories Using SFLA 13. Closed Loop Simulation of Quadruple Tank Process Using Adaptive Multi-Loop Fractional Order PID Controller Optimized Using Bat AlgorithmPART 3. THEORY AND APPLICATIONS OF SINGLE AND MULTIOBJECTIVE OPTIMIZATION STUDIES
14. A Practical Approach Towards Multiobjective Shape Optimization
15. Nature-Inspired Computing Techniques for Integer Factorization
16. Genetic Algorithm Based Real-Time Parameter Identifier for an Adaptive Power System Stabilizer
17. Applied Evolutionary Computation in Fire Safety Upgrading 18. Elitist Multiobjective Evolutionary Algorithms for Voltage and Reactive Power Optimization in Power Systems19. Evaluation of Simulated Annealing, Differential Evolution and Particle Swarm Optimization for Solving Pooling Problems
20. Performance Improvement of NSGA-II Algorithm by Modifying Crossover Probability Distribution
21. Evolutionary Algorithms for Malware Detection and Classification
Index