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: 2015 نویسندگان: Datta. Rituparna, Deb. Kalyanmoy (eds) سری: Infosys Science Foundation series. Applied sciences and engineering ISBN (شابک) : 8132221834, 8132221842 ناشر: Springer سال نشر: 2015 تعداد صفحات: 330 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 مگابایت
کلمات کلیدی مربوط به کتاب بهینه سازی محدود تکاملی: هوش محاسباتی، هوش مصنوعی (شامل رباتیک)، مهندسی مکانیک، بهینه سازی
در صورت تبدیل فایل کتاب Evolutionary constrained 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 بهینه سازی محدود تکاملی 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 مجموعه ای مستقل از تحقیقات مدرن را در دسترس قرار می دهد که به مسائل بهینه سازی محدود کلی با استفاده از الگوریتم های تکاملی می پردازد. به طور کلی موضوعات تحت پوشش شامل مدیریت محدودیت برای بهینه سازی های تک و چند هدفه است. روش مبتنی بر تابع مجازات. روش شناسی مبتنی بر چند هدف؛ مکانیسم جدید مدیریت محدودیت؛ روش ترکیبی؛ مسائل مقیاس بندی در بهینه سازی محدود. طراحی مسائل آزمون مقیاس پذیر؛ سازگاری پارامتر در بهینه سازی محدود. مدیریت متغیرهای عدد صحیح، گسسته و ترکیبی علاوه بر متغیرهای پیوسته. استفاده از تکنیک های مدیریت محدودیت برای مشکلات دنیای واقعی؛ و بهینه سازی محدود در محیط پویا همچنین فصل جداگانهای در مورد بهینهسازی ترکیبی وجود دارد که امروزه به دلیل توانایی آن در پر کردن شکاف بین بهینهسازی تکاملی و کلاسیک محبوبیت زیادی پیدا کرده است. مطالب موجود در کتاب برای محققین، مبتدیان و متخصصان مفید است. این کتاب همچنین برای تدریس در کلاس و تحقیقات آینده مفید خواهد بود
This book makes available a self-contained collection of modern research addressing the general constrained optimization problems using evolutionary algorithms. Broadly the topics covered include constraint handling for single and multi-objective optimizations; penalty function based methodology; multi-objective based methodology; new constraint handling mechanism; hybrid methodology; scaling issues in constrained optimization; design of scalable test problems; parameter adaptation in constrained optimization; handling of integer, discrete and mix variables in addition to continuous variables; application of constraint handling techniques to real-world problems; and constrained optimization in dynamic environment. There is also a separate chapter on hybrid optimization, which is gaining lots of popularity nowadays due to its capability of bridging the gap between evolutionary and classical optimization. The material in the book is useful to researchers, novice, and experts alike. The book will also be useful for classroom teaching and future research
Front Matter....Pages i-xvi
A Critical Review of Adaptive Penalty Techniques in Evolutionary Computation....Pages 1-27
Ruggedness Quantifying for Constrained Continuous Fitness Landscapes....Pages 29-50
Trust Regions in Surrogate-Assisted Evolutionary Programming for Constrained Expensive Black-Box Optimization....Pages 51-94
Ephemeral Resource Constraints in Optimization....Pages 95-134
Incremental Approximation Models for Constrained Evolutionary Optimization....Pages 135-156
Efficient Constrained Optimization by the $$\varepsilon $$ ε Constrained Differential Evolution with Rough Approximation....Pages 157-180
Analyzing the Behaviour of Multi-recombinative Evolution Strategies Applied to a Conically Constrained Problem....Pages 181-204
Locating Potentially Disjoint Feasible Regions of a Search Space with a Particle Swarm Optimizer....Pages 205-230
Ensemble of Constraint Handling Techniques for Single Objective Constrained Optimization....Pages 231-248
Evolutionary Constrained Optimization: A Hybrid Approach....Pages 249-313
Back Matter....Pages 315-319