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 محاسباتی ویرایش: 1 نویسندگان: Robert Schaefer سری: Studies in Computational Intelligence ISBN (شابک) : 9783540731917, 3540731911 ناشر: Springer سال نشر: 2007 تعداد صفحات: 226 زبان: English فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 مگابایت
در صورت تبدیل فایل کتاب Foundations of Global Genetic 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 مبانی بهینه سازی ژنتیکی جهانی 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 به کاربرد الگوریتم های ژنتیک در بهینه سازی جهانی پیوسته اختصاص دارد. برخی از خواص و رفتار آنها برجسته شده و به طور رسمی توجیه می شود. تکنیکهای مختلف بهینهسازی و طبقهبندی آنها زمینهای برای بحث مفصل است. ماهیت جستجوی ژنتیکی پیوسته با مطالعه دینامیک اندازه گیری احتمالی، که برای ایجاد جمعیت های بعدی استفاده می شود، توضیح داده می شود. این رویکرد نشان میدهد که الگوریتمهای ژنتیک میتوانند برای استخراج برخی از مناطق دامنه جستجو موثرتر از یافتن حداقلهای محلی جدا شده استفاده شوند. استعاره بیولوژیکی چنین رفتاری، کل جمعیتی است که با اکتشاف سریع مناطق جدید تغذیه به جای مراقبت از یک فرد، زنده می مانند. یک گروه از استراتژیهایی که میتوانند از این ویژگی استفاده کنند، روشهای بهینهسازی جهانی دو فازی هستند. در مرحله اول، بخشهای مرکزی حوضههای جاذبه با تجزیه و تحلیل جمعیت ژنتیکی متمایز میشوند. پس از آن، حداقل سازها با روش های بهینه سازی محدب که به صورت موازی اجرا می شوند، پیدا می شوند.
This book is devoted to the application of genetic algorithms in continuous global optimization. Some of their properties and behavior are highlighted and formally justified. Various optimization techniques and their taxonomy are the background for detailed discussion. The nature of continuous genetic search is explained by studying the dynamics of probabilistic measure, which is utilized to create subsequent populations. This approach shows that genetic algorithms can be used to extract some areas of the search domain more effectively than to find isolated local minima. The biological metaphor of such behavior is the whole population surviving by rapid exploration of new regions of feeding rather than caring for a single individual. One group of strategies that can make use of this property are two-phase global optimization methods. In the first phase the central parts of the basins of attraction are distinguished by genetic population analysis. Afterwards, the minimizers are found by convex optimization methods executed in parallel.
Front Matter....Pages I-XI
Introduction....Pages 1-6
Global optimization problems....Pages 7-30
Basic models of genetic computations....Pages 31-53
Asymptotic behavior of the artificial genetic systems....Pages 55-113
Adaptation in genetic search....Pages 115-152
Two-phase stochastic global optimization strategies....Pages 153-197
Summary and perspectives of genetic algorithms in continuous global optimization....Pages 199-201
Back Matter....Pages 203-222