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: سایبرنتیک: هوش مصنوعی ویرایش: نویسندگان: Luca S. سری: ناشر: سال نشر: تعداد صفحات: 37 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 مگابایت
کلمات کلیدی مربوط به کتاب GA: بسته ای برای الگوریتم های ژنتیک در R: علوم و مهندسی کامپیوتر، هوش مصنوعی، الگوریتم های تکاملی
در صورت تبدیل فایل کتاب GA: A Package for Genetic Algorithms in R 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 GA: بسته ای برای الگوریتم های ژنتیک در R 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.
Paper, 37 p, Journal of Statistical Software, April 2013,
Volume 53, Issue 4.
الگوریتم های ژنتیک (GAs) الگوریتم های جستجوی تصادفی هستند که از
اصول اولیه تکامل بیولوژیکی و انتخاب طبیعی الهام گرفته شده اند.
GAها با تقلید از مکانیسمهای بیولوژیکی تکامل، مانند انتخاب،
متقاطع و جهش، تکامل موجودات زنده را شبیهسازی میکنند، جایی که
افراد آزمایش بر موجودات ضعیفتر تسلط دارند. GAها با موفقیت برای
حل مسائل بهینهسازی، هم برای توابع پیوسته (چه قابل تشخیص یا غیر
قابل تشخیص) و هم برای توابع گسسته استفاده شدهاند. این مقاله
بسته R GA را توصیف میکند، مجموعهای از توابع هدف کلی که
مجموعهای از ابزارها را برای بکارگیری طیف وسیعی از روشهای
الگوریتم ژنتیک ارائه میدهد. چندین مثال مورد بحث قرار
گرفتهاند، از توابع ریاضی در یک و دو بعد که بهینهسازی آنها با
روشهای مبتنی بر مشتقهای استاندارد دشوار است، تا برخی مسائل
آماری منتخب که به بهینهسازی توابع هدف مورد نیاز کاربر نیاز
دارند.
Paper, 37 p, Journal of Statistical Software, April 2013,
Volume 53, Issue 4.
Genetic algorithms (GAs) are stochastic search algorithms
inspired by the basic principles of biological evolution and
natural selection. GAs simulate the evolution of living
organisms, where the ttest individuals dominate over the weaker
ones, by mimicking the biological mechanisms of evolution, such
as selection, crossover and mutation. GAs have been
successfully applied to solve optimization problems, both for
continuous (whether di erentiable or not) and discrete
functions. This paper describes the R package GA, a collection
of general purpose functions that provide a exible set of tools
for applying a wide range of genetic algorithm methods. Several
examples are discussed, ranging from mathematical functions in
one and two dimensions known to be hard to optimize with
standard derivative-based methods, to some selected statistical
problems which require the optimization of user de ned
objective functions.