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: بهینه سازی، تحقیق در عملیات. ویرایش: 1st نویسندگان: Masatoshi Sakawa سری: Operations research/computer science interfaces series ORCS 14 ISBN (شابک) : 0792374525, 9780792374527 ناشر: Kluwer Academic Publishers سال نشر: 2002 تعداد صفحات: 299 زبان: English فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
در صورت تبدیل فایل کتاب Genetic algorithms and fuzzy multiobjective 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 الگوریتم های ژنتیک و بهینه سازی چندهدفه فازی 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.
از زمان معرفی الگوریتم های ژنتیک در دهه 1970، تعداد زیادی مقاله همراه با چندین تک نگاری و کتاب مهم در مورد این روش شناسی منتشر شده است. در نتیجه، الگوریتمهای ژنتیک سهم عمدهای در بهینهسازی، انطباق و یادگیری در طیف گستردهای از زمینههای غیرمنتظره داشتهاند. در طول سال ها، بسیاری از کتاب های عالی در بهینه سازی الگوریتم ژنتیک منتشر شده است. با این حال، آنها عمدتاً بر روی مسائل بهینه سازی گسسته تک هدفه یا سایر مسائل سخت تحت اطمینان تمرکز می کنند. به نظر می رسد هیچ کتابی برای ارائه الگوریتم های ژنتیک برای حل مسائل بهینه سازی نه تنها تک هدفه بلکه فازی و چندهدفه به صورت یکپارچه طراحی نشده باشد. الگوریتمهای ژنتیک و بهینهسازی چندهدفه فازی آخرین پیشرفتها را در زمینه بهینهسازی الگوریتم ژنتیک برای برنامهنویسی 0-1، برنامهریزی عدد صحیح، برنامهنویسی غیر محدب، و مسائل زمانبندی کارگاهی تحت چندهدفه و فازی بودن معرفی میکند. علاوه بر این، کتاب طیف گسترده ای از برنامه های کاربردی واقعی واقعی را بررسی می کند. مواد نظری و برنامههای کاربردی تاکید ویژهای بر جنبههای تصمیمگیری تعاملی بهینهسازی چندهدفه فازی برای سیستمهای انسان محور در بیشتر موقعیتهای واقعی هنگام برخورد با فازی میگذارد. خوانندگان مورد نظر این کتاب دانشجویان ارشد، دانشجویان کارشناسی ارشد، پژوهشگران و دست اندرکاران در زمینه های تحقیق در عملیات، علوم کامپیوتر، مهندسی صنایع، علوم مدیریت، مهندسی سیستم ها و سایر رشته های مهندسی هستند که به موضوعات برنامه نویسی چندهدفه می پردازند. مسائل بهینه سازی گسسته یا دیگر سخت تحت فازی. برنامه های کاربردی تحقیق دنیای واقعی در سراسر کتاب برای نشان دادن ارائه استفاده شده است. این برنامه ها از مشکلات پیچیده استخراج شده اند. به عنوان مثال می توان به برنامه ریزی انعطاف پذیر در یک مرکز ماشین آلات، برنامه ریزی عملیاتی نیروگاه های گرمایش و سرمایش منطقه ای، و برنامه ریزی خرید زغال سنگ در یک نیروگاه برق واقعی اشاره کرد.
Since the introduction of genetic algorithms in the 1970s, an enormous number of articles together with several significant monographs and books have been published on this methodology. As a result, genetic algorithms have made a major contribution to optimization, adaptation, and learning in a wide variety of unexpected fields. Over the years, many excellent books in genetic algorithm optimization have been published; however, they focus mainly on single-objective discrete or other hard optimization problems under certainty. There appears to be no book that is designed to present genetic algorithms for solving not only single-objective but also fuzzy and multiobjective optimization problems in a unified way. Genetic Algorithms And Fuzzy Multiobjective Optimization introduces the latest advances in the field of genetic algorithm optimization for 0-1 programming, integer programming, nonconvex programming, and job-shop scheduling problems under multiobjectiveness and fuzziness. In addition, the book treats a wide range of actual real world applications. The theoretical material and applications place special stress on interactive decision-making aspects of fuzzy multiobjective optimization for human-centered systems in most realistic situations when dealing with fuzziness. The intended readers of this book are senior undergraduate students, graduate students, researchers, and practitioners in the fields of operations research, computer science, industrial engineering, management science, systems engineering, and other engineering disciplines that deal with the subjects of multiobjective programming for discrete or other hard optimization problems under fuzziness. Real world research applications are used throughout the book to illustrate the presentation. These applications are drawn from complex problems. Examples include flexible scheduling in a machine center, operation planning of district heating and cooling plants, and coal purchase planning in an actual electric power plant.
Front cover......Page 1
Title page......Page 3
Date-line......Page 4
Dedication......Page 5
Contents......Page 7
Preface......Page 9
1.1 Introduction and historical remarks......Page 11
1.2 Organization of the book......Page 17
2.1 Outline of genetic algorithms......Page 21
2.2 Coding, fitness, and genetic operators......Page 25
3.1 Introduction......Page 39
3.2 Multidimensional 0-1 knapsack problems......Page 40
3.3 0-1 programming......Page 49
3.4 Conclusion......Page 62
4.1 Introduction......Page 63
4.2 Fuzzy multiobjective 0-1 programming......Page 64
4.3 Fuzzy multiobjective 0-1 programming with fuzzy numbers......Page 80
4.4 Conclusion......Page 91
5.1 Introduction......Page 93
5.2 Multidimensional integer knapsack problems......Page 94
5.3 Integer programming......Page 108
5.4 Conclusion......Page 114
6.1 Introduction......Page 117
6.2 Fuzzy multiobjective integer programming......Page 118
6.3 Fuzzy multiobjective integer programming with fuzzy numbers......Page 128
6.4 Conclusion......Page 141
7.1 Introduction......Page 143
7.2 Floating-point genetic algorithms......Page 144
7.3 GENOCOP III......Page 151
7.4 Revised GENOCOP III......Page 153
7.5 Conclusion......Page 161
8.1 Introduction......Page 163
8.2 Multiobjective nonlinear programming......Page 164
8.3 Multiobjective nonlinear programming problem with fuzzy numbers......Page 169
8.4 Conclusion......Page 177
9.1 Introduction......Page 179
9.2 Job-shop scheduling......Page 181
9.3 Genetic algorithms for job-shop scheduling......Page 184
10.1 Introduction......Page 199
10.2 Job-shop scheduling with fuzzy processing time and fuzzy due date......Page 201
10.3 Multiobjective job-shop scheduling under fuzziness......Page 218
11.1 Flexible scheduling in a machining center......Page 233
11.2 Operation planning of district heating and cooling plants......Page 246
11.3 Coal purchase planning in electric power plants......Page 263
References......Page 283
Index......Page 297
Back cover......Page 299