Illustrating Evolutionary Computation with Mathematica

یک ظرفیت اساسی هوش، توانایی یادگیری است. یک سیستم هوشمند مصنوعی که بتواند یاد بگیرد لازم نیست برای هر اتفاقی برنامه ریزی شود. می تواند مانند سیستم های بیولوژیکی با محیط و شرایط در حال تغییر خود سازگار شود. Illustrating Evolutionary Computation with Mathematica محاسبات تکاملی را به خواننده باهوش فنی معرفی می کند که می خواهد این زمینه جذاب و مهم را کشف کند. این کتاب که در میان کتاب‌های محاسبات تکاملی منحصربه‌فرد است، همچنین کاربرد تکامل را در فرآیندهای رشدی در طبیعت، مانند فرآیندهای رشد در سلول‌ها و گیاهان بررسی می‌کند. اگر شما یک تازه وارد در زمینه محاسبات تکاملی، یک مهندس، یک برنامه نویس یا حتی یک زیست شناس هستید که می خواهید بیاموزید که چگونه تکامل و تکامل گیاهان را مدل کنید، این کتاب یک گزارش بصری غنی و جذاب از این موضوع پیچیده را در اختیار شما قرار می دهد. . * مکانیسم های اصلی تکامل بیولوژیکی را معرفی می کند. * بسیاری از جنبه های جذاب تکامل در طبیعت را با مثال های ساده و در عین حال گویا نشان می دهد. * هر یک از شاخه های اصلی محاسبات تکاملی را توضیح می دهد: الگوریتم های ژنتیک، برنامه ریزی ژنتیک، برنامه ریزی تکاملی، و استراتژی های تکامل. * برنامه نویسی رایانه ها را با اصول تکاملی با استفاده از Evolvica، یک سیستم برنامه نویسی ژنتیکی که توسط نویسنده طراحی شده است، نشان می دهد. * نحوه تکامل برنامه های توسعه ای مدل سازی شده توسط اتوماتای ​​سلولی و سیستم های Lindenmayer را با جزئیات نشان می دهد. * نوت‌بوک‌های Mathematica را در وب ارائه می‌کند که شامل تمام برنامه‌های موجود در کتاب و پشتیبانی از انیمیشن‌ها، فیلم‌ها و گرافیک‌ها می‌شود.

Amazon.com بررسی موجودات زنده موفق به حل انواع مشکلات پیچیده پیچیده می‌شوند. یک سادگی طبیعی که برنامه نویسان را غافلگیر می کند. نسل جدیدی از هکرها با ترکیب تکنیک‌های مبتنی بر اصولی که داروین و نوادگان روشنفکر او توضیح داده‌اند، چالش‌های پرمویی را با موفقیت شگفت‌آوری حل کرده‌اند. کریستین جیکوب برنامه‌نویسان و دانشمندان علاقه‌مند را با این ابزارها در تصویر محاسبات تکاملی با ریاضیات که نویسنده از آلمانی ترجمه کرده است، آشنا می‌کند. اصول اولیه تکامل بیولوژیکی از طریق جهش و سازگاری قبل از اینکه خود را با اهداف حل مسئله به کمک رایانه تطبیق دهند به سرعت پوشش داده می شود. سپس جیکوب اصول محاسبات تکاملی را از طریق مثال‌های واضح و توازن مناسبی از متن، فرمول‌ها و کد بررسی می‌کند. الگوریتم‌های ژنتیک، استراتژی‌های تکاملی، و خودکارهای حالت محدود، هر کدام سهم خود را از توجه و ادغام با Evolvica، سیستم برنامه‌ریزی ژنتیکی مبتنی بر Mathematica جیکوب، جلب می‌کنند. سیستم و پیشرفت‌های وب در این کتاب از طریق سایت دانشگاه کلگری در دسترس هستند و برای استفاده بیشتر از متن ضروری هستند. چند فصل آخر برنامه‌های پیشرفته‌ای مانند برنامه‌های کلاسیک \"مورچه‌های گرسنه\"، اتوماتای ​​سلولی و تکامل گیاهان مصنوعی را پوشش می‌دهند و امکانات بیشتری را برای این مرز برنامه‌نویسی پیشنهاد می‌کنند. تصویر محاسبات تکاملی با ریاضیات یک مقدمه و کتابچه راهنمای عالی برای کسانی است که مایلند از قدرت این هیبرید جدید قوی استفاده کنند. --راب لایتنر

An essential capacity of intelligence is the ability to learn. An artificially intelligent system that could learn would not have to be programmed for every eventuality; it could adapt to its changing environment and conditions just as biological systems do. Illustrating Evolutionary Computation with Mathematica introduces evolutionary computation to the technically savvy reader who wishes to explore this fascinating and increasingly important field. Unique among books on evolutionary computation, the book also explores the application of evolution to developmental processes in nature, such as the growth processes in cells and plants. If you are a newcomer to the evolutionary computation field, an engineer, a programmer, or even a biologist wanting to learn how to model the evolution and coevolution of plants, this book will provide you with a visually rich and engaging account of this complex subject. * Introduces the major mechanisms of biological evolution. * Demonstrates many fascinating aspects of evolution in nature with simple, yet illustrative examples. * Explains each of the major branches of evolutionary computation: genetic algorithms, genetic programming, evolutionary programming, and evolution strategies. * Demonstrates the programming of computers by evolutionary principles using Evolvica, a genetic programming system designed by the author. * Shows in detail how to evolve developmental programs modeled by cellular automata and Lindenmayer systems. * Provides Mathematica notebooks on the Web that include all the programs in the book and supporting animations, movies, and graphics.

Amazon.com Review Living organisms manage to solve all kinds of deviously complex problems with a natural simplicity that leaves programmers speechless. Incorporating techniques based on principles elaborated by Darwin and his intellectual descendents, a new generation of hackers has tackled hairy challenges with surprising success. Christian Jacob introduces interested programmers and scientists to these tools in Illustrating Evolutionary Computation with Mathematica, translated from German by the author. The basics of biological evolution through mutation and adaptation are covered quickly before they are adapted themselves to the purposes of computer-aided problem solving. Jacob then explores the fundamentals of evolutionary computing through well-illustrated examples and a good balance of text, formulae, and code. Genetic algorithms, evolutionary strategies, and finite state automata each get their share of attention and integration with Evolvica, Jacob's Mathematica-based genetic programming system. The system and Web enhancements to the book are available through the University of Calgary's site and are essential for getting the most from the text. The last few chapters cover advanced applications like the classic "hungry ants" programs, cellular automata, and artificial plant evolution, suggesting further possibilities for this programming frontier. Illustrating Evolutionary Computation with Mathematica is an excellent introduction and handbook for those wishing to harness the power of this vigorous new hybrid. --Rob Lightner