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: [1 ed.] نویسندگان: Toshihide Ibaraki, Koji Nonobe, Mutsunori Yagiura سری: Operations Research Computer Science Interfaces Series ISBN (شابک) : 0387253823, 9780387253824 ناشر: Springer سال نشر: 2005 تعداد صفحات: 419 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 15 Mb
در صورت تبدیل فایل کتاب Metaheuristics:: Progress as Real Problem Solvers 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 فراابتکاری:: پیشرفت به عنوان حل کننده های واقعی مسئله 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.
جهان جهانی شده ما پیچیدگی فزاینده و بسیاری از مشکلات محاسباتی سخت را برای ما به ارمغان می آورد. فراابتکاری روش های بهینه سازی ریاضی است که به پاسخی قدرتمند برای بسیاری از این مسائل دشوار تبدیل شده است. به عنوان مجموعه ای رو به رشد از روش های قوی، فراابتکاری الگوریتم های موثری تولید می کند که راه حل های تقریبی با کیفیت بالا را در زمان محاسباتی واقعی محاسبه می کند.
METAHEURISTICS: پیشرفت به عنوان حل کننده های واقعی مشکل< /EM> یک جلد بررسی شده از هجده مقاله فعلی و پیشرفته توسط محققان برجسته در این زمینه است. شامل یک مقاله دعوت شده توسط F. Glover و G. Kochenberger است که در مورد مفهوم فرآیندهای عامل فراابتکاری بحث می کند و یک مقاله آموزشی توسط M.G.C. Resende و C.C. ریبیرو در حال بحث درباره GRASP با پیوند مجدد مسیر است. مقالات دیگر رویکردهای حل مسئله در جدولبندی، پلانوگرامهای خودکار، آسانسورها، تخصیص فضا، طراحی شیفت، برش سهام، برنامهریزی انعطافپذیر فروشگاه، سرطان کولورکتال و کارتوگرافی را مورد بحث قرار میدهند. آخرین گروه از مقالات روش شناسی جنبه های مختلف فراابتکاری را از دیدگاه محاسباتی روشن می کند.
هدف این جلد ادغام آثار در تحقیقات عملیات، علم مدیریت، هوش مصنوعی، علوم کامپیوتر است. و زمینه های مرتبط برای درک بیشتر اصول اساسی و حوزه در حال توسعه فراابتکاری. این شامل الگوریتمهای ژنتیک، بازپخت شبیهسازیشده، جستجوی تابو، محاسبات تکاملی، روشهای جستجوی تصادفی تطبیقی حریصانه (GRASP)، جستجوی پراکنده، سیستم مورچهای، جستجوی محله متغیر، جستجوی محلی هدایتشده، جستجوی محلی تکراری، روشهای نویز، پذیرش آستانه، الگوریتمهای ممتیک، شبکه های عصبی، و دیگر رویکردهای ترکیبی و/یا گونه برای حل مسائل ترکیبی سخت.
Our globalized world brings us increasing complexity and many computationally hard problems. Metaheuristics are mathematical optimization methods that have become a powerful answer to many of these difficult problems. As a growing set of robust methods, Metaheuristics is producing effective algorithms that compute approximate solutions of high quality in realistic computational time.
METAHEURISTICS: Progress as Real Problem Solvers is a peer-reviewed volume of eighteen current, cutting-edge papers by leading researchers in the field. Included are an invited paper by F. Glover and G. Kochenberger, which discusses the concept of Metaheuristic agent processes, and a tutorial paper by M.G.C. Resende and C.C. Ribeiro discussing GRASP with path-relinking. Other papers discuss problem-solving approaches to timetabling, automated planograms, elevators, space allocation, shift design, cutting stock, flexible shop scheduling, colorectal cancer and cartography. A final group of methodology papers clarify various aspects of Metaheuristics from the computational view point.
The volume's objective is to consolidate works in operations research, management science, artificial intelligence, computer science, and related fields to further the understanding of basic principles and the developing domain of Metaheuristics. This includes genetic algorithms, simulated annealing, tabu search, evolutionary computation, greedy randomized adaptive search procedures (GRASP), scatter search, ant system, variable neighborhood search, guided local search, iterated local search, noising methods, threshold accepting, memetic algorithms, neural networks, and other hybrid and/or variant approaches for solving hard combinatorial problems.