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: 1st ed. نویسندگان: Jyotsna K. Mandal, Somnath Mukhopadhyay, Paramartha Dutta سری: ISBN (شابک) : 9789811314704 ناشر: Springer Singapore سال نشر: 2018 تعداد صفحات: 326 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 11 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
کلمات کلیدی مربوط به کتاب بهینه سازی چند هدفه: چارچوب تکاملی به ترکیبی: علوم کامپیوتر، ریاضیات محاسبات، بهینه سازی، هوش محاسباتی
در صورت تبدیل فایل کتاب Multi-Objective Optimization: Evolutionary to Hybrid Framework 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 بهینه سازی چند هدفه: چارچوب تکاملی به ترکیبی 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 آخرین یافتهها را در مورد راهحلهای کارآمد مسائل بهینهسازی چندهدفه از محققان برجسته در این زمینه گرد هم میآورد. تمرکز بر حل مسائل بهینهسازی دنیای واقعی با استفاده از استراتژیهایی از چارچوبهای تکاملی تا ترکیبی و شامل پلتفرمهای محاسباتی مختلف است.
موضوعات تحت پوشش شامل چارچوب های راه حل با استفاده از مدل های تکاملی به ترکیبی در زمینه های کاربردی مانند تجزیه و تحلیل، تحقیقات سرطان، مدیریت ترافیک، شبکه ها و ارتباطات، حکومت الکترونیکی، فناوری کوانتومی، پردازش تصویر، و غیره است. به این ترتیب، کتاب ارائه می دهد. منبع ارزشمندی برای همه دانشجویان کارشناسی ارشد و محققان علاقه مند به بررسی چارچوب های راه حل برای مسائل بهینه سازی چندهدفه/چند هدف.This book brings together the latest findings on efficient solutions of multi/many-objective optimization problems from the leading researchers in the field. The focus is on solving real-world optimization problems using strategies ranging from evolutionary to hybrid frameworks, and involving various computation platforms.
The topics covered include solution frameworks using evolutionary to hybrid models in application areas like Analytics, Cancer Research, Traffic Management, Networks and Communications, E-Governance, Quantum Technology, Image Processing, etc. As such, the book offers a valuable resource for all postgraduate students and researchers interested in exploring solution frameworks for multi/many-objective optimization problems.Front Matter ....Pages i-xvi
Non-dominated Sorting Based Multi/Many-Objective Optimization: Two Decades of Research and Application (Haitham Seada, Kalyanmoy Deb)....Pages 1-24
Mean-Entropy Model of Uncertain Portfolio Selection Problem (Saibal Majumder, Samarjit Kar, Tandra Pal)....Pages 25-54
Incorporating Gene Ontology Information in Gene Expression Data Clustering Using Multiobjective Evolutionary Optimization: Application in Yeast Cell Cycle Data (Anirban Mukhopadhyay)....Pages 55-78
Interval-Valued Goal Programming Method to Solve Patrol Manpower Planning Problem for Road Traffic Management Using Genetic Algorithm (Bijay Baran Pal)....Pages 79-113
Multi-objective Optimization to Improve Robustness in Networks (R. Chulaka Gunasekara, Chilukuri K. Mohan, Kishan Mehrotra)....Pages 115-139
On Joint Maximization in Energy and Spectral Efficiency in Cooperative Cognitive Radio Networks (Santi P. Maity, Anal Paul)....Pages 141-157
Multi-Objective Optimization Approaches in Biological Learning System on Microarray Data (Saurav Mallik, Tapas Bhadra, Soumita Seth, Sanghamitra Bandyopadhyay, Jianjiao Chen)....Pages 159-180
Application of Multiobjective Optimization Techniques in Biomedical Image Segmentation—A Study (Shouvik Chakraborty, Kalyani Mali)....Pages 181-194
Feature Selection Using Multi-Objective Optimization Technique for Supervised Cancer Classification (P. Agarwalla, S. Mukhopadhyay)....Pages 195-213
Extended Nondominated Sorting Genetic Algorithm (ENSGA-II) for Multi-Objective Optimization Problem in Interval Environment (Asoke Kumar Bhunia, Amiya Biswas, Ali Akbar Shaikh)....Pages 215-241
A Comparative Study on Different Versions of Multi-Objective Genetic Algorithm for Simultaneous Gene Selection and Sample Categorization (Asit Kumar Das, Sunanda Das)....Pages 243-267
A Survey on the Application of Multi-Objective Optimization Methods in Image Segmentation (Niladri Sekhar Datta, Himadri Sekhar Dutta, Koushik Majumder, Sumana Chatterjee, Najir Abdul Wasim)....Pages 269-278
Bi-objective Genetic Algorithm with Rough Set Theory for Important Gene Selection in Disease Diagnosis (Asit Kumar Das, Soumen Kumar Pati)....Pages 279-298
Multi-Objective Optimization and Cluster-Wise Regression Analysis to Establish Input–Output Relationships of a Process (Amit Kumar Das, Debasish Das, Dilip Kumar Pratihar)....Pages 299-318