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
نویسندگان: Xin-She Yang (Auth.)
سری: Elsevier Insights
ISBN (شابک) : 9780124167438
ناشر: Elsevier
سال نشر: 2014
تعداد صفحات: 258
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 12 مگابایت
در صورت تبدیل فایل کتاب Nature-Inspired Optimization Algorithms 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 بهینه سازی الهام گرفته از طبیعت 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.
الگوریتمهای بهینهسازی الهامگرفته از طبیعت مقدمهای سیستماتیک برای همه الگوریتمهای اصلی الهامگرفته از طبیعت برای بهینهسازی فراهم میکند. رویکرد یکپارچه کتاب، معرفی الگوریتم متعادل، پیشینه نظری و اجرای عملی، مکمل ادبیات گسترده با مطالعات موردی خوب انتخاب شده است تا نحوه عملکرد این الگوریتمها را نشان دهد. موضوعات شامل بهینه سازی ازدحام ذرات، الگوریتم های مورچه و زنبور، بازپخت شبیه سازی شده، جستجوی فاخته، الگوریتم کرم شب تاب، الگوریتم خفاش، الگوریتم گل، جستجوی هارمونی، تجزیه و تحلیل الگوریتم، مدیریت محدودیت، روش های ترکیبی، تنظیم و کنترل پارامترها، و همچنین بهینه سازی چند هدفه است. .
این کتاب می تواند به عنوان یک کتاب مقدماتی برای فارغ التحصیلان، دانشجویان دکتری و مدرسان علوم کامپیوتر، مهندسی و علوم طبیعی باشد. همچنین می تواند منبع الهام برای برنامه های جدید باشد. محققان و مهندسان و همچنین کارشناسان با تجربه نیز آن را مرجع مفیدی خواهند یافت.
Nature-Inspired Optimization Algorithms provides a systematic introduction to all major nature-inspired algorithms for optimization. The book's unified approach, balancing algorithm introduction, theoretical background and practical implementation, complements extensive literature with well-chosen case studies to illustrate how these algorithms work. Topics include particle swarm optimization, ant and bee algorithms, simulated annealing, cuckoo search, firefly algorithm, bat algorithm, flower algorithm, harmony search, algorithm analysis, constraint handling, hybrid methods, parameter tuning and control, as well as multi-objective optimization.
This book can serve as an introductory book for graduates, doctoral students and lecturers in computer science, engineering and natural sciences. It can also serve a source of inspiration for new applications. Researchers and engineers as well as experienced experts will also find it a handy reference.
Content:
Nature-Inspired Optimization Algorithms, Page i
Nature-Inspired Optimization Algorithms, Page iii
Copyright, Page iv
Preface, Pages xi-xii
Chapter 1 - Introduction to Algorithms, Pages 1-21
Chapter 2 - Analysis of Algorithms, Pages 23-44
Chapter 3 - Random Walks and Optimization, Pages 45-65
Chapter 4 - Simulated Annealing, Pages 67-75
Chapter 5 - Genetic Algorithms, Pages 77-87
Chapter 6 - Differential Evolution, Pages 89-97
Chapter 7 - Particle Swarm Optimization, Pages 99-110
Chapter 8 - Firefly Algorithms, Pages 111-127
Chapter 9 - Cuckoo Search, Pages 129-139
Chapter 10 - Bat Algorithms, Pages 141-154
Chapter 11 - Flower Pollination Algorithms, Pages 155-173
Chapter 12 - A Framework for Self-Tuning Algorithms, Pages 175-182
Chapter 13 - How to Deal with Constraints, Pages 183-196
Chapter 14 - Multi-Objective Optimization, Pages 197-211
Chapter 15 - Other Algorithms and Hybrid Algorithms, Pages 213-226
Appendix A - Test Function Benchmarks for Global Optimization, Pages 227-245
Appendix B - Matlab Programs, Pages 247-263