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: نویسندگان: Seyedali Mirjalili, Jin Song Dong, Andrew Lewis (eds.) سری: ISBN (شابک) : 9783030121273 ناشر: Springer سال نشر: 2020 تعداد صفحات: 239 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 10 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Nature-inspired Optimizers. Theories, Literature Reviews and Applications 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 سازهای الهام گرفته از طبیعت نظریه ها، بررسی های ادبیات و کاربردها 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.
Preface......Page 3
Contents......Page 5
Intro to Nature-Inspired Algorithms......Page 10
Reference......Page 14
1 Introduction......Page 15
2 Inspiration......Page 16
3 Mathematical Model......Page 17
3.1 Construction Phase......Page 18
3.2 Pheromone Phase......Page 19
3.4 Max-Min Ant System......Page 20
3.6 Continuous Ant Colony......Page 21
4 Application of ACO in AUV Path Planning......Page 22
References......Page 28
Ant Lion Optimizer......Page 30
1 Introduction......Page 31
2 Ant Lion Optimizer......Page 32
3 Literature Review......Page 35
4 Perceptron Neural Networks......Page 37
5 ALO for Training MLPs......Page 38
6 Results and Discussions......Page 40
7 Conclusions and Future Directions......Page 47
References......Page 49
Dragonfly Algorithm......Page 54
1 Introduction......Page 55
2 Feature Selection Problem......Page 56
3 Dragonfly Algorithm......Page 57
4 Literature Review......Page 60
5 Binary DA (BDA)......Page 61
5.1 BDA-Based Wrapper Feature Selection......Page 62
6 Results and Discussions......Page 63
6.1 Results and Analysis......Page 64
7 Conclusions and Future Directions......Page 67
References......Page 69
1 Introduction......Page 75
2.1 Inspiration......Page 76
2.3 Initial Population......Page 77
2.4 Selection......Page 78
2.5 Crossover (Recombination)......Page 79
2.6 Mutation......Page 81
3 Experiments......Page 82
References......Page 89
1 Introduction......Page 92
2 Grey Wolf Optimizer......Page 93
2.1 Encircling Prey......Page 94
3 Literature Review......Page 97
3.1 Different Variants of GWO......Page 98
4 Performance Analysis of GWO......Page 99
4.1 Convergence Behaviour of GWO......Page 100
4.2 Changing the Main Controlling Parameter of GWO......Page 102
5 Marine Propeller Design Using GWO......Page 104
6 Conclusions......Page 107
References......Page 108
Grasshopper Optimization Algorithm......Page 111
1 Introduction......Page 112
2 Grasshopper Optimization Algorithm......Page 113
3.1 Different Variants of GOA......Page 116
3.2 Applications of GOA......Page 117
4.1 Testing GOA on Some Benchmark Functions......Page 118
4.2 Applying GOA to the Problem of Hand Posture Estimation......Page 120
5 Conclusion......Page 123
References......Page 124
Multi-Verse Optimizer......Page 127
1 Introduction......Page 128
2 Multi-verse Optimizer......Page 129
3 Literature Review......Page 130
3.1 MVO Variants......Page 131
3.2 MVO Applications......Page 132
4 Application of MVO in Solving Data Clustering Problems......Page 133
5 Implementation and Results......Page 135
5.1 Evaluation Measures......Page 136
5.2 Results and Analysis......Page 137
6 Conclusions and Future Directions......Page 140
References......Page 141
1 Introduction......Page 146
2.1 Background and Motivation......Page 148
2.4 The MFO Algorithm......Page 149
3 Literature Review of MFO......Page 154
3.2 Applications......Page 155
4 MFO for Optimal Control Problems......Page 156
4.1 Problem Definition......Page 157
4.2 Collocation......Page 158
5.1 Example 1. Rotational/Translational Actuator......Page 159
5.2 Example 2. F-8 Aircraft......Page 162
6 Conclusion......Page 163
References......Page 164
1 Introduction......Page 170
2 Particle Swarm Optimization......Page 171
3.1 Exploration and Exploitation in PSO......Page 175
3.2 2D Airfoil Design Using PSO......Page 180
References......Page 186
1 Introduction......Page 188
2 Extreme Learning Machines......Page 190
3 Salp Swarm Algorithm......Page 191
4 Literature Review......Page 193
5 Proposed SSA-ELM Approach......Page 194
6 Experiments and Results......Page 195
References......Page 199
1 Introduction......Page 203
2 Sine Cosine Algorithm......Page 205
3.1 Variants......Page 208
3.2 Application......Page 209
4.1 Solving Benchmark Functions Using SCA......Page 210
4.2 Designing Bend Photonic Crystal Waveguides Using SCA......Page 213
5 Conclusion......Page 215
References......Page 216
1 Introduction......Page 220
2 Whale Optimization Algorithm......Page 222
3.1 Variants......Page 225
3.2 Applications......Page 226
4.1 Results of WOA on Benchmark Functions......Page 227
4.2 Results of WOA When Designing Photonic Crystal Filters......Page 230
References......Page 234