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
دسته بندی: الگوریتم ها و ساختارهای داده ویرایش: 1 نویسندگان: Martin Pelikan, Kumara Sastry, Erick Cantú-Paz سری: Studies in Computational Intelligence ISBN (شابک) : 9783540349532, 3540349537 ناشر: Springer سال نشر: 2006 تعداد صفحات: 362 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 6 مگابایت
در صورت تبدیل فایل کتاب Scalable Optimization Via Probabilistic Modeling: From Algorithms to 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 سازی مقیاس پذیر از طریق مدل سازی احتمالی: از الگوریتم ها به برنامه ها 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 مانند یک پرتو لیزر بر روی یکی از داغترین موضوعات در محاسبات تکاملی در دهه گذشته تمرکز دارد: تخمین الگوریتمهای توزیع (EDA). EDAها یک تکنیک مهم فعلی هستند که منجر به پیشرفتهایی در محاسبات ژنتیکی و تکاملی و به طور کلی در بهینهسازی میشوند. من بهینهسازی مقیاسپذیر از طریق مدلسازی احتمالی را در مکانی برجسته در کتابخانهام قرار میدهم، و از شما میخواهم که این کار را نیز انجام دهید. این جلد وضعیت هنر را خلاصه می کند و در عین حال اشاره می کند که آن هنر به کجا می رود. آن را بخرید، بخوانید و درس هایش را به دل بگیرید.
This book focuses like a laser beam on one of the hottest topics in evolutionary computation over the last decade or so: estimation of distribution algorithms (EDAs). EDAs are an important current technique that is leading to breakthroughs in genetic and evolutionary computation and in optimization more generally. I'm putting Scalable Optimization via Probabilistic Modeling in a prominent place in my library, and I urge you to do so as well. This volume summarizes the state of the art at the same time it points to where that art is going. Buy it, read it, and take its lessons to heart.
Front Matter....Pages I-XX
Introduction....Pages 1-10
The Factorized Distribution Algorithm and the Minimum Relative Entropy Principle....Pages 11-37
Linkage Learning via Probabilistic Modeling in the Extended Compact Genetic Algorithm (ECGA)....Pages 39-61
Hierarchical Bayesian Optimization Algorithm....Pages 63-90
Numerical Optimization with Real-Valued Estimation-of-Distribution Algorithms....Pages 91-120
A Survey of Probabilistic Model Building Genetic Programming....Pages 121-160
Efficiency Enhancement of Estimation of Distribution Algorithms....Pages 161-185
Design of Parallel Estimation of Distribution Algorithms....Pages 187-203
Incorporating a priori Knowledge in Probabilistic-Model Based Optimization....Pages 205-222
Multiobjective Estimation of Distribution Algorithms....Pages 223-248
Effective and Reliable Online Classification Combining XCS with EDA Mechanisms....Pages 249-273
Military Antenna Design Using a Simple Genetic Algorithm and hBOA....Pages 275-289
Feature Subset Selection with Hybrids of Filters and Evolutionary Algorithms....Pages 291-314
BOA for Nurse Scheduling....Pages 315-332
Searching for Ground States of Ising Spin Glasses with Hierarchical BOA and Cluster Exact Approximation....Pages 333-349