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: 2nd ed. 2014 نویسندگان: Burke. Edmund K(Editor), Kendall. Graham(Editor) سری: ISBN (شابک) : 9781461469391, 1461469406 ناشر: Springer US سال نشر: 2013;2014 تعداد صفحات: 715 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 9 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Search Methodologies Introductory Tutorials in Optimization and Decision Support Techniques 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 روش های جستجو آموزش مقدماتی در بهینه سازی و تکنیک های پشتیبانی تصمیم گیری 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.
اولین ویرایش از روشهای جستجو: آموزش مقدماتی در تکنیکهای بهینهسازی و پشتیبانی تصمیمگیری در ابتدا برای ارائه مقدمهای اساسی از تکنیکهای مختلف جستجو و بهینهسازی که ممکن است دانشآموزان در طول تحقیق خود نیاز به استفاده از آنها داشته باشند، گردآوری شد، و این نسخه جدید این سنت را ادامه میدهد. روشهای جستجو گسترش یافته و کاملاً به روز شده است، از جمله فصلهای جدیدی که شامل جستجوی پراکنده، GRASP و جستجوی محله بسیار بزرگ میشود. نویسندگان فصل از سراسر علوم کامپیوتر و تحقیقات عملیاتی گرفته شده اند و شامل برخی از مقامات برجسته جهان در زمینه خود می شوند. این کتاب رهنمودهای مفیدی برای پیاده سازی روش ها و چارچوب های شرح داده شده ارائه می دهد و آموزش های ارزشمندی را به دانشجویان و محققین این حوزه ارائه می کند. \"همانطور که سفر دلپذیر مطالعه فصول این کتاب را آغاز کردم، متقاعد شدم که این یکی از بهترین منابع مقدماتی در مورد موضوع روششناسی جستجو است. زیرنویس کتاب، \"آموزشهای مقدماتی در تکنیکهای بهینهسازی و پشتیبانی تصمیمگیری، هدف خود را به درستی توصیف میکند و ویراستاران و دست اندرکاران این جلد با موفقیت چشمگیری به این هدف دست یافتهاند. فصلهای این کتاب در ارائه دستورالعملهای مفید برای اجرای روشها و چارچوبهای توصیفشده نمونهای هستند.» فرد گلاور، دانشکده بازرگانی لیدز، دانشگاه کلرادو بولدر، ایالات متحده «[کتاب] با هدف ارائه مجموعه ای از آموزش های خوب نوشته شده توسط متخصصان برجسته در زمینه های خود می باشد. این موضوع به دانشجویان و متخصصان این امکان را میدهد تا زیبایی و قدرت برخی از تکنیکهای جستجوی محاسباتی را که میتوانند به طور مؤثر مطالعه کنند و از آن قدردانی کنند. در فضاهای جستجو که گاهی به طرز غیر قابل تصوری بزرگ هستند حرکت کنید. من متقاعد شدهام که این نسخه دوم بر موفقیت نسخه اول استوار خواهد شد و به همان اندازه محبوب خواهد بود.\" Jacek Blazewicz، موسسه علوم محاسباتی، دانشگاه فناوری پوزنان و موسسه شیمی بیورگانیک، آکادمی لهستان علوم.؛ مقدمه -- تکنیک های کلاسیک -- برنامه نویسی عدد صحیح -- الگوریتم های ژنتیک -- جستجوی پراکنده -- برنامه ریزی ژنتیک -- سیستم های ایمنی مصنوعی -- هوش ازدحام -- جستجوی تابو -- بازپخت شبیه سازی شده -- GRASP: رویه های جستجوی تطبیقی تصادفی حریصانه -- جستجوی همسایگی متغیر -- جستجوی همسایگی در مقیاس بسیار بزرگ -- برنامه نویسی با محدودیت -- بهینه سازی چند هدفه -- تیز و متمرکز بدون ناهار رایگان و نظریه پیچیدگی -- یادگیری ماشین -- استدلال فازی -- تصمیم گیری مبتنی بر مجموعه خشن پشتیبانی -- فراابتکاری -- تقریب ها و تصادفی سازی -- چشم اندازهای تناسب اندام.
The first edition of Search Methodologies: Introductory Tutorials in Optimization and Decision Support Techniques was originally put together to offer a basic introduction to the various search and optimization techniques that students might need to use during their research, and this new edition continues this tradition. Search Methodologies has been expanded and brought completely up to date, including new chapters covering scatter search, GRASP, and very large neighborhood search. The chapter authors are drawn from across Computer Science and Operations Research and include some of the world's leading authorities in their field. The book provides useful guidelines for implementing the methods and frameworks described and offers valuable tutorials to students and researchers in the field. "As I embarked on the pleasant journey of reading through the chapters of this book, I became convinced that this is one of the best sources of introductory material on the search methodologies topic to be found. The book's subtitle, "Introductory Tutorials in Optimization and Decision Support Techniques", aptly describes its aim, and the editors and contributors to this volume have achieved this aim with remarkable success. The chapters in this book are exemplary in giving useful guidelines for implementing the methods and frameworks described." Fred Glover, Leeds School of Business, University of Colorado Boulder, USA "[The book] aims to present a series of well written tutorials by the leading experts in their fields. Moreover, it does this by covering practically the whole possible range of topics in the discipline. It enables students and practitioners to study and appreciate the beauty and the power of some of the computational search techniques that are able to effectively navigate through search spaces that are sometimes inconceivably large. I am convinced that this second edition will build on the success of the first edition and that it will prove to be just as popular." Jacek Blazewicz, Institute of Computing Science, Poznan University of Technology and Institute of Bioorganic Chemistry, Polish Academy of Sciences.;Introduction -- Classical Techniques -- Integer Programming -- Genetic Algorithms -- Scatter Search -- Genetic Programming -- Artificial Immune Systems -- Swarm Intelligence -- Tabu Search -- Simulated Annealing -- GRASP: Greedy Randomized Adaptive Search Procedures -- Variable Neighborhood Search -- Very Large-Scale Neighborhood Search -- Constraint Programming -- Multi-objective Optimization -- Sharpened and Focused No Free Lunch and Complexity Theory -- Machine Learning -- Fuzzy Reasoning -- Rough-Set-Based Decision Support -- Hyper-heuristics -- Approximations and Randomization -- Fitness Landscapes.
Front Matter....Pages i-xiv
Introduction....Pages 1-17
Classical Techniques....Pages 19-65
Integer Programming....Pages 67-92
Genetic Algorithms....Pages 93-117
Scatter Search....Pages 119-141
Genetic Programming....Pages 143-185
Artificial Immune Systems....Pages 187-211
Swarm Intelligence....Pages 213-242
Tabu Search....Pages 243-263
Simulated Annealing....Pages 265-285
GRASP: Greedy Randomized Adaptive Search Procedures....Pages 287-312
Variable Neighborhood Search....Pages 313-337
Very Large-Scale Neighborhood Search....Pages 339-367
Constraint Programming....Pages 369-401
Multi-objective Optimization....Pages 403-449
Sharpened and Focused No Free Lunch and Complexity Theory....Pages 451-476
Machine Learning....Pages 477-517
Fuzzy Reasoning....Pages 519-556
Rough-Set-Based Decision Support....Pages 557-609
Hyper-heuristics....Pages 611-638
Approximations and Randomization....Pages 639-679
Fitness Landscapes....Pages 681-705
Back Matter....Pages 707-716