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: Jagdish Chand Bansal, Prathu Bajpai, Anjali Rawat, Atulya K. Nagar سری: SpringerBriefs in Applied Sciences and Technology: Computational Intelligence ISBN (شابک) : 9811997217, 9789811997211 ناشر: Springer سال نشر: 2023 تعداد صفحات: 113 [114] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 Mb
در صورت تبدیل فایل کتاب Sine Cosine Algorithm for Optimization 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 کسینوس سینوسی برای بهینه سازی 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 دسترسی آزاد به عنوان منبع فشرده اطلاعات در مورد
الگوریتم کسینوس سینوسی (SCA) و پایه ای برای توسعه و پیشرفت SCA
و کاربردهای آن است. SCA یک نامزد آسان، کاربر پسند و قوی در
زمینه الگوریتم های فراابتکاری است. علیرغم اینکه یک الگوریتم
فراابتکاری نسبتاً جدید است، به دلیل پیاده سازی آسان و قابلیت
های بهینه سازی قوی، به مقبولیت گسترده ای در بین محققان دست
یافته است. اثربخشی و مزایای آن در کاربردهای مختلف از یادگیری
ماشین، طراحی مهندسی و شبکه حسگر بیسیم گرفته تا مدلسازی محیطی
نشان داده شده است. این کتاب یک گزارش جامع از SCA، شامل جزئیات
ایدههای اساسی، نسخههای اصلاحشده، برنامههای کاربردی مختلف و
یک کد متلب فعال برای SCA پایه ارائه میکند.
This open access book serves as a compact source of
information on sine cosine algorithm (SCA) and a foundation for
developing and advancing SCA and its applications. SCA is an
easy, user-friendly, and strong candidate in the field of
metaheuristics algorithms. Despite being a relatively new
metaheuristic algorithm, it has achieved widespread acceptance
among researchers due to its easy implementation and robust
optimization capabilities. Its effectiveness and advantages
have been demonstrated in various applications ranging from
machine learning, engineering design, and wireless sensor
network to environmental modeling. The book provides a
comprehensive account of the SCA, including details of the
underlying ideas, the modified versions, various applications,
and a working MATLAB code for the basic SCA.
Foreword Preface Contents 1 Introduction References 2 Sine Cosine Algorithm 2.1 Description of the Sine Cosine Algorithm (SCA) 2.2 Parameters Associated with the SCA 2.3 Biases of Sine Cosine Algorithm 2.3.1 Experimental Setup 2.4 Numerical Example 2.5 Source Code Reference 3 Sine Cosine Algorithm for Multi-objective Optimization 3.1 Multi-objective Optimization Problems (MOOP) 3.2 Multi-objective Optimization Techniques (MOOT) 3.2.1 Some Concepts and Terminologies 3.2.2 Different Approaches of Solving MOOP 3.3 Multi-objective SCA 3.3.1 Aggregation-Based Multi-objective Sine Cosine Algorithm and Their Applications 3.3.2 Non-dominance Diversity-Based Multi-objective SCA and Its Applications 3.4 Conclusion References 4 Sine Cosine Algorithm for Discrete Optimization Problems 4.1 Discrete Optimization Models 4.2 Discrete Optimization Methods 4.3 Binary Versions of Sine Cosine Algorithm 4.3.1 Binary Sine Cosine Algorithm Using Round-Off Method 4.3.2 Binary Sine Cosine Algorithm Using Transfer Functions 4.3.3 Binary Sine Cosine Algorithm Using Percentile Concept 4.4 Discrete Versions of Sine Cosine Algorithm References 5 Advancements in the Sine Cosine Algorithm 5.1 Modifications in the Position Update Mechanism 5.2 Opposition-Based Learning Inspired Sine Cosine Algorithm 5.3 Quantum-Inspired Sine Cosine Algorithm 5.4 Covariance Guided Sine Cosine Algorithm 5.5 Hybridization of SCA with Other Meta-heuristics References 6 Conclusion and Further Research Directions References Index