Towards a New Evolutionary Computation: Advances in the Estimation of Distribution Algorithms

ویرایش: 1 
نویسندگان: Alberto Ochoa,  Marta Soto (auth.),  Jose A. Lozano,  Pedro Larrañaga,  Iñaki Inza,  Endika Bengoetxea (eds.)  
سری: Studies in Fuzziness and Soft Computing 192 
ISBN (شابک) : 3540290060, 9783540290063 
ناشر: Springer-Verlag Berlin Heidelberg 
سال نشر: 2006 
تعداد صفحات: 306 
زبان: English  
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 5 مگابایت 

قیمت کتاب (تومان) : 44,000



این جلدی است که به خوبی در مورد تخمین الگوریتم‌های توزیع (EDA) توسط محققان برجسته در این موضوع مهم ویرایش شده است.

طیف گسترده‌ای از موضوعات را در EDAها، از تحلیل نظری گرفته تا تجربی، پوشش می‌دهد. مطالعات، از یک هدف تا بهینه سازی چند هدفه، و از EDA های موازی تا EDA های ترکیبی. این یک کتاب بسیار مفید برای همه کسانی است که به EDA ها، محاسبات تکاملی یا بهینه سازی به طور کلی علاقه دارند.

Xin Yao، همکار IEEE
ویراستار ارشد، IEEE Transactions on Evolutionary Computation

________________________________________________________________

تخمین الگوریتم‌های توزیع (EDA) \"ژنتیک\"

را از الگوریتم‌های تکاملی (EAs) حذف کرده‌اند. با این حال، هر دو رویکرد (هنوز) اشتراکات زیادی دارند، و به عنوان مثال، می توان استدلال کرد که هر یک در واقع شامل دیگری نیز می شود! با این وجود، در حالی که برخی از رویکردهای نظری که مختص EDA ها هستند، پیشنهاد می شوند، بسیاری از مسائل عملی برای هر دو زمینه مشترک است، و اگرچه تنها در اواسط دهه 90 پیشنهاد شد، EDA ها اکنون به سرعت به EA ها می رسند، با پیروی از دستورالعمل های تحقیقاتی بسیاری که ثابت کرده اند. برای دومی موفقیت آمیز بود:

باز کردن در دامنه های مختلف جستجو، ترکیب با روش های دیگر (خواه تکنیک های OR یا خود EA ها!)، موازی شدن، مقابله با مشکلات برنامه کاربردی و موارد مشابه.

< P> این کتاب یک تصویر فوری به روز از این زمینه به سرعت در حال حرکت را ارائه می دهد و شاهد بلوغ آن است. بنابراین، هر کسی که علاقه مند به EDA یا EA یا به طور کلی تر به بهینه سازی تصادفی است، باید به سرعت خوانده شود.

Marc Schoenauer
ویراستار، محاسبات تکاملی

This is a nicely edited volume on Estimation of Distribution Algorithms (EDAs) by leading researchers on this important topic.

It covers a wide range of topics in EDAs, from theoretical analysis to experimental studies, from single objective to multi-objective optimisation, and from parallel EDAs to hybrid EDAs. It is a very useful book for everyone who is interested in EDAs, evolutionary computation or optimisation in general.

Xin Yao, IEEE Fellow
Editor-in-Chief, IEEE Transactions on Evolutionary Computation

______________________________________________________________

Estimation of Distribution Algorithms (EDAs) have "removed genetics"

from Evolutionary Algorithms (EAs). However, both approaches (still) have a lot in common, and, for instance, each one could be argued to in fact include the other! Nevertheless, whereas some theoretical approaches that are specific to EDAs are being proposed, many practical issues are common to both fields, and, though proposed in the mid 90's only, EDAs are catching up fast now with EAs, following many research directions that have proved successful for the latter:

opening to different search domains, hybridizing with other methods (be they OR techniques or EAs themselves!), going parallel, tackling difficult application problems, and the like.

This book proposes an up-to-date snapshot of this rapidly moving field, and witnesses its maturity. It should hence be read ... rapidly, by anyone interested in either EDAs or EAs, or more generally in stochastic optimization.

Marc Schoenauer
Editor-in-Chief, Evolutionary Computation

Linking Entropy to Estimation of Distribution Algorithms....Pages 1-38
Entropy-based Convergence Measurement in Discrete Estimation of Distribution Algorithms....Pages 39-50
Real-coded Bayesian Optimization Algorithm....Pages 51-73
The CMA Evolution Strategy: A Comparing Review....Pages 75-102
Estimation of Distribution Programming: EDA-based Approach to Program Generation....Pages 103-122
Multi-objective Optimization with the Naive $$ \mathbb{M} $$ ID $$ \mathbb{E} $$ A....Pages 123-157
A Parallel Island Model for Estimation of Distribution Algorithms....Pages 159-186
GA-EDA: A New Hybrid Cooperative Search Evolutionary Algorithm....Pages 187-219
Bayesian Classifiers in Optimization: An EDA-like Approach....Pages 221-242
Feature Ranking Using an EDA-based Wrapper Approach....Pages 243-257
Learning Linguistic Fuzzy Rules by Using Estimation of Distribution Algorithms as the Search Engine in the COR Methodology....Pages 259-280
Estimation of Distribution Algorithm with 2-opt Local Search for the Quadratic Assignment Problem....Pages 281-292