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: 1
نویسندگان: Dr. Hans-Georg Beyer (auth.)
سری: Natural Computing Series
ISBN (شابک) : 9783642086700, 9783662043783
ناشر: Springer-Verlag Berlin Heidelberg
سال نشر: 2001
تعداد صفحات: 392
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 11 مگابایت
کلمات کلیدی مربوط به کتاب تئوری استراتژی های تکامل: هوش مصنوعی (شامل رباتیک)، تجزیه و تحلیل الگوریتم و پیچیدگی مسئله، فیزیک آماری، سیستمهای دینامیکی و پیچیدگی، برنامه کامپیوتری. در علوم زیستی، آمار برای مهندسی، فیزیک، علوم کامپیوتر، شیمی
در صورت تبدیل فایل کتاب The Theory of Evolution Strategies 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 تئوری استراتژی های تکامل 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.
الگوریتمهای تکاملی، بهویژه استراتژیهای تکامل، الگوریتمهای
ژنتیک یا برنامهنویسی تکاملی، در ده سال گذشته بهعنوان
الگوریتمهای بهینهسازی قوی پذیرفته شدهاند. در مقایسه با
گسترش گسترده و رونق عملی ناشی از آن در زمینه های مختلف علمی،
این تئوری پیشرفت چندانی نکرده است.
این تک نگاری چارچوب و گام های اولیه به سوی تحلیل نظری
استراتژی های تکامل (ES) را ارائه می دهد. تاکید اصلی بر درک
عملکرد این الگوریتمهای بهینهسازی احتمالی در فضاهای جستجوی
با ارزش واقعی با بررسی ویژگیهای دینامیکی برخی از
الگوریتمهای ES به خوبی تثبیت شده است. این کتاب مفاهیم اساسی
این تجزیه و تحلیل مانند نرخ پیشرفت، افزایش کیفیت و پاسخ
خودسازگاری را معرفی میکند و نحوه محاسبه این مقادیر را شرح
میدهد. بر اساس تجزیه و تحلیل، اصول عملکرد مشتق شده است، با
هدف درک کیفی چرایی و نحوه عملکرد الگوریتمهای ES.
Evolutionary Algorithms, in particular Evolution Strategies,
Genetic Algorithms, or Evolutionary Programming, have found
wide acceptance as robust optimization algorithms in the last
ten years. Compared with the broad propagation and the
resulting practical prosperity in different scientific
fields, the theory has not progressed as much.
This monograph provides the framework and the first steps
toward the theoretical analysis of Evolution Strategies (ES).
The main emphasis is on understanding the functioning of
these probabilistic optimization algorithms in real-valued
search spaces by investigating the dynamical properties of
some well-established ES algorithms. The book introduces the
basic concepts of this analysis, such as progress rate,
quality gain, and self-adaptation response, and describes how
to calculate these quantities. Based on the analysis,
functioning principles are derived, aiming at a qualitative
understanding of why and how ES algorithms work.
Front Matter....Pages I-XIX
Introduction....Pages 1-24
Concepts for the Analysis of the ES....Pages 25-50
The Progress Rate of the $$\left( {1\mathop ,\limits^ + \lambda } \right)$$ -ES on the Sphere Model....Pages 51-111
The ( $$1\mathop + \limits_, \lambda $$ ) Quality Gain....Pages 113-142
The Analysis of the ( µ, λ )-ES....Pages 143-201
The ( μ/μ , λ) Strategies — or Why “Sex” May be Good....Pages 203-256
The (1, λ)- σ -Self-Adaptation....Pages 257-326
Back Matter....Pages 327-381