دانلود کتاب Foundations of Global Genetic Optimization
49,000 تومان
مبانی بهینه سازی ژنتیکی جهانی
| موضوع اصلی | ژنتیک |
|---|---|
| نوع کالا | کتاب الکترونیکی |
| تعداد صفحه | 226 |
| حجم فایل | 7 مگابایت |
| کد کتاب | 9783540694311 |
| نویسنده | Schaefer R. |
|---|---|
| زبان | انگلیسی |
| فرمت | |
| سال انتشار | 2007 |
جدول کد تخفیف
| تعداد کتاب | درصد تخفیف | قیمت کتاب |
| 1 | بدون تخفیف | 25,000 تومان |
| 2 | 20 درصد | 20,000 تومان |
| 3 الی 5 | 25 درصد | 18,750 تومان |
| 6 الی 10 | 30 درصد | 17,500 تومان |
| 11 الی 20 | 35 درصد | 16,250 تومان |
| 21 الی 30 | 40 درصد | 15,000 تومان |
| 31 الی 40 | 45 درصد | 13,750 تومان |
| 41 الی 50 | 50 درصد | 12,500 تومان |
| 51 الی 70 | 55 درصد | 11,250 تومان |
| 71 الی 100 | 60 درصد | 10,000 تومان |
| 101 الی 150 | 65 درصد | 8,750 تومان |
| 151 الی 200 | 70 درصد | 7,500 تومان |
| 201 الی 300 | 75 درصد | 6,250 تومان |
| 301 الی 500 | 80 درصد | 5,000 تومان |
| 501 الی 1000 | 85 درصد | 3,750 تومان |
| 1001 الی 10000 | 90 درصد | 2,500 تومان |
ترجمه فارسی توضیحات (ترجمه ماشینی)
مبانی بهینه سازی ژنتیکی جهانی
این کتاب به کاربرد الگوریتم های ژنتیک در بهینه سازی پیوسته جهانی اختصاص دارد. برخی از خواص و رفتار آنها برجسته شده و به طور رسمی توجیه می شود. تکنیکهای مختلف بهینهسازی و طبقهبندی آنها زمینهای برای بحث مفصل است. ماهیت جستجوی ژنتیکی پیوسته با مطالعه دینامیک اندازه گیری احتمالی، که برای ایجاد جمعیت های بعدی استفاده می شود، توضیح داده می شود. این رویکرد نشان میدهد که الگوریتمهای ژنتیک را میتوان برای استخراج برخی از مناطق دامنه جستجو موثرتر از یافتن حداقلهای محلی جدا شده استفاده کرد. استعاره بیولوژیکی چنین رفتاری، کل جمعیتی است که با اکتشاف سریع مناطق جدید تغذیه به جای مراقبت از یک فرد، زنده می مانند. یک گروه از استراتژیهایی که میتوانند از این ویژگی استفاده کنند، روشهای بهینهسازی جهانی دو فازی هستند. در مرحله اول، بخشهای مرکزی حوضههای جاذبه با تجزیه و تحلیل جمعیت ژنتیکی متمایز میشوند. پس از آن، حداقل سازها با روش های بهینه سازی محدب که به صورت موازی اجرا می شوند، پیدا می شوند.
Foundations of Global Genetic Optimization
This book is devoted to the application of genetic algorithms in continuous global optimization. Some of their properties and behavior are highlighted and formally justified. Various optimization techniques and their taxonomy are the background for detailed discussion. The nature of continuous genetic search is explained by studying the dynamics of probabilistic measure, which is utilized to create subsequent populations. This approach shows that genetic algorithms can be used to extract some areas of the search domain more effectively than to find isolated local minima. The biological metaphor of such behavior is the whole population surviving by rapid exploration of new regions of feeding rather than caring for a single individual. One group of strategies that can make use of this property are two-phase global optimization methods. In the first phase the central parts of the basins of attraction are distinguished by genetic population analysis. Afterwards, the minimizers are found by convex optimization methods executed in parallel.
برای فرستادن دیدگاه، باید وارد شده باشید.
نقد و بررسیها
هنوز بررسیای ثبت نشده است.