This book provides a framework for the design of competent optimization techniques by combining advanced evolutionary algorithms with state-of-the-art machine learning techniques. The primary focus of the book is on two algorithms that replace traditional variation operators of evolutionary algorithms, by learning and sampling Bayesian networks: the Bayesian optimization algorithm (BOA) and the hierarchical BOA (hBOA). They provide a scalable solution to a broad class of problems. The book provides an overview of evolutionary algorithms that use probabilistic models to guide their search, motivates and describes BOA and hBOA in a way accessible to a wide audience, and presents numerous results confirming that they are revolutionary approaches to black-box optimization.
ترجمه فارسی (ترجمه ماشینی)
این کتاب چارچوبی را برای طراحی تکنیکهای بهینهسازی شایسته با ترکیب الگوریتمهای تکاملی پیشرفته با تکنیکهای مدرن یادگیری ماشین فراهم میکند. تمرکز اصلی کتاب بر روی دو الگوریتم است که با یادگیری و نمونهبرداری از شبکههای بیزی جایگزین عملگرهای تغییر سنتی الگوریتمهای تکاملی میشوند: الگوریتم بهینهسازی بیزی (BOA) و BOA سلسله مراتبی (hBOA). آنها یک راه حل مقیاس پذیر برای طبقه وسیعی از مشکلات ارائه می دهند. این کتاب مروری بر الگوریتمهای تکاملی ارائه میکند که از مدلهای احتمالی برای هدایت جستجوی خود استفاده میکنند، BOA و hBOA را بهگونهای که برای مخاطبان وسیعی قابل دسترسی است، برانگیخته و توصیف میکند، و نتایج متعددی را ارائه میدهد که تأیید میکند که آنها رویکردهای انقلابی برای بهینهسازی جعبه سیاه هستند.
نقد و بررسیها
هنوز بررسیای ثبت نشده است.