دانلود کتاب کاربردهای الگوریتم خفاش و انواع آن بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
نام کتاب : Applications of Bat Algorithm and its Variants
ویرایش : 1st ed.
عنوان ترجمه شده به فارسی : کاربردهای الگوریتم خفاش و انواع آن
سری : Springer Tracts in Nature-Inspired Computing
نویسندگان : Nilanjan Dey, V. Rajinikanth
ناشر : Springer Singapore;Springer
سال نشر : 2021
تعداد صفحات : 182
ISBN (شابک) : 9789811550966 , 9789811550973
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 6 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
این کتاب مفاهیم اساسی در ارتباط با الگوریتم سنتی خفاش و انواع اخیر آن و همچنین کاربرد آن برای یافتن راه حل های بهینه برای انواع مشکلات مهندسی و پزشکی در دنیای واقعی را برجسته می کند. . امروزه، الگوریتم های فراابتکاری مبتنی بر هوش ازدحام به طور گسترده برای رسیدگی به طیف گسترده ای از مسائل بهینه سازی دنیای واقعی به دلیل سازگاری و استحکام آنها استفاده می شود. الگوریتم خفاش (BA) که در سال 2009 توسعه یافت، یکی از موفقترین روشهای هوش ازدحام است و بیش از یک دهه است که برای مقابله با وظایف بهینهسازی استفاده میشود. مدل ریاضی BA در مقایسه با سایر رویکردهای گروهی کاملاً ساده و قابل درک و تقویت است. از این رو، توجه محققانی را به خود جلب کرده است که در تلاش برای یافتن راهحلهای بهینه در طیف متنوعی از حوزهها، مانند بهینهسازی عددی N بعدی، بهینهسازی محدود/غیر محدود و مسائل بهینهسازی خطی/غیرخطی هستند. همراه با BA سنتی، نسخه های پیشرفته آن هم اکنون برای حل مسائل بهینه سازی در علم، مهندسی و کاربردهای پزشکی در سراسر جهان استفاده می شود.
This book highlights essential concepts in connection with the traditional bat algorithm and its recent variants, as well as its application to find optimal solutions for a variety of real-world engineering and medical problems. Today, swarm intelligence-based meta-heuristic algorithms are extensively being used to address a wide range of real-world optimization problems due to their adaptability and robustness. Developed in 2009, the bat algorithm (BA) is one of the most successful swarm intelligence procedures, and has been used to tackle optimization tasks for more than a decade. The BA’s mathematical model is quite straightforward and easy to understand and enhance, compared to other swarm approaches. Hence, it has attracted the attention of researchers who are working to find optimal solutions in a diverse range of domains, such as N-dimensional numerical optimization, constrained/unconstrained optimization and linear/nonlinear optimization problems. Along with the traditional BA, its enhanced versions are now also being used to solve optimization problems in science, engineering and medical applications around the globe.