دانلود کتاب Artificial Evolution
کتاب تکامل مصنوعی نسخه زبان اصلی
دانلود کتاب تکامل مصنوعی بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
توضیحاتی در مورد کتاب Artificial Evolution
نام کتاب : Artificial Evolution
ویرایش : 1st ed.
عنوان ترجمه شده به فارسی : تکامل مصنوعی
سری : Lecture Notes in Computer Science 10764
نویسندگان : Evelyne Lutton, Pierrick Legrand, Pierre Parrend, Nicolas Monmarché, Marc Schoenauer
ناشر : Springer International Publishing
سال نشر : 2018
تعداد صفحات : 247
ISBN (شابک) : 9783319781327 , 9783319781334
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 19 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.
توضیحاتی در مورد کتاب :
این کتاب مجموعه مقالات پس از کنفرانس سیزدهمین کنفرانس بین المللی تکامل مصنوعی، EA 2017 است که در اکتبر 2017 در پاریس، فرانسه برگزار شد.
p> 16 مقاله اصلاح شده با دقت بررسی و از بین 33 مقاله ارسالی انتخاب شدند. این مقالات طیف گسترده ای از موضوعات را در زمینه تکامل مصنوعی، مانند محاسبات تکاملی، بهینه سازی تکاملی، تکامل مشترک، زندگی مصنوعی، دینامیک جمعیت، نظریه، الگوریتم و مدل سازی، پیاده سازی، کاربرد پارادایم های تکاملی در دنیای واقعی ( صنعت، علوم زیستی، ...)، سایر پارادایم های الهام گرفته شده از بیولوژیک (ازدحام، مورچه های مصنوعی، سیستم های ایمنی مصنوعی، الگوریتم های فرهنگی...)، الگوریتم های ممتیک، بهینه سازی چند هدفه، مدیریت محدودیت ها، الگوریتم های موازی، بهینه سازی پویا، ماشین یادگیری و ترکیب با سایر تکنیک های محاسبات نرم.
توضیحاتی در مورد کتاب به زبان اصلی :
This book constitutes the thoroughly refereed post-conference proceedings of the 13th International Conference on Artificial Evolution, EA 2017, held in Paris, France, in October 2017.
The 16 revised papers were carefully reviewed and selected from 33 submissions. The papers cover a wide range of topics in the field of artificial evolution, such as evolutionary computation, evolutionary optimization, co-evolution, artificial life, population dynamics, theory, algorithmics and modeling, implementations, application of evolutionary paradigms to the real world (industry, biosciences, ...), other biologically-inspired paradigms (swarm, artificial ants, artificial immune systems, cultural algorithms...), memetic algorithms, multi-objective optimisation, constraint handling, parallel algorithms,, dynamic optimization, machine learning and hybridization with other soft computing techniques.