دانلود کتاب تکامل به عنوان محاسبات: کارگاه آموزشی DIMACS، پرینستون، ژانویه 1999 بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
نام کتاب : Evolution as Computation: DIMACS Workshop, Princeton, January 1999
ویرایش : 1
عنوان ترجمه شده به فارسی : تکامل به عنوان محاسبات: کارگاه آموزشی DIMACS، پرینستون، ژانویه 1999
سری : Natural Computing Series
نویسندگان : James A. Shapiro (auth.), Prof. Dr. Laura F. Landweber, Prof. Dr. Erik Winfree (eds.)
ناشر : Springer-Verlag Berlin Heidelberg
سال نشر : 2002
تعداد صفحات : 347
ISBN (شابک) : 9783642630811 , 9783642556067
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 8 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.
مطالعه اساس ژنتیکی تکامل در این قرن و همچنین درک ما از تکامل پذیری و قابلیت برنامه ریزی سیستم های بیولوژیکی رونق گرفت. در همین حال، الگوریتمهای ژنتیک از این درک رشد کردند که یک برنامه کامپیوتری میتواند از فرآیندهای الهامگرفته از بیولوژیکی جهش، ترکیب مجدد و انتخاب برای حل مسائل سخت بهینهسازی استفاده کند. برنامه نویسی ژنتیکی و تکاملی رویکردهای بیشتری را برای طیف گسترده ای از مسائل محاسباتی ارائه می دهد. ترکیبی از این تجربیات بینشهای اساسی را در مورد ماهیت محاسباتی تکامل بیولوژیکی و فرآیندهای مهم برای علوم رایانه نشان میدهد. موضوعات شامل مدل های بیولوژیکی پردازش اطلاعات اسید نوکلئیک و تکامل ژنوم است. مولکول ها، سلول ها و مدارهای متابولیکی که روابط منطقی را محاسبه می کنند. منشا و تکامل کد ژنتیکی؛ و رابط با الگوریتم های ژنتیک، برنامه ریزی ژنتیک و تکاملی. این تحقیق تئوری و آزمایشها را برای درک محاسباتی که در سلولها و فرآیندهای ترکیبی که تکامل را در سطح مولکولی هدایت میکنند، ترکیب میکند.
The study of the genetic basis for evolution has flourished in this century, as well as our understanding of the evolvability and programmability of biological systems. Genetic algorithms meanwhile grew out of the realization that a computer program could use the biologically-inspired processes of mutation, recombination, and selection to solve hard optimization problems. Genetic and evolutionary programming provide further approaches to a wide variety of computational problems. A synthesis of these experiences reveals fundamental insights into both the computational nature of biological evolution and processes of importance to computer science. Topics include biological models of nucleic acid information processing and genome evolution; molecules, cells, and metabolic circuits that compute logical relationships; the origin and evolution of the genetic code; and the interface with genetic algorithms, genetic and evolutionary programming. This research combines theory and experiments to understand the computations that take place in cells and the combinatorial processes that drive evolution at the molecular level.