دانلود کتاب ملزومات الگوریتم ژنتیک بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
نام کتاب : Genetic Algorithm Essentials
ویرایش : 1
عنوان ترجمه شده به فارسی : ملزومات الگوریتم ژنتیک
سری : Studies in Computational Intelligence 679
نویسندگان : Oliver Kramer (auth.)
ناشر : Springer International Publishing
سال نشر : 2017
تعداد صفحات : 94
ISBN (شابک) : 9783319521558 , 9783319521565
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 2 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 خوانندگان را با الگوریتمهای ژنتیک (GAs) با تأکید بر آسانتر کردن مفاهیم، الگوریتمها و کاربردهای مورد بحث آشنا میکند. علاوه بر این، از فرمالیسم های زیادی اجتناب می کند و بنابراین در مقایسه با نسخه های خطی مملو از نمادها و معادلات، موضوع را برای مخاطبان گسترده تری باز می کند.
کتاب به سه قسمت تقسیم شده است که قسمت اول مقدمه ای بر GA ها ارائه می کند که شروع می شود. با مفاهیم اساسی مانند عملگرهای تکاملی و ادامه با مروری بر استراتژیهای تنظیم و کنترل پارامترها. به نوبه خود، بخش دوم بر انواع فضای راه حل مانند فضاهای راه حل چندوجهی، محدود و چند هدفه تمرکز می کند. در نهایت، بخش سوم به طور خلاصه ابزارهای نظری را برای GA، تقاطع ها و هیبریداسیون ها با یادگیری ماشین معرفی می کند و برنامه های امیدوارکننده انتخاب شده را برجسته می کند.
This book introduces readers to genetic algorithms (GAs) with an emphasis on making the concepts, algorithms, and applications discussed as easy to understand as possible. Further, it avoids a great deal of formalisms and thus opens the subject to a broader audience in comparison to manuscripts overloaded by notations and equations.
The book is divided into three parts, the first of which provides an introduction to GAs, starting with basic concepts like evolutionary operators and continuing with an overview of strategies for tuning and controlling parameters. In turn, the second part focuses on solution space variants like multimodal, constrained, and multi-objective solution spaces. Lastly, the third part briefly introduces theoretical tools for GAs, the intersections and hybridizations with machine learning, and highlights selected promising applications.