توضیحاتی در مورد کتاب Genetic Algorithms and Engineering Optimization (Engineering Design and Automation)
نام کتاب : Genetic Algorithms and Engineering Optimization (Engineering Design and Automation)
ویرایش : 1
عنوان ترجمه شده به فارسی : الگوریتم های ژنتیک و بهینه سازی مهندسی (طراحی مهندسی و اتوماسیون)
سری :
نویسندگان : Mitsuo Gen, Runwei Cheng
ناشر : Wiley-Interscience
سال نشر : 1999
تعداد صفحات : 511
ISBN (شابک) : 0471315311 , 9780471315315
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 39 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 :
یک راهنمای جامع برای یک ابزار تحلیلی جدید قدرتمند توسط دو تن از مبتکران اصلی آن دهه گذشته شاهد پیشرفتهای هیجانانگیز بسیاری در استفاده از الگوریتمهای ژنتیک (GAs) برای حل مسائل بهینهسازی در همه چیز از طراحی محصول گرفته تا زمانبندی و شبکهسازی مشتری/سرور بوده است. با کمک GA، تحلیلگران و طراحان اکنون به طور معمول راه حل هایی را برای مسائل پیچیده بهینه سازی ترکیبی و چندهدفه با سهولت و سرعت غیرقابل تصور با روش های مرسوم توسعه می دهند. علیرغم رشد مداوم و اصلاح این ابزار تحلیلی قدرتمند، همچنان کمبود راهنماهای به روز برای اصول و شیوه های بهینه سازی GA وجود دارد. این کتاب که توسط دو تن از متخصصان برجسته جهان در این زمینه نوشته شده است، این شکاف در ادبیات را پر می کند. Mitsuo Gen و Runwei Cheng با رویکردی شهودی، از تصاویر متعدد و نمونه های واقعی استفاده می کنند تا به خوانندگان کمک کنند تا درک کاملی از مفاهیم اولیه GA کسب کنند. -شامل کدگذاری، انطباق و بهینهسازیهای ژنتیکی - و نشان دادن اینکه چگونه GA میتواند برای حل مجموعهای از مسائل بهینهسازی محدود، ترکیبی، چند هدفه و فازی استفاده شود. تمرکز بر مشکلاتی که معمولاً در صنعت با آن مواجه میشویم - بهویژه در تولید - پروفسورهای Gen و Cheng پوشش عمیقی از تکنیکهای پیشرفته GA را برای موارد زیر ارائه میدهند:* طراحی قابلیت اطمینان* طراحی سلول تولیدی* برنامه ریزی* مشکلات حمل و نقل پیشرفته* طراحی و مسیریابی شبکه الگوریتم ژنتیک و مهندسی بهینه است. یک منبع کاری ضروری برای مهندسان و طراحان صنایع، و همچنین تحلیلگران سیستم، محققان عملیات، و دانشمندان مدیریتی که در تولید و صنایع مرتبط کار می کنند. همچنین متن اصلی یا تکمیلی عالی برای دوره های پیشرفته مهندسی صنایع، علوم مدیریت، تحقیقات عملیات، علوم کامپیوتر و هوش مصنوعی است.
توضیحاتی در مورد کتاب به زبان اصلی :
A comprehensive guide to a powerful new analytical tool by two of its foremost innovatorsThe past decade has witnessed many exciting advances in the use of genetic algorithms (GAs) to solve optimization problems in everything from product design to scheduling and client/server networking. Aided by GAs, analysts and designers now routinely evolve solutions to complex combinatorial and multiobjective optimization problems with an ease and rapidity unthinkable withconventional methods. Despite the continued growth and refinement of this powerful analytical tool, there continues to be a lack of up-to-date guides to contemporary GA optimization principles and practices. Written by two of the world's leading experts in the field, this book fills that gap in the literature.Taking an intuitive approach, Mitsuo Gen and Runwei Cheng employ numerous illustrations and real-world examples to help readers gain a thorough understanding of basic GA concepts-including encoding, adaptation, and genetic optimizations-and to show how GAs can be used to solve an array of constrained, combinatorial, multiobjective, and fuzzy optimization problems. Focusing on problems commonly encountered in industry-especially in manufacturing-Professors Gen and Cheng provide in-depth coverage of advanced GA techniques for:* Reliability design* Manufacturing cell design* Scheduling* Advanced transportation problems* Network design and routingGenetic Algorithms and Engineering Optimization is an indispensable working resource for industrial engineers and designers, as well as systems analysts, operations researchers, and management scientists working in manufacturing and related industries. It also makes an excellent primary or supplementary text for advanced courses in industrial engineering, management science, operations research, computer science, and artificial intelligence.