دانلود کتاب گروه بندی الگوریتم های ژنتیک: پیشرفت ها و کاربردها بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
نام کتاب : Grouping Genetic Algorithms: Advances and Applications
ویرایش : 1
عنوان ترجمه شده به فارسی : گروه بندی الگوریتم های ژنتیک: پیشرفت ها و کاربردها
سری : Studies in Computational Intelligence 666
نویسندگان : Michael Mutingi, Charles Mbohwa (auth.)
ناشر : Springer International Publishing
سال نشر : 2017
تعداد صفحات : 248
ISBN (شابک) : 9783319443942 , 9783319443935
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 پیشرفت ها و نوآوری هایی را در گروه بندی الگوریتم های ژنتیکی ارائه می دهد ، که با تکنیک های بهینه سازی اکتشافی جدید و منحصر به فرد غنی شده است. این الگوریتم ها به طور خاص برای حل مشکلات گروه بندی صنعتی طراحی شده اند که در آن نهادهای سیستم با توجه به مجموعه ای از معیارهای تصمیم گیری هدایت ، در گروه های کارآمد تقسیم می شوند یا در گروه های کارآمد قرار می گیرند. نمونه هایی از چنین مشکلاتی عبارتند از: مشکلات مسیریابی وسایل نقلیه ، مشکلات تشکیل تیم ، مشکلات زمان بندی ، تعادل خط مونتاژ ، برنامه ریزی نگهداری گروه ، طراحی مدولار و تعیین وظیفه. طیف گسترده ای از مشکلات گروه بندی صنعتی ، که از زمینه های متنوعی مانند تدارکات ، مدیریت زنجیره تأمین ، مدیریت پروژه ، سیستم های تولید ، طراحی مهندسی و مراقبت های بهداشتی تهیه شده است. مشکلات گروه بندی صنعتی پیچیده معمولی ، با معیارهای مختلف تصمیم گیری و محدودیت ها ، با استفاده از نمودارها و فرمولاسیون های مصور به وضوح شرح داده شده است. این مشکلات در یک ساختار گروه مشترک نقشه برداری می شوند که می تواند به راحتی به عنوان یک طرح ورودی برای انواع خاص گروه بندی الگوریتم های ژنتیکی مورد استفاده قرار گیرد. تکنیک های گروه بندی اکتشافی منحصر به فرد برای رسیدگی به مشکلات گروه بندی به طور کارآمد و مؤثر ایجاد شده است. نمونه های مصور و نتایج محاسباتی در جداول و نمودارها برای نشان دادن کارآیی و اثربخشی الگوریتم ها ارائه شده است. منبع.
This book presents advances and innovations in grouping genetic algorithms, enriched with new and unique heuristic optimization techniques. These algorithms are specially designed for solving industrial grouping problems where system entities are to be partitioned or clustered into efficient groups according to a set of guiding decision criteria. Examples of such problems are: vehicle routing problems, team formation problems, timetabling problems, assembly line balancing, group maintenance planning, modular design, and task assignment. A wide range of industrial grouping problems, drawn from diverse fields such as logistics, supply chain management, project management, manufacturing systems, engineering design and healthcare, are presented. Typical complex industrial grouping problems, with multiple decision criteria and constraints, are clearly described using illustrative diagrams and formulations. The problems are mapped into a common group structure that can conveniently be used as an input scheme to specific variants of grouping genetic algorithms. Unique heuristic grouping techniques are developed to handle grouping problems efficiently and effectively. Illustrative examples and computational results are presented in tables and graphs to demonstrate the efficiency and effectiveness of the algorithms.
Researchers, decision analysts, software developers, and graduate students from various disciplines will find this in-depth reader-friendly exposition of advances and applications of grouping genetic algorithms an interesting, informative and valuable resource.