دانلود کتاب NEO 2016 : results of the Numerical and Evolutionary Optimization Workshop NEO 2016 and the NEO Cities 2016 Workshop held on September 20-24, 2016 in Tlalnepantla, Mexico
کتاب NEO 2016: نتایج کارگاه بهینه سازی عددی و تکاملی NEO 2016 و کارگاه NEO Cities 2016 که در 20-24 سپتامبر 2016 در Tlalnepantla، مکزیک برگزار شد. نسخه زبان اصلی
دانلود کتاب NEO 2016: نتایج کارگاه بهینه سازی عددی و تکاملی NEO 2016 و کارگاه NEO Cities 2016 که در 20-24 سپتامبر 2016 در Tlalnepantla، مکزیک برگزار شد. بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
توضیحاتی در مورد کتاب NEO 2016 : results of the Numerical and Evolutionary Optimization Workshop NEO 2016 and the NEO Cities 2016 Workshop held on September 20-24, 2016 in Tlalnepantla, Mexico
نام کتاب : NEO 2016 : results of the Numerical and Evolutionary Optimization Workshop NEO 2016 and the NEO Cities 2016 Workshop held on September 20-24, 2016 in Tlalnepantla, Mexico
عنوان ترجمه شده به فارسی : NEO 2016: نتایج کارگاه بهینه سازی عددی و تکاملی NEO 2016 و کارگاه NEO Cities 2016 که در 20-24 سپتامبر 2016 در Tlalnepantla، مکزیک برگزار شد.
سری : Studies in computational intelligence 731
نویسندگان : Maldonado. Yazmin, Riccardi. Annalisa, Schütze. Oliver, Trujillo. Leonardo, Vasile. Massimiliano
ناشر : Springer
سال نشر : 2018
تعداد صفحات : 289
ISBN (شابک) : 9783319640631 , 9783319640624
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 26 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 جلد مجموعه ای از آثار ارائه شده در کارگاه آموزشی بهینه سازی عددی و تکاملی (NEO 2016) است که در سپتامبر 2016 در Tlalnepantla، مکزیک برگزار شد. توسعه تکنیک‌های قدرتمند جستجو و بهینه‌سازی در دنیای امروز از اهمیت بالایی برخوردار است و محققان و متخصصان را می‌طلبد تا با تعداد فزاینده‌ای از مشکلات چالش برانگیز دنیای واقعی مقابله کنند. به طور خاص، دو زمینه به خوبی تثبیت شده و به طور گسترده شناخته شده وجود دارد که معمولاً در این زمینه استفاده می شود: (1) تکنیک های بهینه سازی عددی سنتی و (2) اکتشافی نسبتاً اخیر با الهام از زیستی. هر دو پارادایم نقاط قوت و ضعف منحصر به فرد خود را دارند که به آنها امکان می دهد برخی از مشکلات چالش برانگیز را حل کنند در حالی که در برخی دیگر شکست می خورند.
هدف از مجموعه کارگاه های آموزشی NEO گرد هم آوردن کارشناسان از این حوزه ها و حوزه های مرتبط برای بحث و مقایسه است. و دیدگاه های مکمل خود را به منظور توسعه روش های ترکیبی سریع و قابل اعتماد که نقاط قوت را به حداکثر می رساند و نقاط ضعف پارادایم های اساسی را به حداقل می رساند، ادغام می کنند. با انجام این کار، NEO توسعه تکنیک‌های جدیدی را ترویج می‌کند که برای کلاس وسیع‌تری از مشکلات قابل استفاده هستند. علاوه بر این، NEO درک و درمان مناسب مشکلات دنیای واقعی را تقویت می کند، به ویژه در زمینه های نوظهوری که همه ما را تحت تاثیر قرار می دهد، مانند مراقبت های بهداشتی، شهرهای هوشمند، داده های بزرگ و بسیاری دیگر. مقالات گسترده ارائه شده در کتاب به دستیابی به این هدف کمک می کند.
فهرست مطالب :
Front Matter ....Pages i-xiii
Front Matter ....Pages 1-1
Defensive Driving Strategy and Control for Autonomous Ground Vehicle in Mixed Traffic (Xiang Li, Jian-Qiao Sun)....Pages 3-44
Augmenting the LSA Technique to Evaluate Ubicomp Environments (Víctor R. López-López, Lizbeth Escobedo, Leonardo Trujillo, Victor H. Díaz-Ramírez)....Pages 45-64
Mixed Integer Programming Formulation for the Energy-Efficient Train Timetables Problem (Rodrigo Alexander Castro Campos, Sergio Luis Pérez Pérez, Gualberto Vazquez Casas, Francisco Javier Zaragoza Martínez)....Pages 65-86
Distributing Computing in the Internet of Things: Cloud, Fog and Edge Computing Overview (P. J. Escamilla-Ambrosio, A. Rodríguez-Mota, E. Aguirre-Anaya, R. Acosta-Bermejo, M. Salinas-Rosales)....Pages 87-115
Front Matter ....Pages 117-117
Integer Programming Models and Heuristics for Non-crossing Euclidean 3-Matchings (Rodrigo Alexander Castro Campos, Marco Antonio Heredia Velasco, Gualberto Vazquez Casas, Francisco Javier Zaragoza Martínez)....Pages 119-139
A Multi-objective Robust Ellipse Fitting Algorithm (Heriberto Cruz Hernández, Luis Gerardo de la Fraga)....Pages 141-158
Gradient-Based Multiobjective Optimization with Uncertainties (Sebastian Peitz, Michael Dellnitz)....Pages 159-182
A New Local Search Heuristic for the Multidimensional Assignment Problem (Sergio Luis Pérez Pérez, Carlos E. Valencia, Francisco Javier Zaragoza Martínez)....Pages 183-202
Front Matter ....Pages 203-203
A Multi-objective and Multidisciplinary Optimisation Algorithm for Microelectromechanical Systems (Michael Farnsworth, Ashutosh Tiwari, Meiling Zhu, Elhadj Benkhelifa)....Pages 205-238
Coefficients Estimation of MPM Through LSE, ORLS and SLS for RF-PA Modeling and DPD (E. Allende-Chávez, S. A. Juárez-Cázares, J. R. Cárdenas-Valdez, Y. Sandoval-Ibarra, J. A. Galaviz-Aguilar, Leonardo Trujillo et al.)....Pages 239-262
Optimal Sizing of Amplifiers by Evolutionary Algorithms with Integer Encoding and \(g_m/I_D\) Design Method (Adriana C. Sanabria-Borbón, Esteban Tlelo-Cuautle, Luis Gerardo de la Fraga)....Pages 263-279
Back Matter ....Pages 281-282
توضیحاتی در مورد کتاب به زبان اصلی :
This volume comprises a selection of works presented at the Numerical and Evolutionary Optimization (NEO 2016) workshop held in September 2016 in Tlalnepantla, Mexico. The development of powerful search and optimization techniques is of great importance in today’s world and requires researchers and practitioners to tackle a growing number of challenging real-world problems. In particular, there are two well-established and widely known fields that are commonly applied in this area: (i) traditional numerical optimization techniques and (ii) comparatively recent bio-inspired heuristics. Both paradigms have their unique strengths and weaknesses, allowing them to solve some challenging problems while still failing in others.
The goal of the NEO workshop series is to bring together experts from these and related fields to discuss, compare and merge their complementary perspectives in order to develop fast and reliable hybrid methods that maximize the strengths and minimize the weaknesses of the underlying paradigms. In doing so, NEO promotes the development of new techniques that are applicable to a broader class of problems. Moreover, NEO fosters the understanding and adequate treatment of real-world problems particularly in emerging fields that affect all of us, such as healthcare, smart cities, big data, among many others. The extended papers presented in the book contribute to achieving this goal.