دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1 نویسندگان: Slim Bechikh, Rituparna Datta, Abhishek Gupta (eds.) سری: Adaptation, Learning, and Optimization 20 ISBN (شابک) : 9783319429786, 9783319429779 ناشر: Springer International Publishing سال نشر: 2017 تعداد صفحات: 187 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 4 مگابایت
کلمات کلیدی مربوط به کتاب پیشرفت های اخیر در بهینه سازی چند هدفه تکاملی: هوش محاسباتی، هوش مصنوعی (شامل رباتیک)
در صورت تبدیل فایل کتاب Recent Advances in Evolutionary Multi-objective Optimization به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب پیشرفت های اخیر در بهینه سازی چند هدفه تکاملی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب جدیدترین پیشرفتها در زمینه بهینهسازی چندهدفه تکاملی را پوشش میدهد. با هدف جلب توجه دانشمندان جدید و آینده به سمت چشماندازهای هیجانانگیز در خط مقدم هوش محاسباتی، نویسندگان تلاش کردهاند تا اطمینان حاصل کنند که ایدههای ارائهشده در اینجا برای گستردهترین مخاطبان قابل دسترسی است. کتاب با خلاصه ای از مفاهیم اساسی در بهینه سازی چند هدفه آغاز می شود. به دنبال آن بحثهای مختصری در مورد الگوریتمهای مختلفی که در طول سالها برای حل چنین مسائلی ارائه شدهاند، از رویکردهای کلاسیک (ریاضی) تا رویکردهای تکاملی پیچیده که قادر به مقابله یکپارچه با چالشهای عملی مانند عدم تحدب، چند وجهی هستند، ارائه میشود. وجود محدودیتهای متعدد و غیره. پس از آن، برخی از جنبههای کلیدی در حال ظهور که احتمالاً جهتهای تحقیقاتی آینده را در این زمینه شکل میدهند، ارائه میشوند. این موارد عبارتند از: بهینه سازی در محیط های پویا، برنامه نویسی دو سطحی چند هدفه، مدیریت ابعاد بالا تحت بسیاری از اهداف، و چند وظیفه ای تکاملی. علاوه بر تئوری و روش شناسی، این کتاب چندین برنامه کاربردی در دنیای واقعی را از حوزه های مختلف توصیف می کند که خوانندگان را در معرض تطبیق پذیری بهینه سازی چندهدفه تکاملی قرار می دهد.
This book covers the most recent advances in the field of evolutionary multiobjective optimization. With the aim of drawing the attention of up-and coming scientists towards exciting prospects at the forefront of computational intelligence, the authors have made an effort to ensure that the ideas conveyed herein are accessible to the widest audience. The book begins with a summary of the basic concepts in multi-objective optimization. This is followed by brief discussions on various algorithms that have been proposed over the years for solving such problems, ranging from classical (mathematical) approaches to sophisticated evolutionary ones that are capable of seamlessly tackling practical challenges such as non-convexity, multi-modality, the presence of multiple constraints, etc. Thereafter, some of the key emerging aspects that are likely to shape future research directions in the field are presented. These include: optimization in dynamic environments, multi-objective bilevel programming, handling high dimensionality under many objectives, and evolutionary multitasking. In addition to theory and methodology, this book describes several real-world applications from various domains, which will expose the readers to the versatility of evolutionary multi-objective optimization.
Front Matter....Pages i-xii
Multi-objective Optimization: Classical and Evolutionary Approaches....Pages 1-30
Dynamic Multi-objective Optimization Using Evolutionary Algorithms: A Survey....Pages 31-70
Evolutionary Bilevel Optimization: An Introduction and Recent Advances....Pages 71-103
Many-objective Optimization Using Evolutionary Algorithms: A Survey....Pages 105-137
On the Emerging Notion of Evolutionary Multitasking: A Computational Analog of Cognitive Multitasking....Pages 139-157
Practical Applications in Constrained Evolutionary Multi-objective Optimization....Pages 159-179