Úplné zobrazení záznamu

Toto je statický export z katalogu ze dne 21.08.2021. Zobrazit aktuální podobu v katalogu.

Bibliografická citace

.
0 (hodnocen0 x )
EB
EB
ONLINE
1. elektronické vydání
Grada 2008
1 online zdroj (200 stran)
Externí odkaz    Plný text PDF (Bookport) 
   * Návod pro Bookport 


ISBN 978-80-247-6057-5 (online ; pdf)
ISBN 978-80-247-2695-3 (print)
Kniha je vhodnou pomůckou pro vysokoškolské studenty technických, přírodovědných a ekonomických směrů, ale vzhledem k obrovské šíři aplikací evolučních algoritmů je určena i širokému spektru manažerů, odborníků a specialistů z nejrůznějších odvětví, kteří potřebují optimalizovat svá rozhodnutí nebo vybrat nejlepší (nebo alespoň dostatečně dobrý) způsob z velkého množství různých variant řešení složitých problémů. Základní principy fungování algoritmů inspirovaných Darwinovou evoluční teorií jsou doplněny množstvím příkladů, které umožňují čtenáři lépe pochopit jejich výhody i omezení a rozhodnout o vhodnosti jejich použití na konkrétní úloze..
001486460
1 Úvod -- Část I: Genetické algoritmy -- 2 Genetický algoritmus krok za krokem -- 3 Proč genetické algoritmy fungují? -- 4 Příklad optimalizační úloha -- 5 Zvyšování účinnosti genetického algoritmu -- 5. 1 Kódování -- 5. 2 Ohodnocující funkce -- 5. 3 Selekční mechanizmus -- 5. 4 Genetické operátory -- 5. 5 Vytvoření nové populace -- 5. 6 Paralelní genetické algoritmy -- 5. 7 Závěr -- 6 Proč genetické algoritmy selhávají -- 6. 1 Důvody pro možný neúspěch -- 6. 2 Kdy genetický algoritmus použít? -- 7 Hybridní genetické algoritmy -- 8 Úlohy s omezujícími podmínkami -- 8. 1 Klasifikace optimalizačních úloh -- 8. 2 Ilustrativní příklad -- 8. 3 Metody práce s omezujícími podmínkami— -- 8. 3. 1 Penalizační metoda -- 8. 3. 2 Opravné algoritmy a speciální operátory -- 8. 3. 3 Dekodéry -- 8. 4 Shrnutí -- Část II: Evoluční algoritmy v úlohách s omezujícími podmínkami -- 9 Problém splňování logických formulí -- 9. 1 Definice problému -- 9. 2 Tradiční metody řešení -- 9. 3 Genetické algoritmy -- 9. 4 Hybridní genetický algoritmus -- 10 Problém N dam -- 10. 1 Tradiční algoritmy pro řešení problému N dam -- 10. 2 Genetické algoritmy -- 10. 3 Hybridní genetické algoritmy -- 10. 4 Návrat k heuristickému algoritmu -- 10. 5 Shrnutí -- 11 Problém určení minimálního poctu kontejnerů -- 11. 1 Definice problému -- 11. 2 Tradiční algoritmy pro řešení problému -- 11. 3 Genetické
algoritmy -- 11. 4 Hybridní evoluční algoritmus pro seskupovací problémy -- 12 Problém obchodního cestujícího -- 12. 1 Definice problému -- 12. 2 Tradiční algoritmy pro řešení problému -- 12. 3 Genetické algoritmy pro problém obchodního cestujícího -- 12. 4 Hybridní genetické algoritmy pro problém obchodního cestujícího -- Část III: Genetické programování -- 13 Genetické programování -- 13. 1 Úvod do problematiky -- 13. 2 Základy genetického programování -- 13. 3 Vytvoření počáteční populace -- 13. 4 Genetické operátory -- 14 Zvyšování účinnosti genetického programování -- 14. 1 Nadbytečné části kódu -- 14. 2 Automaticky definované funkce — -- 14. 3 Genetické programování s typováním -- 14. 4 Využití cyklů v genetickém programování -- 15 Příklad strojové učení -- 15. 1 Zadání úlohy -- 15. 2 Řešení pomocí genetického programování -- 15. 3 Poznámky k průběhu hledání řešení -- 16 Příklad umělý mravenec -- 16. 1 Zadání úlohy -- 16. 2 Řešení pomocí genetického programování -- 16. 3 Poznámky k průběhu hledání řešení -- 17. Příklad interaktivní evoluce -- 17. 1 Zadání úlohy -- 17. 2 Řešení pomocí genetického programování -- 17. 3 Možnosti zlepšování navrženého řešení

Zvolte formát: Standardní formát Katalogizační záznam Zkrácený záznam S textovými návěštími S kódy polí MARC