Analiza technik selekcji w algorytmach genetycznych
Versandkostenfrei!
Versandfertig in 1-2 Wochen
26,99 €
inkl. MwSt.
PAYBACK Punkte
13 °P sammeln!
Algorytmy genetyczne (GA) to szczególna klasa algorytmów ewolucyjnych (EA), która wykorzystuje techniki inspirowane biologi¿ ewolucyjn¿, takie jak dziedziczenie, mutacja, selekcja i krzy¿owanie. Algorytmy te opieraj¿ si¿ na zasadach doboru naturalnego i przetrwania najlepiej przystosowanych, jak stwierdzi¿ Karol Darwin w O powstawaniu gatunków. Näladuj¿c procesy doboru naturalnego i przetrwania najlepiej przystosowanych, algorytmy genetyczne s¿ w stanie znale¿¿ rozwi¿zania rzeczywistych problemów, je¿li zostäy one odpowiednio zakodowane. W niniejszej ksi¿¿ce omówiono pods...
Algorytmy genetyczne (GA) to szczególna klasa algorytmów ewolucyjnych (EA), która wykorzystuje techniki inspirowane biologi¿ ewolucyjn¿, takie jak dziedziczenie, mutacja, selekcja i krzy¿owanie. Algorytmy te opieraj¿ si¿ na zasadach doboru naturalnego i przetrwania najlepiej przystosowanych, jak stwierdzi¿ Karol Darwin w O powstawaniu gatunków. Näladuj¿c procesy doboru naturalnego i przetrwania najlepiej przystosowanych, algorytmy genetyczne s¿ w stanie znale¿¿ rozwi¿zania rzeczywistych problemów, je¿li zostäy one odpowiednio zakodowane. W niniejszej ksi¿¿ce omówiono podstawy algorytmów genetycznych obejmuj¿ce generowanie populacji, kodowanie, selekcj¿, krzy¿owanie, mutacj¿ i iteracje. Optymalizacja/maksymalizacja funkcji jest g¿ównym punktem dyskusji w tej pracy. Chodzi o implementacj¿ wybranej funkcji fitness przy u¿yciu ró¿nych technik selekcji stosowanych w algorytmie genetycznym i porównanie ich na podstawie warto¿ci fitness funkcji przy ró¿nej liczbie iteracji. Praca ta b¿dzie pomocna dla profesjonalistów i studentów/badaczy, którzy chc¿ uzyskä wgl¿d w zrozumienie i wdro¿enie procesu algorytmu genetycznego do rozwi¿zywania problemów optymalizacyjnych.
Andere Kunden interessierten sich für
