• Produktbild: Exploitation of Linkage Learning in Evolutionary Algorithms
  • Produktbild: Exploitation of Linkage Learning in Evolutionary Algorithms
Band 3 - 13%

Exploitation of Linkage Learning in Evolutionary Algorithms

13% sparen

92,99 € UVP 106,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Lieferung nach Hause

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

03.05.2010

Abbildungen

X, 30 illus. in color., farbige Illustrationen

Herausgeber

Ying-ping Chen

Verlag

Springer Berlin

Seitenzahl

246

Maße (L/B/H)

24,1/16/2,1 cm

Gewicht

600 g

Auflage

2010

Sprache

Englisch

ISBN

978-3-642-12833-2

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

03.05.2010

Abbildungen

X, 30 illus. in color., farbige Illustrationen

Herausgeber

Ying-ping Chen

Verlag

Springer Berlin

Seitenzahl

246

Maße (L/B/H)

24,1/16/2,1 cm

Gewicht

600 g

Auflage

2010

Sprache

Englisch

ISBN

978-3-642-12833-2

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: ProductSafety@springernature.com

Kundinnen und Kunden meinen

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Die Bewertungen sind nach Format, Anzahl Sterne und Datum sortiert.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Kundinnen und Kunden meinen

0 Bewertungen filtern

  • Produktbild: Exploitation of Linkage Learning in Evolutionary Algorithms
  • Produktbild: Exploitation of Linkage Learning in Evolutionary Algorithms
  • Linkage and Problem Structures.- Linkage Structure and Genetic Evolutionary Algorithms.- Fragment as a Small Evidence of the Building Blocks Existence.- Structure Learning and Optimisation in a Markov Network Based Estimation of Distribution Algorithm.- DEUM – A Fully Multivariate EDA Based on Markov Networks.- Model Building and Exploiting.- Pairwise Interactions Induced Probabilistic Model Building.- ClusterMI: Building Probabilistic Models Using Hierarchical Clustering and Mutual Information.- Estimation of Distribution Algorithm Based on Copula Theory.- Analyzing the k Most Probable Solutions in EDAs Based on Bayesian Networks.- Applications.- Protein Structure Prediction Based on HP Model Using an Improved Hybrid EDA.- Sensible Initialization of a Computational Evolution System Using Expert Knowledge for Epistasis Analysis in Human Genetics.- Estimating Optimal Stopping Rules in the Multiple Best Choice Problem with Minimal Summarized Rank via the Cross-Entropy Method.