Handbook of Metaheuristic Algorithms
From Fundamental Theories to Advanced Applications
Sorozatcím: Uncertainty, Computational Techniques, and Decision Intelligence;
-
20% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár EUR 160.00
-
67 872 Ft (64 640 Ft + 5% áfa)
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.
- Kedvezmény(ek) 20% (cc. 13 574 Ft off)
- Discounted price 54 298 Ft (51 712 Ft + 5% áfa)
67 872 Ft
Beszerezhetőség
Megrendelésre a kiadó utánnyomja a könyvet. Rendelhető, de a szokásosnál kicsit lassabban érkezik meg.
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadó Academic Press
- Megjelenés dátuma 2023. június 5.
- ISBN 9780443191084
- Kötéstípus Puhakötés
- Terjedelem622 oldal
- Méret 228x152 mm
- Súly 1020 g
- Nyelv angol 509
Kategóriák
Hosszú leírás:
Handbook of Metaheuristic Algorithms: From Fundamental Theories to Advanced Applications provides a brief introduction to metaheuristic algorithms from the ground up, including basic ideas and advanced solutions. Although readers may be able to find source code for some metaheuristic algorithms on the Internet, the coding styles and explanations are generally quite different, and thus requiring expanded knowledge between theory and implementation. This book can also help students and researchers construct an integrated perspective of metaheuristic and unsupervised algorithms for artificial intelligence research in computer science and applied engineering domains.
Metaheuristic algorithms can be considered the epitome of unsupervised learning algorithms for the optimization of engineering and artificial intelligence problems, including simulated annealing (SA), tabu search (TS), genetic algorithm (GA), ant colony optimization (ACO), particle swarm optimization (PSO), differential evolution (DE), and others. Distinct from most supervised learning algorithms that need labeled data to learn and construct determination models, metaheuristic algorithms inherit characteristics of unsupervised learning algorithms used for solving complex engineering optimization problems without labeled data, just like self-learning, to find solutions to complex problems.
TöbbTartalomjegyzék:
PART 1 Fundamentals
1. Introduction
2. Optimization problems
3. Traditional methods
4. Metaheuristic algorithms
5. Simulated annealing
6. Tabu search
7. Genetic algorithm
8. Ant colony optimization
9. Particle swarm optimization
10. Differential evolution
PART 2 Advanced technologies
11. Solution encoding and initialization operator
12. Transition operator
13. Evaluation and determination operators
14. Parallel metaheuristic algorithm
15. Hybrid metaheuristic and hyperheuristic algorithms
16. Local search algorithm
17. Pattern reduction
18. Search economics
19. Advanced applications
20. Conclusion and future research directions
A. Interpretations and analyses of simulation results
B. Implementation in Python
Több
Handbook of Metaheuristic Algorithms: From Fundamental Theories to Advanced Applications
Iratkozzon fel most és részesüljön kedvezőbb árainkból!
Feliratkozom
67 872 Ft
