Geschäftskunden Kundenprogramme
Vor Ort
Merkzettel Warenkorb
  • Produktbild: Evolutionäre Algorithmen
  • Produktbild: Evolutionäre Algorithmen

Evolutionäre Algorithmen Genetische Algorithmen — Strategien und Optimierungsverfahren — Beispielanwendungen

Aus der Reihe Computational Intelligence

Fr. 48.90

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

29.07.2004

Abbildungen

X, 252 S.

Verlag

Vieweg & Teubner

Seitenzahl

252

Maße (L/B/H)

24.4/17/1.5 cm

Gewicht

468 g

Sprache

Deutsch

ISBN

978-3-528-05570-7

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

29.07.2004

Abbildungen

X, 252 S.

Verlag

Vieweg & Teubner

Seitenzahl

252

Maße (L/B/H)

24.4/17/1.5 cm

Gewicht

468 g

Sprache

Deutsch

ISBN

978-3-528-05570-7

Herstelleradresse

Vieweg+Teubner Verlag
Abraham-Lincoln-Straße 46
65189 Wiesbaden
DE

Email: GPSR Kontakt

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: Evolutionäre Algorithmen
  • Produktbild: Evolutionäre Algorithmen
  • 1 Einleitung.- 2 Optimierungsprobleme.- 2.1 Beispiele.- 2.2 Der Suchraum.- 2.3 Die Zielfunktion.- 2.4 Die Struktur des Suchraums und der Zielfunktion.- 2.5 Was ist Optimierung?.- 3 Optimierungsverfahren.- 3.1 Analytische Lösung des Optimierungsproblems.- 3.2 Gradientenverfahren.- 3.3 Newton-Verfahren.- 3.4 Optimierung mit Nebenbedingungen.- 3.5 Tabu-Suche.- 3.6 Greedy-Heuristiken.- 3.7 Hillclimbing.- 3.8 Simulated Annealing.- 3.9 Threshold Accepting.- 3.10 Sintflut-Algorithmus.- 3.11 Ameisenkolonieoptimierung.- 3.12 Grundsätzliche Elemente von Optimierungsstrategien.- 4 Genetische Algorithmen und Optimierung.- 4.1 Biologische Evolution.- 4.2 Kanonische Genetische Algorithmen: Struktur und Operatoren.- 5 Theoretischer Hintergrund.- 5.1 Schema-Theorem und Building-Block-Hypothese.- 5.2 Konvergenzbetrachtungen.- 5.3 Vorzeitige Konvergenz.- 6 Problemangepasste Operatoren und Verfahren.- 6.1 Anwendungsbereich.- 6.2 Kodierung und Startpopulation.- 6.3 Fitnessfunktion.- 6.4 Selektion.- 6.5 Rekombination und Reparaturmechanismen.- 6.6 Mutation.- 6.7 Weitere Aspekte.- 6.8 Evolutionäre Algorithmen zur Optimierung von Flugrouten.- 7 Klassifizierung evolutionärer Algorithmen.- 7.1 Evolutionsstrategien.- 7.2 Evolutionäre Programmierung.- 7.3 Genetische Programmierung.- 7.4 Weitere evolutionäre Algorithmen.- 7.5 Parallele und hybride Ansätze.- 7.6 Lernende Classifier Systeme.- 8 Testumgebungen.- 8.1 Aufbau einer Testumgebung.- 8.2 Funktionen.- 8.3 Kombinatorische Optimierungsprobleme.- 8.4 Strategieentwicklung.- 9 Fuzzy-Systeme.- 9.1 Grundprinzipien.- 9.2 Fuzzy-Mengen.- 9.3 Fuzzy-Regler.- 9.4 Fuzzy-Klassifikatoren.- 9.5 Fuzzy-Clusteranalyse.- 10 Kombinationen evolutionärer Algorithmen mit Fuzzy-Systemen.- 10.1 Fuzzy-Regler-Optimierung: Ein ausführliches Beispiel.- 10.2Optimierung von Fuzzy-Systemen mit evolutionären Algorithmen.- 10.3 Fuzzy-Clustering mit evolutionären Algorithmen.- 10.4 Steuerung evolutionärer Algorithmen mit Fuzzy-Regeln.- A Anhang: Biologische Evolution und evolutionäre Algorithmen.- A.1 Die biologische Evolution.- A. 2 Terminolgie der evolutionären Algorithmen.- B Anhang: NP-Vollständigkeit.