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

Evolutionäre Algorithmen Genetische Algorithmen — Strategien und Optimierungsverfahren — Beispielanwendungen

Aus der Reihe Computational Intelligence

32,99 €

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

Ein neues Kapitel für Ihre Bücher

Ein neues Kapitel für Ihre Bücher

Schenken Sie Ihren alten Schätzen ein zweites Leben und erhalten dafür eine Thalia Geschenkkarte.

Jetzt verkaufen
Jetzt verkaufen

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.