Vor Ort
Merkzettel Warenkorb
Produktbild: Problemlösung mit Modellen und Algorithmen

Problemlösung mit Modellen und Algorithmen

Aus der Reihe Teubner Studienbücher Wirtschaftswissenschaften

49,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

01.10.1998

Abbildungen

IX, 30 Abbildungen mit 67 Bildern., schwarz-weiss Illustrationen

Verlag

Vieweg & Teubner

Seitenzahl

279

Maße (L/B/H)

21/14,8/1,6 cm

Gewicht

386 g

Auflage

1998

Sprache

Deutsch

ISBN

978-3-519-00211-6

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

01.10.1998

Abbildungen

IX, 30 Abbildungen mit 67 Bildern., schwarz-weiss Illustrationen

Verlag

Vieweg & Teubner

Seitenzahl

279

Maße (L/B/H)

21/14,8/1,6 cm

Gewicht

386 g

Auflage

1998

Sprache

Deutsch

ISBN

978-3-519-00211-6

Herstelleradresse

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

Email: ProductSafety@springernature.com

Ein neues Kapitel für Ihre Bücher

Ein neues Kapitel für Ihre Bücher

Schenken Sie Ihren alten Schätzen ein zweites Leben: Einfach Barcode scannen, Versandetikett ausdrucken, Bücher verschicken und Thalia Geschenkkarte erhalten.

Jetzt verkaufen
Jetzt verkaufen

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

Weitere Artikel finden Sie in
  • Produktbild: Problemlösung mit Modellen und Algorithmen
  • 1 Algorithmen.- 1.1 Begriffsursprung und Bedeutung.- 1.2 Darstellung.- 1.3 Algorithmentheorie.- 1.3.1 Berechenbarkeit.- 1.3.2 Komplexität.- 1.4 Algorithmenentwurf.- 1.4.1 Modularität.- 1.4.2 Rekursion.- 2 Modellierung von Wissen und Problemlösung — der Ansatz der Künstlichen Intelligenz.- 2.1 Probleme und Problemlösung in der Künstlichen Intelligenz (KI).- 2.1.1 Probleme und Problemlösung: Einführende Beispiele.- 2.1.2 Formale Definition eines Problems im Zustandsraum.- 2.1.3 Grundsätze und Beispiele für Kontrollstrategien zur Problemlösung.- 2.1.4 Das Problem des Handlungsreisenden (Travelling Salesman Problem—TSP).- 2.2 Logikbasierte Wissensrepräsentation und Problemlösung.- 2.2.1 Grundbegriffe aus der Logik.- 2.2.2 PROLOG: Programmierung in Logik — eine elementare Einführung anhand eines Beispiels.- 2.3 Modellierung und Verarbeitung hierarchisch strukturierten Wissens mit FRAMES.- 3 Entscheidungstheoretische Modelle und Methoden im Operations Research.- 3.1 Entscheidungen.- 3.2 Facetten der Entscheidungslogik.- 3.3 AHP — Analytic Hierarchy Process.- 3.4 Fuzzy Set Theorie.- 4 Analytische Optimierungsmodelle im Operations Research und ausgewählte Lösungsverfahren.- 4.1 Lineare und Ganzzahlige Optimierung.- 4.1.1 Modellierungsbeispiele für Lineare und Ganzzahlige Optimierungsprobleme.- 4.1.2 Ein allgemeines Modell für Lineare Optimierungsprobleme.- 4.1.3 Eigenschaften Linearer Optimierungsmodelle und Grundidee der Simplexmethode.- 4.1.4 Beschreibung der Hauptbestandteile des Simplexalgorithmus.- 4.1.5 Struktogramme zum Simplexalgorithmus und ein Rechenbeispiel.- 4.1.6 Einführung in die Methode “Branch and Bound” am Beispiel des Rucksackproblems.- 4.1.7 Ein alternativer Branch and Bound-Algorithmus für das Rucksackproblem.- 4.1.8 Die Grundelemente der Branch and Bound-Methodik.- 4.2 Zuordnungsprobleme.- 4.2.1 Modellierungsbeispiele für Zuordnungsprobleme.- 4.2.2 Die Ungarische Methode zur Lösung des Zuordnungsproblems.- 4.2.3 Ein Branch and Bound — Algorithmus zur Lösung des Asymmetrischen Travelling Salesman Problems.- 4.3 Modellierungsunterstützung durch Verwendung von Konzepten aus der Künstlichen Intelligenz.- 5 Naturanaloge Modellierung und Problemlösung.- 5.1 Künstliche neuronale Netze.- 5.1.1 Anwendungsgebiete und Leistungsfähigkeit künstlicher neuronaler Netze.- 5.1.2 Lernen in künstlichen neuronalen Netzen.- 5.1.3 Informationsverarbeitung in künstlichen neuronalen Netzen.- 5.1.4 Motivation des Backpropagation Lernverfahrens.- 5.1.5 Das Backpropagation Lernverfahren.- 5.1.6 Backpropagation — ein Verständnisbeispiel.- 5.1.7 Künstliche neuronale Netze — ein Anwendungsbeispiel.- 5.2 Genetische Algorithmen.- 5.2.1 Termini technici.- 5.2.2 Komponenten klassischer Genetischer Algorithmen.- 5.2.3 Verständnisbeispiel.- 5.2.4 Das Schematheorem.- 5.2.5 Modifikationen und Erweiterungen Genetischer Algorithmen.- 5.2.6 Evolutionsalgorithmen.- Anhang A: Elementare Grundlagen der Graphentheorie.- Anhang B: Modula-2.- B.1 Syntax.- B.2 Modula-2 Internet Ressourcen.