Vor Ort
Merkzettel Warenkorb
  • Produktbild: Genetische Algorithmen
  • Produktbild: Genetische Algorithmen
Band 9

Genetische Algorithmen Theorie und Praxis evolutionärer Optimierung

Aus der Reihe XTEUBNER-TEXTE zur Informatik

49,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

01.06.1994

Abbildungen

mit 20 Abbildungen

Verlag

Vieweg & Teubner

Seitenzahl

300

Maße (L/B/H)

24,4/17/1,7 cm

Gewicht

469 g

Auflage

1. Auflage

Sprache

Deutsch

ISBN

978-3-8154-2057-7

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

01.06.1994

Abbildungen

mit 20 Abbildungen

Verlag

Vieweg & Teubner

Seitenzahl

300

Maße (L/B/H)

24,4/17/1,7 cm

Gewicht

469 g

Auflage

1. Auflage

Sprache

Deutsch

ISBN

978-3-8154-2057-7

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: Genetische Algorithmen
  • Produktbild: Genetische Algorithmen
  • 1. Einleitung.- 2. Die Arbeitsweise Genetischer Algorithmen.- 2.1 Biologischer Hintergrund.- 2.2 Praktische Implementierungen.- 2.2.1 Ein allgemeiner Genetischer Algorithmus.- 2.2.2 Das Evolutionsverfahren nach Rechenberg und Schwefel.- 2.2.3 Der Genetische Algorithmus nach Holland und Goldberg.- 2.2.4 Ein Vergleich beider Algorithmen.- 2.3 Theoretische Arbeiten.- 2.3.1 Das Schema-Konzept.- 2.3.2 Formale Beschreibung des Verhaltens.- 2.3.3 Untersuchungen zum k-armigen Banditen.- 2.3.4 Irreführen von Genetischen Algorithmen.- 2.4 Konventionelle Optimierungsverfahren und Genetische Algorithmen.- 2.4.1 Gradientenverfahren und Genetische Algorithmen.- 2.4.2 Simulated Annealing und Genetische Algorithmen.- 2.4.3 Hybride Optimierungsverfahren.- 3. Evaluierung Genetischer Algorithmen.- 3.1 Ein Modell für die Arbeitsweise Genetischer Algorithmen.- 3.2 Genetische Operatoren.- 3.2.1 Rekombination.- 3.2.2 Selektion.- 3.2.3 Mutation.- 3.2.4 Inversion.- 4. Anwendungen Genetischer Algorithmen.- 4.1 Anwendungen der Evolutionsstrategie.- 4.1.1 Erste Anwendungen in den 60er Jahren.- 4.1.2 Neuere praktische Anwendungen der Evolutionsstrategie.- 4.2 Anwendungen der Genetic Algorithms.- 4.2.1 Genetic Algorithms in der Optimierung.- 4.2.2 Classifier Systeme.- 5. Der Lernvorgang in Neuronalen Netzen.- 5.1 Modelle Neuronaler Netze.- 5.2 Zur Bedeutung des Lernvorgangs in künstlichen Neuronalen Netzen.- 5.2.1 Allgemeine Definition des Lernens.- 5.2.2 Der Lernvorgang in natürlichen und künstlichen Neuronalen Netzen.- 5.3 Grundlegende Lernverfahren.- 5.3.1 Ein Modell eines Lernalgorithmus.- 5.3.2 Ein Lernverfahren basierend auf der Hebbschen Regel.- 5.3.3 Die Delta-Regel in Feed-Forward Netzen ohne Hidden Units.- 5.3.4 Erweiterung der Delta-Regel auf Feed-Forward Netze mit Hidden Units.- 5.3.5 Kurze Analyse der Hopfield Netze.- 5.3.6 Die Boltzmann Maschine.- 5.4 Diskussion der Verwendung Genetischer Algorithmen als Lernverfahren in Neuronalen Netzen.- 5.4.1 Praktische Ergebnisse anhand von Anwendungen.- 5.4.2 Die Applikationen.- 5.4.3 Die Implementierung.- 5.4.4 Kriterien zur Abschätzung der Qualität der Algorithmen.- 5.4.5 Ergebnisse der Simulationsläufe.- 5.4.6 Zusammenfassung der Ergebnisse.- 6. Unterstützung Genetischer Algorithmen mittels paralleler Architekturen.- 6.1 Die Eignung von Genetischen Algorithmen für parallele Architekturen.- 6.1.1 Genetische Algorithmen und Vektorrechner.- 6.1.2 Genetische Algorithmen und Arrayrechner.- 6.1.3 Genetische Algorithmen und Multiprozessorsysteme.- 6.1.4 Praktische Konsequenzen aus den Überlegungen.- 6.2 Genetische Algorithmen auf dem AM3.- 6.2.1 Der assoziative Universalprozessor AM3.- 6.2.2 Die Kodierung.- 6.2.3 Rekombination.- 6.2.4 Mutation.- 6.2.5 Selektion.- 6.2.6 Ergebnisse praktischer Vergleichsmessungen.- 6.3 Anpassung Genetischer Algorithmen an eine flagorientierte Datenspeicherung.- 6.3.1 Das flagorientierte Architekturkonzept ARAM.- 6.3.2 Die Kodierung.- 6.3.3 Die Rekombination.- 6.3.4 Mutation.- 6.3.5 Bewertung.- 6.3.6 Selektion.- 6.3.7 Zusammenfassung der Ergebnisse.- 7. Zusammenfassung.- 8. Referenzen.- 9. Index.