Bewertung:
Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 2 Stimmen.
Mathematical Foundations of Nature-Inspired Algorithms
Dieses Buch stellt einen systematischen Ansatz zur Analyse von naturinspirierten Algorithmen vor. Das Buch beginnt mit einer Einführung in Optimierungsmethoden und -algorithmen und bietet anschließend einen einheitlichen Rahmen für die mathematische Analyse von Konvergenz und Stabilität.
Zu den spezifischen von der Natur inspirierten Algorithmen gehören: Schwarmintelligenz, Ameisenkolonie-Optimierung, Partikelschwarm-Optimierung, von Bienen inspirierte Algorithmen, Fledermaus-Algorithmus, Firefly-Algorithmus und Kuckuckssuche. Die Algorithmen werden anhand eines breiten Spektrums von Theorien und Rahmenwerken analysiert, um einen Einblick in die Hauptmerkmale von Algorithmen zu geben und zu verstehen, wie und warum sie bei der Lösung von Optimierungsproblemen funktionieren.
Eingehende mathematische Analysen werden für verschiedene Perspektiven durchgeführt, darunter Komplexitätstheorie, Festpunkttheorie, dynamische Systeme, Selbstorganisation, Bayes'scher Rahmen, Markov-Ketten-Rahmen, Filtertheorie, statistisches Lernen und statistische Maße. Studenten und Forscher in den Bereichen Optimierung, Operations Research, künstliche Intelligenz, Data Mining, maschinelles Lernen, Informatik und Managementwissenschaften werden anhand detaillierter Beispiele und eines Algorithmenvergleichs die Vor- und Nachteile einer Vielzahl von Algorithmen kennenlernen.
| ISBN: | 9783030169350 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2019 |
| Seitenzahl: | 107 |
Derzeit verfügbar, auf Lager.
