Wykłady z algorytmów ewolucyjnych

Wykłady z algorytmów ewolucyjnych

26 ocen

Wydawca:

Wydawnictwo WNT

Format:

ibuk

WYBIERZ RODZAJ DOSTĘPU

 

Dostęp online przez myIBUK

WYBIERZ DŁUGOŚĆ DOSTĘPU

6,15

Wypożycz na 24h i opłać sms-em

22,50

cena zawiera podatek VAT

ZAPŁAĆ SMS-EM

Książka jest poświęcona algorytmom ewolucyjnym, czyli technikom przeszukiwania inspirowanym przyrodą. Składa się z trzech części. W pierwszej autor wprowadza czytelnika w krąg podstawowych schematów algorytmów ewolucyjnych: algorytmów genetycznych rozpowszechnionych już w Polsce oraz mniej znanych strategii ewolucyjnych, programowania ewolucyjnego i programowania genetycznego. W drugiej części zapoznaje czytelnika z nowoczesnymi algorytmami ewolucyjnymi. W trzeciej porusza zagadnienia, które zainteresują osoby zamierzające zastosować algorytmy ewolucyjne w zadaniach praktycznych. Jest to podręcznik o dużych walorach dydaktycznych. Każdy wykład kończy się zestawem pytań i ćwiczeniami problemowymi do samodzielnego rozwiązania. Wartość merytoryczną książki podnoszą liczne przykłady.


Plik pdf ma postać skanów co uniemożliwia przeszukiwanie tekstu.


Liczba stron303
WydawcaWydawnictwo WNT
ISBN-13978-83-2042-970-1
Numer wydania2
Język publikacjipolski
Informacja o sprzedawcyRavelo Sp. z o.o.

Ciekawe propozycje

Spis treści

  Wprowadzenie    15
  WYKŁAD 1. W poszukiwaniu optimum    29
    1.1. Wstęp    29
    1.2. Rodzaje zadań    30
      1.2.1. Właściwości funkcji celu    31
      1.2.2. Ograniczenia funkcji celu    36
      1.2.3. Znaczeni liczby wymiarów    38
    1.3. Metody optymalizacji    40
    1.4. Jak oceniać algorytmy optymalizacji    43
      1.4.1. Dokładność przybliżenia rozwiązania    43
      1.4.2. Odporność    44
      1.4.3. Koszt symulacji    45
    1.5. Metody eliminowania ograniczeń funkcyjnych    46
      1.5.1. Metody transformacji zmiennych niezależnych    47
      1.5.2. Metody funkcji kary    50
    1.6. Zadania wielokryterialne    55
      1.6.1. Sformułowanie zadania    55
      1.6.2. Skalaryzacja zadania    56
    1.7. Środowisko dynamiczne    60
      1.7.1. Kryteria oceny algorytmu    61
      1.7.2. Rodzaje zmian środowiska    61
      1.7.3. Adaptacja do zmian środowiska    62
    1.8. Uwagi bibliograficzne    62
    1.9. Pytania i ćwiczenia    63
  WYKŁAD 2. Podstawowe typy algorytmów ewolucyjnych    65
    2.1. Algorytmy genetyczne    65
      2.1.1. Prosty algorytm genetyczny    65
      2.1.2. Schematy    72
      2.1.3. Symulacja działania algorytmu genetycznego    76
    2.2. Strategie ewolucyjne    83
      2.2.1. Strategia (1+1)    83
      2.2.2. Strategia (µ + ?)    85
      2.2.3. Strategia (µ, ?)    87
      2.2.4. Analiza działania strategii    88
      2.2.5. Symulacja działania strategii    90
    2.3. Programowanie ewolucyjne    92
      2.3.1. Schemat programowania    94
      2.3.2. Operatory mutacji    95
    2.4. Programowanie genetyczne    96
      2.4.1. Programy, które powstają samoczynnie    96
      2.4.2. Kodowanie drzewiaste    97
      2.4.3. Operatory genetyczne    98
    2.5. Uwagi bibliograficzne    101
    2.6. Pytania i ćwiczenia    102
  WYKŁAD 3. Zarządzanie populacją    105
    3.1. Ogólny schemat algorytmu ewolucyjnego    105
    3.2. Eksploracja i eksploatacja    107
      3.2.1. Nacisk selektywny w prostej metodzie poszukiwań losowych    108
    3.3. Jak oceniać algorytmy ewolucyjne    112
      3.3.1. Metoda testowania i sposób prezentacji wyników    112
    3.4. Metody selekcji    114
      3.4.1. Reprodukcja i sukcesja    114
      3.4.2. Reprodukcja proporcjonalna (ruletkowa)    114
      3.4.3. Zmodyfikowana reprodukcja proporcjonalna    117
      3.4.4. Reprodukcja rangowa    120
      3.4.5. Reprodukcja turniejowa    123
      3.4.6. Reprodukcja progowa    127
      3.4.7. Sukcesja z całkowitym zastępowaniem    129
      3.4.8. Sukcesja z częściowym zastępowaniem    129
      3.4.9. Sukcesja elitarna    130
    3.5. Kryteria zatrzymania algorytmu    135
      3.5.1. Monitorowanie rozwiązań generowanych przez algorytm    136
      3.5.2. Monitorowanie zdolności eksploracyjnych    139
    3.6. Uwagi bibliograficzne    142
    3.7. Pytania i ćwiczenia    143
  WYKŁAD 4. Kodowanie i operatory genetyczne    145
    4.1. Rola kodowania i operatorów genetycznych    145
    4.2. Jak dobierać kodowanie i operatory genetyczne    146
      4.2.1. Pożądane cechy kodowania chromosomów    146
      4.2.2. Metryki w przestrzeni genotypu i fenotypu    147
      4.2.3. Pożądane cechy operatorów genetycznych    149
    4.3. Warianty operatorów krzyżowania    151
    4.4. Przegląd metod krzyżowania    153
      4.4.1. Operatory krzyżowania wymieniającego    153
      4.4.2. Operatory krzyżowania uśredniającego    157
      4.4.3. Różnice między operatorami krzyżowania wymieniającego i uśredniającego    159
    4.5. Operator inwersji    160
    4.6. Operatory mutacji    163
      4.6.1. Mutacja dla kodowania binarnego    163
      4.6.2. Mutacje przeznaczone do optymalizacji w Rn    163
    4.7. Eksploracja i eksploatacja a operatory genetyczne    165
      4.7.1. Czy ważniejszym operatorem jest krzyżowanie, czy mutacja?    165
      4.7.2. Zasięg operatorów    166
    4.8. Metody modyfikacji zasięgu operatorów genetycznych    149
      4.8.1. Modyfikacje zasięgu mutacji    169
      4.8.2. Modyfikacje zasięgu krzyżowania    174
    4.9. Krzyżowanie wieloosobnicze    177
    4.10. Zarządzanie wieloma operatorami genetycznymi    181
    4.11. Czy warto stosować kodowanie binarne problemów numerycznych?    185
    4.12.Uwagi bibliograficzne    190
    4.13.Pytania i ćwiczenia    191
  WYKŁAD 5. Zapobieganie przedwczesnej zbieżności    195
    5.1. Algorytm ewolucyjny i metoda przeszukiwań lokalnych    195
      5.1.1. Efekt Baldwina i ewolucja lamarkowska    197
    5.2. Czas życia osobników w populacji bazowej     200
   5.2.1. Limitowanie maksymalnego czasu życia     200
   5.2.2. Selekcja sterowana czasem życia     202
   5.3. Optymalizacja wielomodalna     208
   5.4. Techniki ewolucyjnej optymalizacji wielomodalnej     209
   5.4.1. Wprowadzanie dodatkowego czynnika losowego     210
   5.4.2. Osłabianie konkurencyjności w ramach selekcji     211
   5.4.3. Ograniczanie zasięgu selekcji     213
   5.4.4. Preselekcja     216
   5.4.5. Deformacje funkcji przystosowania w otoczeniu maksimum lokalnego     218
   5.5. Inicjacja populacji bazowej     220
   5.5.1. Posiew nierównomierny     224
   5.5.2. Znaczenie generatora liczb pseudolosowych     225
   5.6. Znaczenie liczności populacji bazowej     226
   5.7. Równoległość w algorytmach ewolucyjnych     231
   5.7.1. Implementacje równoległe     232
   5.7.2. Algorytmy koewolucyjne     236
   5.8. Uwagi bibliograficzne     239
   5.9. Pytania i ćwiczenia     241
  WYKŁAD 6. Uwzględnianie specyfki problemu     243
   6.1. Wykorzystanie skomplikowanych struktur danych     243
   6.1.1. Zadania o ustalonej liczbie parametrów     243
   6.1.2. Zadania o nie ustalonej liczbie parametrów     250
   6.2. Modyfikacje algorytmu ewolucyjnego związane z uwzględnianiem ograniczeń     255
   6.2.1. Kodowanie specjalizowane i operatory genetyczne     255
   6.2.2. Algorytmy naprawy     257
   6.3. Modyfikacje algorytmu ewolucyjnego uwzględniające zadania wielokryterialne     258
   6.3.1. Reprodukcja oparta na dominacji     259
   6.3.2. Podejście koewolucyjne     260
   6.4. Algorytm ewolucyjny w środowisku dynamicznym     261
   6.4.1. Informacja o zajściu zmiany     262
   6.4.2. Metody adaptacji     262
   6.4.3. Pamięć na poziomie populacji     263
   6.4.4. Pamięć na poziomie osobnika     263
   6.5. Uwagi bibliograficzne     265
  Uwagi końcowe     267
  DODATEK A. Oznaczenia i symbole     269
   A.1. Symbole łacińskie     269
   A.2. Symbole greckie     270
   A.3. Oznaczenia inne     270
   A.4. Zasady indeksowania i doboru czcionek     271
  DODATEK B. Niektóre funkcje testowe     273
   B.1. Zadania ciągłe     273
   B.2. Zadania dyskretne     274
  DODATEK C. Wartości parametrów uznawane za optymalne     277
  DODATEK D. Elementy matematyki     279
   D.1. Miary różnorodności     279
   D.2. Rozkłady zmiennych losowych     281
  DODATEK E. Oprogramowanie gabi     283
   E.1. Założenia ogólne     283
   E.2. Opis funkcjonalny oprogramowania     284
   E.3. Sposób implementacji     285
   E.4. Pliki konfiguracyjne     286
   E.5. Sposób działania oprogramowania     287
   E.5.1. Funkcja main     287
   E.5.2. Funkcja petlaGlowna     287
   E.5.3. Funkcja genetyka     288
   E.5.4. Funkcja reprodukcja     289
   E.6. Rozbudowa oprogramowania     289
   E.6.1. Plik algorytm.c     289
   E.6.2. Plik genetyka.c     290
   E.6.3. Plik główny.c     291
   E.6.4. Plik losowe.c     291
   E.6.5. Plik monitor.c     291
   E.6.6. Plik ogranicz.c     292
   E.6.7. plik osobnik.c     292
   E.6.8. Plik pop.c     292
   E.6.9. Plik raporty.c     292
   E.6.10. Plik selekcja.c     293
   E.6.11. Plik stop.c     293
   E.6.12. Plik wewy.c     293
   E.6.13. Plik zadanie.c     293
  Literatura     295
  Skorowidz     301
RozwińZwiń
W celu zapewnienia wysokiej jakości świadczonych przez nas usług, nasz portal internetowy wykorzystuje informacje przechowywane w przeglądarce internetowej w formie tzw. „cookies”. Poruszając się po naszej stronie internetowej wyrażasz zgodę na wykorzystywanie przez nas „cookies”. Informacje o przechowywaniu „cookies”, warunkach ich przechowywania i uzyskiwania dostępu do nich znajdują się w Regulaminie.

Nie pokazuj więcej tego powiadomienia