Wykłady z algorytmów ewolucyjnych

Wykłady z algorytmów ewolucyjnych

25 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