Ismertető
Tartalom
Vélemények
A szerzőről

Borgulya István

Evolúciós algoritmusok

Megjelenés0000-00-00
Méret: B/5
Terjedelem304
Kötéskartonált
ISBN9639542415
Jelenleg rendelhető.

Ár: 1 980 Ft

Internetes ár: 1 584 Ft

Megrendelés

 
Nyomtatott formában
1 584 Ft

db

A könyv az alapvető fogalmakat, technikákat, módszereket és a fejlettebb technikákat részletezi, majd a származtatott módszereket, úgymint genetikus programozás, hibrid módszerek, valamint néhány alkalmazást tekint át.

Előszó 11

I. Rész: Az evolúciós algoritmusok alapvető fogalmai,
technikái 15

1. Bevezetés 16
1.1 Mi az evolúciós algoritmus (EA)? 16
1.2 Az EA főbb fogalmai, működési módja 19
1.3 EA módszer változatok 21
1.4 Alkalmazásokról 23
1.5 Elméleti háttér 27
2 Evolúciós algoritmus alaptechnikák 29
2.1 Az egyedek ábrázolási formája 30
2.2 Szelekció 32
2.2.1 Rulett szelekció 34
2.2.2 Sztochasztikus univerzális mintavétel 36
2.2.3 Versengő szelekció 37
2.2.4 Csonkolásos szelekció 37
2.2.5 Lineáris sorrend alapú szelekció 38
2.3 Rekombináció 39
2.3.1 Diszkrét rekombináció 39
2.3.2 Egész és valós típusú változók rekombinációja 40
2.3.3 Bináris sztringek rekombinációja 41
2.3.4 Permutációk rekombinációja 42
2.4 Mutáció 44
2.4.1 Valós és egész típusú változók mutációja 45
2.4.2 Bináris típusú változók mutációja 46
2.4.3 Permutációk mutációja 47
2.4.4. Mutáció hibrid reprezentációnál 48
2.5 Visszahelyezés 48
2.6 Az EA ciklus kialakítása 49
3. Evolúciós algoritmus módszerek 54
3.1 Genetikus algoritmus (GA) 55
3.1.1 Az alap GA 55
3.1.2 További GA változatok 57
3.2 Evolúciós stratégia (ES) 59
3.2.1 Az általános ES módszer 59
3.2.2 További ES változatok 62
3.3 Evolúciós programozás (EP) 64
3.3.1 A standard EP 64
3.3.2 További EP változatok 66
3.4 Terjeszkedő (scatter) keresés 67
4. Fejlettebb evolúciós algoritmus technikák 70
4.1 Paraméterek beállítása 70
4.2 Csoportosítás (niching) 74
4.2.1 Fitnesz megosztás (fitness sharing) 74
4.2.2 Tömörítés (crowding) 75
4.2.3 Ritkítás (clearing) 76
4.3 Párhuzamos EA változatok 77
4.3.1 Globális modell 78
4.3.2 Regionális modell 79
4.3.3 Konkurens modell 83
4.3.4 Kooperáló modell 85
4.3.5 Lokális modell 87
4.4. Memóriát alkalmazó módszerek 90
4.4.1 Virtuális vesztes 91
4.4.2 Hangya kolónia 93
4.4..3 Kulturális algoritmus 95

II. Rész. Származtatott módszerek, alkalmazások 99

5. Genetikus programozás (GP) 100
5.1 GP alapkoncepció 101
5.2 Az általános GP módszer 103
5.3 Fejlettebb GP technikák 106
5.4 GP alkalmazások 110
5.4.1 Alkalmazási példa ADF-el 111
5.4.2 Veremkezelő program fejlesztése 113
6. Hibrid módszerek 117
6.1 Evolúciós neurális háló módszerek 118
6.1.1 Neurális háló súlyok optimalizálása 118
6.1.2 Neurális háló struktúraoptimalizálás 120
6.1.3 A teljes neurális háló tanulása 123
6.2 Evolúciós fuzzy rendszerek 133
6.2.1 A fuzzy szabályozó finomítása 135
6.2.2 A fuzzy szabályozó tanulása 137
6.2.2.1 Szabálybázis tanulás 139
6.2.2.2 Adatbázis tanulás 141
6.2.2.3 Teljes tudásbázis tanulás 145
6.2.3 Evolúciós neuro-fuzzy rendszerek 153
6.2.4 Fuzzy genetikus programozás 156
6.3 EA kombinációja optimalizáló módszerekkel 159
6.3.1 Helyi kereső algoritmus alkalmazása 159
6.3.2 Közelítő függvény alkalmazása 161
7. Néhány evolúciós algoritmus alkalmazás 163
7.1 Az alkalmazásokról általában 163
7.2 Evolúciós technika klaszterezésnél 166
7.2.1 Gyakori EA változatok 167
7.2.2 GGA: egy GA-val irányított algoritmus 170
7.3 Evolúciós technika az adatbányászatban 173
7.3.1 Az adatbányászat problémakör 173
7.3.2 Adat preparálás EA-val 176
7.3.3 EA szabályok kinyerésére 179
8. Evolúciós technika az optimalizálásban 189
8.1 Nemlineáris skalár optimalizálás 189
8.2 Nemlineáris többcélú optimalizálás 200
8.3 Kombinatorikus optimalizálás 209
8.3.1 Kvadratikus hozzárendelési feladat (QAP) 209
8.3.2 Bináris kvadratikus programozás (BQP) 221
8.3.3 Ütemezési feladatok 230
8.3.3.1 Egygépes üzem ütemezése 232
8.3.3.2 Flow shop ütemezés 237
8.3.4 Boole kielégítési probléma (SAT) 243

Függelék 253
A. Benchmark tesztfeladatok 253
B. Neurális háló alapfogalmak 258
C. Fuzzy rendszer alapfogalmak 272
Irodalomjegyzék 285
Szómagyarázatok 298
Tárgymutató 302

Nincs még vélemény!



Jelentkezzen be az oldalra, és írja meg véleményét!


Borgulya István

Dr. Borgulya István a PTE KTK Gazdasági Informatika Tanszékének habilitált tanszékvezető docense. Főbb kutatási területei a mesterséges intelligencia módszereihez kapcsolódnak: evolúciós algoritmusok a nemlineáris és kombinatorikus optimalizálásban, döntéstámogatás fuzzy módszerekkel, valamint mesterséges intelligencia módszerek alkalmazása a jogi modellezésben.

Kapcsolódó termékek

Felhőfizika

Szerző: Geresdi István

Internetes ár 3 984 Ft

db

Részletek
Nincs kép

Matematikai feladatgyűjtemény

Szerző:

Internetes ár 750 Ft

db

Részletek

Az optimalizáláselmélet alapjai

Szerző: Komlósi Sándor

Internetes ár 4 304 Ft

db

Részletek
Nincs kép

Szilárdságtan

Szerző:

Internetes ár 2 300 Ft

db

Részletek
Nincs kép

Elektrotechnika I/2.

Szerző:

Internetes ár 1 840 Ft

db

Részletek
Nincs kép

Matematikai feladatgyűjtemény II.

Szerző:

Internetes ár 910 Ft

db

Részletek
Nincs kép

Térinformatika

Szerző:

Internetes ár 1 610 Ft

db

Részletek
Keresés
ÚJDONSÁGOK
Dialóg Life


Könyvesboltjaink

Dialóg Eötvös és

HVG-ORAC Könyvesbolt

1053 Budapest, Károlyi u. 17.
Telefon: 06-1-269-95-33
E-mail: nemeth.istvan@dialogcampus.hu
Nyitvatartás: hétfőtől péntekig: 10.00–18.00-ig

 

Dialóg Kaptár Könyvesbolt

7622 Pécs, Universitas u. 2/a
(a Tudásközpont mélyföldszintjén)
Telefon: 06-72-501-630
E-mail: kaptar@dialogcampus.hu
Nyitvatartás: hétfőtől péntekig: 9.00–12.00-ig és 12.30–17.30-ig





Hírlevél

Online
ügyfélszolgálat