Del i serien Computational Intelligence

Einführung in Evolutionäre Algorithmen

Optimierung nach dem Vorbild der Evolution

Häftad, Tyska, 1997

AvVolker Nissen,Wolfgang Bibel

589 kr

Beställningsvara. Skickas inom 7-10 vardagar. Fri frakt för medlemmar vid köp för minst 249 kr.

Produktinformation

Utgivningsdatum1997-01-01
Mått148 x 210 x 20 mm
Vikt471 g
FormatHäftad
SpråkTyska
SerieComputational Intelligence
Antal sidor345
Upplaga1997
FörlagSpringer Fachmedien Wiesbaden
ISBN9783528054991

Tillhör följande kategorier

Teknik: allmänt inom Naturvetenskap och teknik
Artificiell intelligens inom Data och IT
Databaser inom Data och IT
Människa – datorinteraktion inom Data och IT

Dr. Volker Nissen ist wissenschaftlicher Assistent am Institut für Wirtschaftsinformatik der Georg-August-Universität Göttingen. Er ist Mitherausgeber der IEEE Transactions on Evolutionary Computation und publizierte zwei Bücher sowie diverse Fachbeiträge zu Evolutionären Algorithmen. Dr. Nissen ist Sprecher des Arbeitskreises Softcomputing in der Betriebswirtschaft der AG Fuzzy Logik und Softcomputing Norddeutschland.

1 Überblick und thematische Einordnung.- 1.1 Grundelemente der Evolutionstheorie.- 1.2 Zur Historie der Evolutionären Algorithmen.- 1.3 Wichtige Fachbegriffe und allgemeines EA-Ablaufschema.- 1.4 Thematische Einordnung.- 1.5 Literatur zum Kapitel 1.- 1.6 Aufgaben zum Kapitel 1.- 2 Genetische Algorithmen.- 2.1 Grundkonzept.- 2.2 Erweiterungen.- 2.3 Ausgewählte Ergebnisse der GA-Theorie.- 2.4 Literatur zum Kapitel 2.- 2.5 Aufgaben zum Kapitel 2.- 3 Genetische Programmierung.- 3.1 Grundkonzept.- 3.2 Erweiterungen.- 3.3 Ausgewählte Ergebnisse der GP-Theorie.- 3.4 Literatur zum Kapitel 3.- 3.5 Aufgaben zum Kapitel 3.- 4 Evolutionsstrategien.- 4.1 Grundkonzept.- 4.2 Erweiterungen.- 4.3 Ausgewählte Ergebnisse der ES-Theorie.- 4.4 Literatur zum Kapitel 4.- 4.5 Aufgaben zum Kapitel 4.- 5 Evolutionäre Programmierung.- 5.1 Grundkonzept.- 5.2 Erweiterungen.- 5.3 Ausgewählte Ergebnisse der EP-Theorie.- 5.4 Literatur zum Kapitel 5.- 5.5 Aufgaben zum Kapitel 5.- 6 EA nah verwandte Optimierungsmethoden.- 6.1 Simulated Annealing.- 6.2 Threshold Accepting.- 6.3 Sintflut-Algorithmus und Record-to-Record-Travel.- 6.4 Bezüge der hier dargestellten Methoden zu EA.- 6.5 Literatur zum Kapitel 6.- 6.6 Aufgaben zum Kapitel 6.- 7 Vergleich und Beurteilung von EA.- 7.1 Gegenüberstellung der EA-Hauptströmungen.- 7.2 EA als Optimierungsmethode.- 7.3 Einige spezifische Stärken und Schwächen von GP.- 7.4 Parallelisierbarkeit von EA.- 7.5 Rückschlüsse für praktische Optimierungsanwendungen.- 7.6 Literatur zum Kapitel 7.- 7.7 Aufgaben zum Kapitel 7.- 8 Hybridsysteme.- 8.1 Lernende Classifier Systeme.- 8.2 Neuroevolutionäre Systeme.- 8.3 Fuzzyevolutionäre Systeme.- 8.4 Literatur zum Kapitel 8.- 8.5 Aufgaben zum Kapitel 8.- 9 Ausblick.- 9.1 Weiterführende Literatur zum Kapitel 9.- AnhangA: Elektronische Informationen zu EA.- Electronic Mail Diskussionslisten.- NetNews-Gruppe.- EvoNet.- Elektronische Archive.- Anhang B: Testdaten-Bibliotheken.- Verzeichnis wichtiger Abkürzungen.