Nature-Inspired Computation and Swarm Intelligence: Algorithms, Theory and Applications
L'informatique inspirée par la nature et l'intelligence en essaim sont devenues des outils populaires et efficaces pour résoudre les problèmes d'optimisation, d'intelligence informatique, d'informatique douce et de science des données. Récemment, la littérature dans ce domaine s'est rapidement développée, avec l'apparition de nouveaux algorithmes et de nouvelles applications.
Nature-Inspired Computation and Swarm Intelligence : Algorithms, Theory and Applications est une référence opportune qui présente un examen complet des développements de pointe pertinents en matière d'algorithmes, de théorie et d'applications des algorithmes inspirés par la nature et de l'intelligence en essaim. Il examine et documente les nouveaux développements, en se concentrant sur les algorithmes inspirés par la nature et leur analyse théorique, tout en fournissant un guide pour leur mise en œuvre. Le livre comprend des études de cas de diverses applications du monde réel, équilibrant l'explication de la théorie avec la mise en œuvre pratique.
Nature-Inspired Computation and Swarm Intelligence : Algorithms, Theory and Applications s'adresse aux chercheurs et aux étudiants de troisième cycle en informatique, ingénierie, science des données et science de la gestion, qui souhaitent un examen complet des algorithmes, de la théorie et de la mise en œuvre dans les domaines de l'informatique inspirée par la nature et de l'intelligence en essaim.
⬤ Il présente les algorithmes inspirés de la nature et leurs principes fondamentaux, notamment l'optimisation par essaims de particules, l'algorithme de la chauve-souris, la recherche du coucou, l'algorithme de la luciole, l'algorithme de pollinisation des fleurs, l'évolution différentielle et les algorithmes génétiques, ainsi que les algorithmes d'optimisation multi-objectifs et d'autres encore.
⬤ Il fournit une base théorique et des analyses d'algorithmes, y compris la théorie statistique et la théorie de la chaîne de Markov sur la convergence et la stabilité des algorithmes, la théorie des systèmes dynamiques, l'analyse comparative de l'optimisation, les théorèmes de non-gratuité, et un cadre mathématique généralisé.
⬤ Il comprend une diversité d'études de cas d'applications du monde réel : sélection de caractéristiques, regroupement et classification, réglage des machines de Boltzmann restreintes, problème du voyageur de commerce, classification des globules blancs, génération de musique par intelligence artificielle, robots en essaim, réseaux neuronaux, conceptions d'ingénierie et bien d'autres.
© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)