Mathematical Foundations of Nature-Inspired Algorithms / Yang, Xin-She  

Público ISBD Ningún comentario para este registro. Título : Mathematical Foundations of Nature-Inspired Algorithms Tipo de documento: documento electrónico Autores: Yang, Xin-She, ; He, Xing-Shi, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: XI, 107 p. 4 ilustraciones, 2 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-16936-7 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Optimización matemática  Análisis numérico  Procesos de Markov  Algoritmos  Mejoramiento  Proceso de Markov Clasificación: 519.6 Resumen: Este libro presenta un enfoque sistemático para analizar algoritmos inspirados en la naturaleza. Comenzando con una introducción a los métodos y algoritmos de optimización, este libro continúa proporcionando un marco unificado de análisis matemático para la convergencia y la estabilidad. Los algoritmos específicos inspirados en la naturaleza incluyen: inteligencia de enjambre, optimización de colonias de hormigas, optimización de enjambre de partículas, algoritmos inspirados en abejas, algoritmo de murciélagos, algoritmo de luciérnagas y búsqueda de cucos. Los algoritmos se analizan a partir de un amplio espectro de teorías y marcos para ofrecer información sobre las principales características de los algoritmos y comprender cómo y por qué funcionan para resolver problemas de optimización. Se llevan a cabo análisis matemáticos en profundidad desde diferentes perspectivas, incluida la teoría de la complejidad, la teoría del punto fijo, los sistemas dinámicos, la autoorganización, el marco bayesiano, el marco de la cadena de Markov, la teoría de filtros, el aprendizaje estadístico y las medidas estadísticas. Los estudiantes e investigadores en optimización, investigación de operaciones, inteligencia artificial, minería de datos, aprendizaje automático, informática y ciencias de la gestión verán los pros y los contras de una variedad de algoritmos a través de ejemplos detallados y una comparación de algoritmos. Nota de contenido: 1 Introduction to Optimization -- 2 Nature-Inspired Algorithms -- 3 Mathematical Foundations -- 4 Mathematical Analysis I -- 5 Mathematical Analysis II. Tipo de medio : Computadora Summary : This book presents a systematic approach to analyze nature-inspired algorithms. Beginning with an introduction to optimization methods and algorithms, this book moves on to provide a unified framework of mathematical analysis for convergence and stability. Specific nature-inspired algorithms include: swarm intelligence, ant colony optimization, particle swarm optimization, bee-inspired algorithms, bat algorithm, firefly algorithm, and cuckoo search. Algorithms are analyzed from a wide spectrum of theories and frameworks to offer insight to the main characteristics of algorithms and understand how and why they work for solving optimization problems. In-depth mathematical analyses are carried out for different perspectives, including complexity theory, fixed point theory, dynamical systems, self-organization, Bayesian framework, Markov chain framework, filter theory, statistical learning, and statistical measures. Students and researchers in optimization, operations research, artificial intelligence, data mining, machine learning, computer science, and management sciences will see the pros and cons of a variety of algorithms through detailed examples and a comparison of algorithms. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Mathematical Foundations of Nature-Inspired Algorithms [documento electrónico] / Yang, Xin-She, ; He, Xing-Shi,  . -  1 ed.  . - [s.l.] : Springer, 2019 . - XI, 107 p. 4 ilustraciones, 2 ilustraciones en color. ISBN : 978-3-030-16936-7 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Optimización matemática  Análisis numérico  Procesos de Markov  Algoritmos  Mejoramiento  Proceso de Markov Clasificación: 519.6 Resumen: Este libro presenta un enfoque sistemático para analizar algoritmos inspirados en la naturaleza. Comenzando con una introducción a los métodos y algoritmos de optimización, este libro continúa proporcionando un marco unificado de análisis matemático para la convergencia y la estabilidad. Los algoritmos específicos inspirados en la naturaleza incluyen: inteligencia de enjambre, optimización de colonias de hormigas, optimización de enjambre de partículas, algoritmos inspirados en abejas, algoritmo de murciélagos, algoritmo de luciérnagas y búsqueda de cucos. Los algoritmos se analizan a partir de un amplio espectro de teorías y marcos para ofrecer información sobre las principales características de los algoritmos y comprender cómo y por qué funcionan para resolver problemas de optimización. Se llevan a cabo análisis matemáticos en profundidad desde diferentes perspectivas, incluida la teoría de la complejidad, la teoría del punto fijo, los sistemas dinámicos, la autoorganización, el marco bayesiano, el marco de la cadena de Markov, la teoría de filtros, el aprendizaje estadístico y las medidas estadísticas. Los estudiantes e investigadores en optimización, investigación de operaciones, inteligencia artificial, minería de datos, aprendizaje automático, informática y ciencias de la gestión verán los pros y los contras de una variedad de algoritmos a través de ejemplos detallados y una comparación de algoritmos. Nota de contenido: 1 Introduction to Optimization -- 2 Nature-Inspired Algorithms -- 3 Mathematical Foundations -- 4 Mathematical Analysis I -- 5 Mathematical Analysis II. Tipo de medio : Computadora Summary : This book presents a systematic approach to analyze nature-inspired algorithms. Beginning with an introduction to optimization methods and algorithms, this book moves on to provide a unified framework of mathematical analysis for convergence and stability. Specific nature-inspired algorithms include: swarm intelligence, ant colony optimization, particle swarm optimization, bee-inspired algorithms, bat algorithm, firefly algorithm, and cuckoo search. Algorithms are analyzed from a wide spectrum of theories and frameworks to offer insight to the main characteristics of algorithms and understand how and why they work for solving optimization problems. In-depth mathematical analyses are carried out for different perspectives, including complexity theory, fixed point theory, dynamical systems, self-organization, Bayesian framework, Markov chain framework, filter theory, statistical learning, and statistical measures. Students and researchers in optimization, operations research, artificial intelligence, data mining, machine learning, computer science, and management sciences will see the pros and cons of a variety of algorithms through detailed examples and a comparison of algorithms. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 1 / 1) Ver por página : 25 50 100 200