Evolutionäre Algorithmen - 2 Angebote vergleichen
Bester Preis: € 21,29 (vom 14.10.2014)1
Evolutionäre Algorithmen
DE NW
ISBN: 9783322868398 bzw. 3322868397, in Deutsch, Teubner, Leipzig, Deutschland, neu.
Lieferung aus: Deutschland, Lagernd.
Evolutionare Algorithmen sind eine Klasse von Verfahren, mit denen - angelehnt an das Vorbild der biologischen Evolution - Problemlosungen automatisch generiert wer den. Die zugrunde liegende Idee ist faszinierend einfach. Man definiert eine geeignete Kodierung fUr die generelle Struktur einer Problemlosung sowie eine Zielfunktion, die bewertet, wie gut oder schlecht eine Losung ist. Den Rest uberlasst man dem Computer, der eine Startpopulation von zufalligen Losungen erzeugt. Mit Techniken, die der bio logischen Evolution zum Teil sehr abstrakt nachempfunden sind, werden Nachkommen erzeugt. Zu diesen Techniken zahlen unter anderen Mutation, die bestehende Losun gen zufallig verandert, und Rekombination, bei der aus zwei Losungen eine kombinierte Losung erstellt wird. Die vorher definierte Zielfunktion bewertet die Losungen und nach dem Prinzip "Survival of the fittest" - die Besten haben also die groBten Oberlebens und Vermehrungschancen. 1m nachsten Schritt werden die besten Losungen selektiert, um wiederum Nachkommen zu erzeugen. Auf diese Weise entwickeln sich aus den im Aligemeinen sehr schlechten Zufallslosungen der Startpopulation uber Generationen hin weg immer bessere Losungen bis hin zur optimalen oder zumindest nahezu optimalen Losung. Auch wenn dieses Prinzip zunachst einfach und einleuchtend erscheint, so erfor dert eine gezielte und effiziente Anwendung evolutionarer Algorithmen ein etwas tiefer gehendes Verstandnis der Techniken und ihrer Eigenschaften. Es ware auch etwas zu viel verlangt, wenn es bei einem so universellen Werkzeug wie den evolutionaren Alga rithmen. ausreichend ware, seine Problem besch rei bung hineinzugeben und nach etwas Rechenzeit die optimale Losung herauszubekommen.
Evolutionare Algorithmen sind eine Klasse von Verfahren, mit denen - angelehnt an das Vorbild der biologischen Evolution - Problemlosungen automatisch generiert wer den. Die zugrunde liegende Idee ist faszinierend einfach. Man definiert eine geeignete Kodierung fUr die generelle Struktur einer Problemlosung sowie eine Zielfunktion, die bewertet, wie gut oder schlecht eine Losung ist. Den Rest uberlasst man dem Computer, der eine Startpopulation von zufalligen Losungen erzeugt. Mit Techniken, die der bio logischen Evolution zum Teil sehr abstrakt nachempfunden sind, werden Nachkommen erzeugt. Zu diesen Techniken zahlen unter anderen Mutation, die bestehende Losun gen zufallig verandert, und Rekombination, bei der aus zwei Losungen eine kombinierte Losung erstellt wird. Die vorher definierte Zielfunktion bewertet die Losungen und nach dem Prinzip "Survival of the fittest" - die Besten haben also die groBten Oberlebens und Vermehrungschancen. 1m nachsten Schritt werden die besten Losungen selektiert, um wiederum Nachkommen zu erzeugen. Auf diese Weise entwickeln sich aus den im Aligemeinen sehr schlechten Zufallslosungen der Startpopulation uber Generationen hin weg immer bessere Losungen bis hin zur optimalen oder zumindest nahezu optimalen Losung. Auch wenn dieses Prinzip zunachst einfach und einleuchtend erscheint, so erfor dert eine gezielte und effiziente Anwendung evolutionarer Algorithmen ein etwas tiefer gehendes Verstandnis der Techniken und ihrer Eigenschaften. Es ware auch etwas zu viel verlangt, wenn es bei einem so universellen Werkzeug wie den evolutionaren Alga rithmen. ausreichend ware, seine Problem besch rei bung hineinzugeben und nach etwas Rechenzeit die optimale Losung herauszubekommen.
2
Evolutionäre Algorithmen
DE NW EB
ISBN: 9783322868398 bzw. 3322868397, in Deutsch, Springer Nature, neu, E-Book.
Lieferung aus: Deutschland, Lagernd, zzgl. Versandkosten.
Die Beschreibung dieses Angebotes ist von geringer Qualität oder in einer Fremdsprache. Trotzdem anzeigen
Die Beschreibung dieses Angebotes ist von geringer Qualität oder in einer Fremdsprache. Trotzdem anzeigen
Lade…