Эволюционные алгоритмы - это биоинспирированные алгоритмы, основанные на теории эволюции Дарвина. Они позволяют получить не оптимальные, но качественные решения для задач, точное решение которых труднодостижимо. В шести главах эта книга представляет основные знания, необходимые для эффективной реализации эволюционных алгоритмов. Глава 1 описывает общий эволюционный алгоритм и базовые операторы, которые его составляют. Глава 2 посвящена решению задач непрерывной оптимизации без ограничений. Рассматриваются и сравниваются три основных подхода на наборе тестовых функций. Глава 3 рассматривает задачи непрерывной оптимизации с ограничениями. Представлены различные подходы, пригодные для эволюционных методов. Глава 4 связана с комбинаторной оптимизацией. В ней дан каталог операторов вариации для задач, основанных на упорядочивании. Глава 5 вводит базовые понятия, необходимые для понимания проблемы многокритериальной оптимизации, и ряд подходов для ее применения. Наконец, глава 6 описывает различные подходы генетического программирования, позволяющие развивать компьютерные программы в контексте машинного обучения.
Электронная Книга «Evolutionary Algorithms» написана автором Alain Petrowski в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9781119136385
Описание книги от Alain Petrowski
Evolutionary algorithms are bio-inspired algorithms based on Darwin’s theory of evolution. They are expected to provide non-optimal but good quality solutions to problems whose resolution is impracticable by exact methods. In six chapters, this book presents the essential knowledge required to efficiently implement evolutionary algorithms. Chapter 1 describes a generic evolutionary algorithm as well as the basic operators that compose it. Chapter 2 is devoted to the solving of continuous optimization problems, without constraint. Three leading approaches are described and compared on a set of test functions. Chapter 3 considers continuous optimization problems with constraints. Various approaches suitable for evolutionary methods are presented. Chapter 4 is related to combinatorial optimization. It provides a catalog of variation operators to deal with order-based problems. Chapter 5 introduces the basic notions required to understand the issue of multi-objective optimization and a variety of approaches for its application. Finally, Chapter 6 describes different approaches of genetic programming able to evolve computer programs in the context of machine learning.
