Ocena:
Książka oferuje szeroki przegląd algorytmów genetycznych i ewolucyjnych, kładąc nacisk na nowoczesne podejścia i świeże pomysły. Jest zwięzła i prosta, dzięki czemu jest przydatna w odniesieniach i praktycznych zastosowaniach, choć może nie służyć dobrze jako podstawowy podręcznik do kompleksowego kursu.
Zalety:Zwięzła mapa drogowa, szeroki przegląd klasycznego i nowoczesnego programowania genetycznego i ewolucyjnego, świeże pomysły i praktyczne zastosowania, prosty styl pisania, doskonały rozdział na temat obsługi ograniczeń.
Wady:Nie nadaje się jako podstawowy podręcznik do pogłębionych kursów, może brakować odpowiedniego pokrycia tematów takich jak programowanie genetyczne, ewoluujące systemy neuronowe i sztuczne życie, może stracić na atrakcyjności z powodu silnego skupienia się na optymalizacji numerycznej.
(na podstawie 6 opinii czytelników)
Genetic Algorithms + Data Structures = Evolution Programs
Algorytmy genetyczne opierają się na zasadzie ewolucji, tj. przetrwania najlepiej przystosowanych.
W związku z tym techniki programowania ewolucyjnego, oparte na algorytmach genetycznych, znajdują zastosowanie w wielu trudnych problemach optymalizacyjnych, takich jak optymalizacja funkcji z ograniczeniami liniowymi i nieliniowymi, problem wędrującego komiwojażera oraz problemy harmonogramowania, partycjonowania i kontroli. Znaczenie tych technik wciąż rośnie, ponieważ programy ewolucyjne mają charakter równoległy, a równoległość jest jednym z najbardziej obiecujących kierunków w informatyce.
Książka jest samodzielna, a jedynym warunkiem wstępnym jest podstawowa matematyka na poziomie licencjackim. Trzecie wydanie zostało znacząco poprawione i rozszerzone o trzy nowe rozdziały oraz o dodatkowe załączniki zawierające materiały robocze w celu uwzględnienia najnowszych osiągnięć i zmian w postrzeganiu obliczeń ewolucyjnych.
© Book1 Group - wszelkie prawa zastrzeżone.
Zawartość tej strony nie może być kopiowana ani wykorzystywana w całości lub w części bez pisemnej zgody właściciela.
Ostatnia aktualizacja: 2024.11.13 21:45 (GMT)