Természet által inspirált számítás és rajintelligencia: Algoritmusok, elmélet és alkalmazások

Eredeti címe:

Nature-Inspired Computation and Swarm Intelligence: Algorithms, Theory and Applications

Könyv tartalma:

A természet által inspirált számítás és a raj intelligencia népszerű és hatékony eszközzé vált az optimalizálás, a számítási intelligencia, a lágy számítástechnika és az adattudomány problémáinak megoldására. A közelmúltban a terület irodalma gyorsan bővült, új algoritmusok és alkalmazások jelentek meg.

Természet által inspirált számítás és rajintelligencia: Algorithms, Theory and Applications (Algoritmusok, elmélet és alkalmazások) című időszerű referenciamű, amely átfogó áttekintést ad a természet által inspirált algoritmusok és a rajintelligencia releváns, legfrissebb fejleményeiről, elméletéről és alkalmazásairól. Áttekinti és dokumentálja az új fejleményeket, a természet által inspirált algoritmusokra és azok elméleti elemzésére összpontosítva, valamint útmutatást nyújt a megvalósításukhoz. A könyv különféle valós alkalmazások esettanulmányait tartalmazza, egyensúlyt teremtve az elmélet magyarázata és a gyakorlati megvalósítás között.

Természet által inspirált számítás és rajintelligencia: Algorithms, Theory and Applications (Algoritmusok, elmélet és alkalmazások) című könyv az informatika, a mérnöki tudományok, az adattudomány és a menedzsmenttudományok azon kutatói és végzős hallgatói számára alkalmas, akik átfogó áttekintést szeretnének kapni a természet által inspirált számítás és a rajintelligencia területein belüli algoritmusokról, elméletről és megvalósításról.

⬤ Bemutatja a természet által inspirált algoritmusokat és azok alapjait, beleértve: részecske raj optimalizálás, denevér algoritmus, kakukk keresés, szentjánosbogár algoritmus, virág beporzás algoritmus, differenciális evolúció és genetikai algoritmusok, valamint többcélú optimalizációs algoritmusok és mások.

⬤ Megadja az algoritmusok elméleti megalapozását és elemzését, többek között: statisztikai elmélet és Markov-lánc elmélet az algoritmusok konvergenciájáról és stabilitásáról, dinamikus rendszerelmélet, az optimalizálás összehasonlító vizsgálata, no-free-lunch tételek és egy általánosított matematikai keretrendszer.

⬤ Tartalmazza a valós alkalmazások esettanulmányainak sokféleségét: jellemzőválasztás, klaszterezés és osztályozás, korlátozott Boltzmann-gépek hangolása, utazó ügynök probléma, fehérvérsejtek osztályozása, zene generálása mesterséges intelligenciával, robotrajok, neurális hálózatok, mérnöki tervek és mások.