Mathematical Foundations of Nature-Inspired Algorithms (eBook)
XI, 107 Seiten
Springer International Publishing (Verlag)
978-3-030-16936-7 (ISBN)
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.
| Erscheint lt. Verlag | 8.5.2019 |
|---|---|
| Reihe/Serie | SpringerBriefs in Optimization | SpringerBriefs in Optimization |
| Zusatzinfo | XI, 107 p. 4 illus., 2 illus. in color. |
| Sprache | englisch |
| Themenwelt | Mathematik / Informatik ► Informatik ► Programmiersprachen / -werkzeuge |
| Mathematik / Informatik ► Mathematik ► Statistik | |
| Schlagworte | Algorithm Analysis • ant colony optimization • Bat Algorithm • bayesian framework • Bees-inspired Algorithms • Cuckoo Search • Essence of an Algorithm. • filter theory • firefly algorithm • General Formulation of Optimization • Gradient-Based Optimization Techniques • Gradient-Free Methods and Metaheuristics • Hyper-Optimization • Markov Chain Monte Carlo • Nature-Inspired Algorithms • Parameter Tuning and Control • Particle swarm optimization • Stability of an Algorithm • Swarm intelligence • Unconstrained optimization |
| ISBN-10 | 3-030-16936-7 / 3030169367 |
| ISBN-13 | 978-3-030-16936-7 / 9783030169367 |
| Haben Sie eine Frage zum Produkt? |
PDF (Wasserzeichen)Größe: 1,6 MB
DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich
