扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
深度学习
-
>
Unreal Engine 4蓝图完全学习教程
-
>
深入理解计算机系统-原书第3版
-
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)
数据驱动的进化优化(进化计算、机 版权信息
- ISBN：9787302663669
- 条形码：9787302663669 ; 978-7-302-66366-9
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>
数据驱动的进化优化(进化计算、机 本书特色
（1）聚焦数据驱动的优化，探索演化算法用于求解数据驱动优化问题的代表性研究成果。 （2）系统介绍演化算法与演化优化、机器学习及数据科学在复杂优化应用中的相互融合及它们在解決实际工程与科学问题中的重要作用，破解复杂科学及工程问题进化优化难题。 （3）结合进化计算与机器学习技术，全书提供一系列数据驱动的优化方法以解决复杂优化问题中存在的各类挑战。
数据驱动的进化优化(进化计算、机 内容简介
本书旨在为包括研究生和工业从业者在内的研究人员提供有关为数据驱动的进化优化而开发的**方法的全面描述。本书共分12章，第1~4章简要介绍了优化、进化计算和机器学习中精心挑选的重要主题和方法。第5章提供了数据驱动优化的基础知识，包括启发式算法和基于获取函数的代理模型管理。第6章介绍使用多个代理模型进行单目标优化的方法。第7~8章中描述用于求解多目标和多目标优化算法的代表性进化算法以及代理模型辅助数据驱动的进化多目标和多目标优化。第9章详细阐述了高维数据驱动优化的方法。第10章描述迁移学习和迁移优化。第11章讨论离线数据驱动的进化优化，以翼型设计优化等实际优化问题为例、原油蒸馏优化和急救系统优化。*后，第12章强调了深度神经架构搜索作为数据驱动的昂贵优化问题。
数据驱动的进化优化(进化计算、机 目录
第1章 化导论
1.1 优化的定义
1.1.1 数学模型
1.1.2 凸优化
1.1.3 拟凸函数
1.1.4 全局和局部
1.2 优化问题的类型
1.2.1 连续与离散优化
1.2.2 无约束优化与约束优化
1.2.3 单目标优化与多目标优化
1.2.4 确定性优化与随机性优化
1.2.5 黑盒优化和数据驱动的优化
1.3 多目标优化
1.3.1 数学模型
1.3.2 Pareto 性
1.3.3 偏好建模
1.3.4 偏好表示
1.4 优化中不确定性的处理
1.4.1 评价中的噪声
1.4.2 鲁棒优化
1.4.3 多场景优化
1.4.4 动态优化
1.4.5 时域鲁棒优化
1.5 优化算法的对比
1.5.1 算法效率
1.5.2 性能指标
1.5.3 可靠性评价
1.5.4 统计测试
1.5.5 基准问题
1.6 总结
第2章 经典优化算法
2.1 无约束优化
2.1.1 梯度法
2.1.2 牛顿法
2.1.3 拟牛顿法
2.2 约束优化
2.2.1 惩罚函数法和障碍函数法
2.2.2 拉格朗日乘子法
2.3 无梯度搜索方法
2.3.1 线搜索和模式搜索
2.3.2 NelderMead单纯形法
2.3.3 基于模型的无梯度搜索方法
2.4 确定性全局优化
2.4.1 基于Lipschitz的方法
2.4.2 DIRECT算法
2.5 总结
第3章 进化和群智能优化
3.1 引言
3.2 遗传算法
3.2.1 定义
展开全部
数据驱动的进化优化(进化计算、机 作者简介
金耀初，欧洲科学院院士，IEEE Fellow，IEEE计算智能学会主席，西湖大学工学院人工智能讲席教授、可信及通用人工智能实验室负责人。曾任德国比勒菲尔德大学洪堡人工智能教席教授，英国萨里大学计算科学系计算智能杰出讲席教授，自然计算与应用研究组主任。金耀初曾是芬兰国家技术创新局“芬兰杰出教授”。已出版专著5本，发表学术论文500余篇。论文被引用总次数超过4.6万，其中SCI引用超过2.5万，H-index为104，自2019年来连续5年入选科睿唯安“全球高被引科学家”。长期从事计算智能、人工智能、计算神经科学、计算生物学及形态发育自组织机器人等交叉学科的理论研究和工程应用。
书友推荐
本类畅销
-
”互联网+“时代计算机算法的应用及其实践研究
¥19.9¥59 -
微服务设计
¥52.8¥69 -
图说深度学习:用可视化方法理解复杂概念
¥109¥188 -
计算机基础
¥17.2¥31 -
改变未来的九大算法
¥50¥68 -
生成式AI入门与AWS实战
¥77.8¥99.8
