Wybrane algorytmy optymalizacji.
Algorytmy genetyczne. Algorytmy mrówkowe
autorzy: Radosław Grzymkowski, Konrad Kaczmarek, Stanisław Kiełtyka, Iwona Nowak
Wydawnictwo Pracowni Komputerowej Jacka Skalmierskiego, Gliwice 2008
stron: 98
oprawa: miękka
format: B5
ISBN:[zasłonięte]978-83716-42-7
Książka "Wybrane algorytmy optymalizacji. Algorytmy genetyczne. Algorytmy mrówkowe" w przystępny sposób zapoznaje Czytelnika z wybranymi metodami optymalizacji, w tym z algorytmami, które rozwinęły się w ostatnich latach - algorytmy genetyczne i algorytmy mrówkowe. Praca ta jest skierowana do Czytelników, którzy po raz pierwszy stykają się z tą tematyką i zainteresowani są jej stroną aplikacyjną. Z tego też powodu autorzy zrezygnowali z zaawansowanych rozważań matematycznych na rzecz licznych przykładów ilustrujących omawianą tematykę.
SPIS TREŚCI: 1. Podstawowe pojęcia i zadania związane z optymalizacją 1.1. Wprowadzenie
1.2. Ogólna postać zadania programowania matematycznego (PM)
1.3.Klasyfikacja zadań PM
1.4. Optymalizacja bezwarunkowa. Wybrane metody analityczne
1.5. Zadanie z ograniczeniami równościowymi
1.6. Funkcja Lagrange'a i zadanie dualne
2. Metody iteracyjne rozwiązywania zadań programowania matematycznego 2.1. Algorytm. Odwzorowanie algorytmiczne
2.2. Klasyfikacja metod iteracyjnych
2.3. Zasady doboru metod optymalizacji i podstaw konstrukcji metod poprawy
2.4. Wybrane algorytmy metod poszukiwań prostych
2.4.1. Metoda Hooke'a-Jeevesa
2.4.2. Metoda sympleksu Neldera-Meada
2.5. Wybrane algorytmy bezgradientowych metod poprawy
2.5.1. Metoda Gaussa-Seidla
2.5.2. Metoda kierunków sprzężonych Powella
2.6.Wybrane algorytmy metod gradientowych
2.6.1. Metoda gradientu prostego
2.6.2. Metoda największego spadku
2.7. Metody znajdowania minimum funkcji z ograniczeniami
3. Algorytmy genetyczne 3.1. Wprowadzenie
3.2. Schematy klasycznego algorytmu genetycznego
3.2.1. Kodowanie chromosomów
3.2.2. Selekcja i reprodukcja
3.3. Zbieżność czy różnorodność. Modyfikacja klasycznego algorytmu genetycznego
3.3.1. Modyfikacje funkcji przystosowania
3.3.2. Modyfikacje operatorów krzyżowania i mutacji
3.3.3. Sposoby selekcji
3.3.4. Sposoby zatrzymania algorytmu
3.4. Przykłady zastosowania algorytmu genetycznego do poszukiwania maksimum
4. Mrówkowe Algorytmy Optymalizacyjne 4.1. Wprowadzenie
4.2. Algorytm Mrówkowy i Problem Komiwojażera
4.3. Zastosowanie Algorytmu Mrówkowego do minimalizacji funkcji
4.3.1. Testy numeryczne
4.4. Zastosowanie Algorytmu Mrówkowego do minimalizacji funkcji z ograniczeniami
4.4.1. Testy numeryczne - funkcja z ograniczeniami
Literatura
