Поиск по каталогу |
(строгое соответствие)
|
- Профессиональная
- Научно-популярная
- Художественная
- Публицистика
- Детская
- Искусство
- Хобби, семья, дом
- Спорт
- Путеводители
- Блокноты, тетради, открытки
Evolutionary Multiobjective Optimization with Gaussian Process Models.
В наличии
Местонахождение: Алматы | Состояние экземпляра: новый |
Бумажная
версия
версия
Автор: Miha Mlakar
ISBN: 9783659759352
Год издания: 2015
Формат книги: 60×90/16 (145×215 мм)
Количество страниц: 116
Издательство: LAP LAMBERT Academic Publishing
Цена: 32457 тг
Положить в корзину
Способы доставки в город Алматы * комплектация (срок до отгрузки) не более 2 рабочих дней |
Самовывоз из города Алматы (пункты самовывоза партнёра CDEK) |
Курьерская доставка CDEK из города Москва |
Доставка Почтой России из города Москва |
Аннотация: This book focuses on the field of surrogate-model-based multiobjective evolutionary optimization. It describes the sate-of-the-art concepts and methods, presents various optimization problems and describes current challenges. The main contributions are done for the optimization problems, where solutions are presented with uncertainty. To compare solutions under uncertainty and improve the optimization results the new relations for comparing solutions under uncertainty are defined. These relations reduce the possibility of incorrect comparisons due to the inaccurate approximations. The relations under uncertainty are then used in the new surrogate-model-based multiobjective evolutionary algorithm called GP-DEMO. The algorithm is thoroughly tested on benchmark and real-world problems and the results show that GP-DEMO, in comparison to other multiobjective evolutionary algorithms, produces comparable results while requiring fewer exact evaluations of the original objective functions.
Ключевые слова: Evolutionary Algorithms, Multiobjective optimization, Surrogate models, Relations under uncertainty