Exploitation of Linkage Learning in Evolutionary Algorithms
Kurzinformation
inkl. MwSt. Versandinformationen
Artikel zZt. nicht lieferbar
Artikel zZt. nicht lieferbar

Beschreibung
One major branch of enhancing the performance of evolutionary algorithms is the exploitation of linkage learning. This monograph aims to capture the recent progress of linkage learning, by compiling a series of focused technical chapters to keep abreast of the developments and trends in the area of linkage. In evolutionary algorithms, linkage models the relation between decision variables with the genetic linkage observed in biological systems, and linkage learning connects computational optimization methodologies and natural evolution mechanisms. Exploitation of linkage learning can enable us to design better evolutionary algorithms as well as to potentially gain insight into biological systems. Linkage learning has the potential to become one of the dominant aspects of evolutionary algorithms; research in this area can potentially yield promising results in addressing the scalability issues. von Chen, Ying-Ping
Produktdetails
So garantieren wir Dir zu jeder Zeit Premiumqualität.
Über den Autor
- Gebunden
- 326 Seiten
- Erschienen 2007
- Springer
- Gebunden
- 246 Seiten
- Erschienen 2012
- Springer
- Gebunden
- 204 Seiten
- Erschienen 2009
- Springer
-
-
-
- North Holland
- Gebunden
- 210 Seiten
- Erschienen 2017
- Springer
- Gebunden
- 189 Seiten
- Erschienen 2009
- Springer
- paperback
- 357 Seiten
- Erschienen 1999
- Gustav Fischer
- paperback
- 204 Seiten
- Erschienen 2021
- Springer
- Gebunden
- 200 Seiten
- Erschienen 2013
- Springer
- Hardcover
- 288 Seiten
- Erschienen 2017
- The MIT Press
- hardcover
- 359 Seiten
- Erschienen 2013
- Springer
- Gebunden
- 503 Seiten
- Erschienen 2011
- Humana
- paperback
- 505 Seiten
- Erschienen 1971
- Columbia University Press
- hardcover
- 381 Seiten
- Erschienen 2020
- Springer




