9783030169350 - mathematical foundations of nature-inspired algorithms (springerbriefs in optimization) von yang, xin-she; he, xing-shi (6 Ergebnisse)
Sprache: Englisch
Verlag: Springer, 2019
- Softcover
Anbieter: Ria Christie Collections, Uxbridge, Vereinigtes KönigreichRia Christie Collections
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 67,31
EUR 14,00 VersandVersand von Vereinigtes Königreich nach USAAnzahl: Mehr als 20 verfügbar
Zustand: New. In.
Sprache: Englisch
Verlag: Springer Verlag, 2019
- Softcover
Anbieter: Revaluation Books, Exeter, Vereinigtes KönigreichRevaluation Books
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 89,15
EUR 11,69 VersandVersand von Vereinigtes Königreich nach USAAnzahl: 2 verfügbar
Paperback. Zustand: Brand New. 120 pages. 9.25x6.10x0.28 inches. In Stock.
Sprache: Englisch
Verlag: Springer, 2019
- Softcover
Anbieter: Kennys Bookstore, Olney, MD, USAKennys Bookstore
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 99,02
EUR 9,07 VersandVersand innerhalb von USAAnzahl: 15 verfügbar
Zustand: New.
Sprache: Englisch
Verlag: Springer, 2019
- Softcover
Anbieter: preigu, Osnabrück, Deutschlandpreigu
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 59,40
EUR 70,00 VersandVersand von Deutschland nach USAAnzahl: 5 verfügbar
Taschenbuch. Zustand: Neu. Mathematical Foundations of Nature-Inspired Algorithms | Xin-She Yang (u. a.) | Taschenbuch | SpringerBriefs in Optimization | xi | Englisch | 2019 | Springer | EAN 9783030169350 | Verantwortliche Person für die EU: Springer Verlag GmbH, Tiergartenstr. 17, 69121 Heidelberg, juergen[dot]hartmann[at]spri…nger[dot]com | Anbieter: preigu.
Sprache: Englisch
Verlag: Springer, 2019
- Softcover
Anbieter: AHA-BUCH GmbH, Einbeck, DeutschlandAHA-BUCH GmbH
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 69,27
EUR 60,98 VersandVersand von Deutschland nach USAAnzahl: 1 verfügbar
Taschenbuch. Zustand: Neu. Druck auf Anfrage Neuware - Printed after ordering - 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 stab…ility. 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.
Sprache: Englisch
Verlag: Springer, 2019
- Softcover
Anbieter: Buchpark, Trebbin, DeutschlandBuchpark
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Gebraucht
EUR 38,37
EUR 105,00 VersandVersand von Deutschland nach USAAnzahl: 1 verfügbar
Zustand: Hervorragend. Zustand: Hervorragend | Sprache: Englisch | Produktart: Bücher | 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.
