Andere Kunden interessierten sich auch für
![Seleção de atributos com Algoritmo Genético]( "Seleção de atributos com Algoritmo Genético")
Seleção de atributos com Algoritmo Genético23,99 €![Melhoria do algoritmo de ordenação por bolha e seleção]( "Melhoria do algoritmo de ordenação por bolha e seleção")
Melhoria do algoritmo de ordenação por bolha e seleção23,99 €![Guia Prático de Algoritmo Genético Canônico:]( "Guia Prático de Algoritmo Genético Canônico:")
Guia Prático de Algoritmo Genético Canônico:26,99 €![Aplicação de Técnicas Multicriteriais para Seleção de Projetos de TI]( "Aplicação de Técnicas Multicriteriais para Seleção de Projetos de TI")
Aplicação de Técnicas Multicriteriais para Seleção de Projetos de TI39,99 €![Metaaprendizagem para seleção dos melhores algoritmos de descoberta causal]( "Metaaprendizagem para seleção dos melhores algoritmos de descoberta causal")
Metaaprendizagem para seleção dos melhores algoritmos de descoberta causal23,99 €![Modelo basado en un algoritmo genético en la esteganografía de textos]( "Modelo basado en un algoritmo genético en la esteganografía de textos")
Modelo basado en un algoritmo genético en la esteganografía de textos29,99 €![Otimização de tráfego utilizando algoritmo genético]( "Otimização de tráfego utilizando algoritmo genético")
Otimização de tráfego utilizando algoritmo genético39,99 €
Os Algoritmos Genéticos (AG) são uma classe particular de Algoritmos Evolutivos (AE) que utiliza técnicas inspiradas na biologia evolutiva, como a herança, a mutação, a seleção e o cruzamento. Estes algoritmos baseiam-se nos princípios da seleção natural e da sobrevivência dos mais aptos, tal como afirmado por Charles Darwin em A Origem das Espécies. Ao imitar estes processos de seleção natural e de sobrevivência do mais apto, os algoritmos genéticos são capazes de encontrar soluções para problemas do mundo real, se tiverem sido adequadamente codificados. Neste livro, são abordados os conceitos básicos dos algoritmos genéticos que abrangem a geração de populações, a codificação, a seleção, o cruzamento, a mutação e as iterações. A otimização/maximização de funções é o principal ponto de discussão neste trabalho. Trata-se de implementar uma função de aptidão escolhida utilizando diferentes técnicas de seleção usadas no algoritmo genético e fazer uma comparação entre elas com base nos valores de aptidão da função em diferentes números de iterações. Este trabalho seria útil para profissionais e estudantes/investigadores que pretendam obter uma visão sobre a compreensão e implementação do processo de algoritmo genético para resolver um problema de otimização.