Andere Kunden interessierten sich auch für
![Computational Intelligence]( "Computational Intelligence")
Computational Intelligence64,99 €![Genetische Programmierung]( "Genetische Programmierung")
Genetische Programmierung49,00 €![Human Compatible]( "Human Compatible")
Human Compatible8,49 €![Nonmonotonic and Inductive Logic]( "Nonmonotonic and Inductive Logic")
Nonmonotonic and Inductive Logic40,99 €![Applying Computational Intelligence]( "Applying Computational Intelligence")
Applying Computational Intelligence74,99 €![Cognitive Reasoning]( "Cognitive Reasoning")
Cognitive Reasoning110,99 €![Nonmonotonic and Inductive Logic]( "Nonmonotonic and Inductive Logic")
Nonmonotonic and Inductive Logic40,99 €
Genetische Lernverfahren können zur Entwicklung von
besonders komplexen Algorithmen, wie das Laufen
lernen von Robotern, verwendet werden. Aber können
sie auch zum Ermitteln von optimalen Kombinationen
verschiedener Elemente eingesetzt werden? Der Autor
Christian Maschmann gibt einführend einen Überblick
über die Grundlagen genetischer Algorithmen und ihrer
verschiedenen Selektions- und Mutationsverfahren,
sowie (Multi-)Agentensystemen, um anschließend die
Frage exemplarisch und experimentell beantworten zu
können. Dabei wird versucht eine marktwirtschaftliche
Simulation - in Form eines Multiagentensystems - mit
verschiedenen Akteuren (Agenten), die
unterschiedliche Charaktere besitzen, zu optimieren.
Die Optimierung zielte dabei auf einen maximalen und
unter den Akteuren ausgewogen verteilten Gewinn ab.
Es wird der Ablauf der Arbeit von den Grundlagen über
Analyse, Design und Realisierung bis zur Evaluation
und Ausblick behandelt. Das Buch richtet sich an
alle, die einen praktischen Einstieg in die
genetischen Lernverfahren im Bereich der künstlichen
Intelligenz suchen.
besonders komplexen Algorithmen, wie das Laufen
lernen von Robotern, verwendet werden. Aber können
sie auch zum Ermitteln von optimalen Kombinationen
verschiedener Elemente eingesetzt werden? Der Autor
Christian Maschmann gibt einführend einen Überblick
über die Grundlagen genetischer Algorithmen und ihrer
verschiedenen Selektions- und Mutationsverfahren,
sowie (Multi-)Agentensystemen, um anschließend die
Frage exemplarisch und experimentell beantworten zu
können. Dabei wird versucht eine marktwirtschaftliche
Simulation - in Form eines Multiagentensystems - mit
verschiedenen Akteuren (Agenten), die
unterschiedliche Charaktere besitzen, zu optimieren.
Die Optimierung zielte dabei auf einen maximalen und
unter den Akteuren ausgewogen verteilten Gewinn ab.
Es wird der Ablauf der Arbeit von den Grundlagen über
Analyse, Design und Realisierung bis zur Evaluation
und Ausblick behandelt. Das Buch richtet sich an
alle, die einen praktischen Einstieg in die
genetischen Lernverfahren im Bereich der künstlichen
Intelligenz suchen.