Introduction aux algorithmes d'optimisation Méta-Heuristiques - Hamidia, Fethia;Abbadi, Amel
39,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in über 4 Wochen
  • Broschiertes Buch

L'être humain a toujours utilisé la nature comme source d'inspiration pour résoudre des problèmes plus complexes et vu que l'optimisation occupe une place très importante dans beaucoup de domaines comme l'informatique, l'automatique ....etc, alors les stratégies inspirées de la nature et adoptées pour résoudre ces problèmes, peuvent être considérées, quant à elles, comme des algorithmes d'optimisation bio-inspirés (dits aussi algorithmes méta-heuristiques).Cet ouvrage s'articule autour de cinq parties: introduction aux algorithmes d'optimisation, les méthodes de trajectoire (Ex, Récuit simulé…mehr

Andere Kunden interessierten sich auch für
Produktbeschreibung
L'être humain a toujours utilisé la nature comme source d'inspiration pour résoudre des problèmes plus complexes et vu que l'optimisation occupe une place très importante dans beaucoup de domaines comme l'informatique, l'automatique ....etc, alors les stratégies inspirées de la nature et adoptées pour résoudre ces problèmes, peuvent être considérées, quant à elles, comme des algorithmes d'optimisation bio-inspirés (dits aussi algorithmes méta-heuristiques).Cet ouvrage s'articule autour de cinq parties: introduction aux algorithmes d'optimisation, les méthodes de trajectoire (Ex, Récuit simulé ...), les méthodes d'optimisation à population (Ex, Essaim de particules, ...), les algorithmes évolutionnaires (Ex, les algorithmes génétiques ...), et les algorithmes inspirés de la nature (Ex, algorithmes inspirés de l'écologie ...). Il peut être utile pour tous ce qui désirent approfondir leurs connaissances ou avoir un document de base en matière d'optimisation Méta-Heuristique.
Autorenporträt
Hamidia Fethia, Abbadi Amel : enseignantes à l'université de Médéa (Algérie), elles ont obtenu leurs diplômes HDR et Doctorat Science en Automatique à (univ de Médéa et ENP d'Elharrache d'Alger). Leurs axes de recherche incluent les énergies renouvelables, intelligence artificielle, techniques d'optimisation méta-heuristique...