기능목록>검색 : 해군사관학교 학술정보원

유전자 알고리즘

QR코드

미리보기 도서정보

도서 상세정보
자료유형 :	단행본
ISBN :	8986497069
분류기호 :	005.1
개인저자 :	미차레비츠, 츠비그니브
서명/저자사항 :	유전자 알고리즘/ Zbigniew Michalewicz 저; 공성곤...[등역].
원서명 :	Genetic algorithms + data structures = evolution programs
발행사항 :	서울: 그린, 1996.
형태사항 :	vi,423p.: 삽도; 26cm.
서지주기 :	색인수록
개인저자 :	공성곤
언어	한국어

소장정보

해군사관학교

예예약
인인쇄
SSMS
서서가부재
보보존서고
우우선정리예약
무무인예약대출

예약

1. 예약현황은 홈페이지 로그인 후 예약 페이지에 확인 가능합니다.
2. 도착 통보된 예약자료 대출을 원하지 않는 경우에는 예약 현황에서 취소할 수 있습니다.
3. 기타 문의사항은 도서관에 문의 바랍니다.

닫기

무인예약대출

1. 무인예약대출 현황은 홈페이지 로그인 후 무인예약대출 페이지에 확인 가능합니다.
2. 무인예약대출자료 대출을 원하지 않는 경우에는 무인예약대출 페이지에서 신청 또는 접수상태인 경우만 취소할 수 있습니다.
3. 희망대출일은 신청일로부터 최대 1주일 까지 가능합니다.
4. 희망대출일을 선택하지 않은 경우 대출대기 통보 후 1주일까지 기기에서 대출가능합니다.
5. 기타 문의사항은 도서관에 문의 바랍니다.

닫기

서문 = 1
제1부 유전자 알고리즘
1. GA : 그들은 무엇인가?(GAs : What Are They?) = 20
1.1 단순한 함수의 최적화 = 25
1.1.1 표현방법 = 27
1.1.2 초기 개체집단 = 28
1.1.3 평가함수 = 28
1.1.4 유전연산자 = 29
1.1.5 매개변수 = 31
1.1.6 실험 결과 = 31
1.2 죄수의 딜레마 = 32
1.2.1 전략의 표현 = 33
1.2.2 유전자 알고리즘의 윤곽 = 33
1.2.3 실험 결과 = 31
1.3 순회 판매원 문제 = 34
1.4 등반, 시뮬레이티드 어닐링, 그리고 유전자 알고리즘 = 36
1.5 결론 = 41
2. GA : 어떻게 동작하는가?(GAs : How Do They Work?) = 43
3. GA : 왜 동작하는가?(GAs : Why Do They Work?) = 62
4. 유전자 알고리즘의 중요한 논제들(GAs : Selected Topics) = 79
4.1 표본 추출 방법 = 80
4.2 평가 함수의 특성 = 88
4.3 수축 사상 유전자 알고리즘 = 91
4.4 변화하는 개체 집단의 크기를 가진 유전자 알고리즘 = 96
4.5 유전자 알고리즘, 구속조건, 배낭 문제 = 106
4.5.1 0／1 배낭 문제(knapsack problem)와 테스트 데이터 = 107
4.5.2 알고리즘의 설명 = 109
4.5.3 실험과 결과 = 112
4.6 그 외의 고려해야 할 점들 = 116
제2부 수치 최적화
5. 이진 또는 부동점?(Binary or Float?) = 124
5.1 시험적 경우 = 126
5.2 두 가지 구현 = 128
5.2.1 이진 구현 = 128
5.2.2 부동점 구현 = 128
5.3 실험 = 129
5.3.1 랜덤 돌연변이와 교배 = 129
5.3.1.1 이진 = 129
5.3.1.2 FP = 130
5.3.1.3 결과 = 130
5.3.2 비균일 돌연변이 = 131
5.3.2.1 FP = 131
5.3.2.2 이진 = 131
5.3.2.3 결과 = 132
5.3.3 다른 연산자 = 133
5.3.3.1 이진 = 133
5.3.3.2 FP = 133
5.3.3.3 결과 = 134
5.4 시간 성능 = 134
5.5 결론 = 134
6. 지역적 미세 조정(Local Fine Tuning) = 135
6.1 시험을 위한 예제들 = 136
6.1.1 선형이차문제(linear-quadratic problem) = 138
6.1.2 수확문제(harvest problem) = 139
6.1.3 짐수레문제(push-cart problem) = 140
6.2 최적화 문제를 위한 진화 프로그램 = 141
6.2.1 표현 = 141
6.2.2 특수 연산자 = 141
6.3 실험 및 결과 = 144
6.4 진화 프로그램과 여타 방법과의 비교 = 146
6.4.1 선형이차문제 = 146
6.4.2 수확문제 = 146
6.4.3 짐수레문제 = 148
6.4.4 불균등 돌연변이의 중요성 = 148
6.5 결론 = 149
7. 구속조건을 다루는 방법(Handling Constraints) = 153
7.1 진화 프로그램 : GENOCOP 시스템 = 156
7.1.1 기본 개념 = 156
7.1.2 등식의 소거 = 158
7.1.3 표현 = 160
7.1.4 초기화 과정 = 160
7.1.5 유전 연산자 = 161
7.1.6 GENOCOP의 적용 예 = 166
7.1.7 GA 방법론들과의 비교 = 170
7.1.7.1 문제 = 170
7.1.7.2 벌점 함수 = 175
7.1.7.3 복구 알고리즘 = 176
7.1.7.4 GENOCOP 시스템 = 178
7.1.7.5 비교 = 180
7.2 진화 프로그램 : GAFOC 시스템 = 183
7.2.1 GENOCOP과 GAFOC = 184
7.2.2 GAFOC 시스템 = 187
7.2.2.1 표현 = 187
7.2.2.2 초기 개체집단 = 187
7.2.2.3 적합도 평가 = 191
7.2.2.4 유전 연산자 = 191
7.2.2.5 매개변수 = 193
7.2.3 실험 및 결과 = 193
7.3 GENOCOP을 이용한 계산실행 - 실험 및 결과 = 195
7.4 GENOCOP의 수정 보완 = 202
7.5 비선형 최적화 : GENOCOP Ⅱ = 209
8. 진화 전략과 여러 방법론들(Evolution Strategies and Other Methods) = 221
8.1 진화 전략의 진화 = 222
8.2 진화 전략과 유전자 알고리즘의 비교 = 228
8.3 다중모드와 다목적함수 최적화 = 233
8.3.1 다중모드 최적화 = 233
8.3.2 다목적 최적화 = 236
8.4 다른 진화 프로그램들 = 238
제3부 진화 프로그램
9. 운송문제(Transportation Porblem) = 246
9.1 선형 운송문제 = 246
9.1.1 고전적 유전자 알고리즘 = 248
9.1.2 문제에 국한된 지식의 활용 = 250
9.1.3 표현 구조로서의 행렬 = 254
9.1.4 결론 = 263
9.2 비선형 운송문제 = 263
9.2.1 표현 = 263
9.2.2 초기화 = 264
9.2.3 평가 = 264
9.2.4 연산자 = 264
9.2.5 매개변수 = 265
9.2.6 실험과 결과 = 266
9.2.7 결론 = 270
10. 순회판매원문제(Traveling Salesman Problem) = 272
11. 그래프 드로잉, 스케줄링, 분할, 경로 계획(Graph Drawing, Scheduling, Partitioning, and Planning) = 311
11.1 방향성 그래프 드로잉 = 314
11.1.1 GRAPH-1 = 314
11.1.2 GRAPH-2 = 317
11.1.3 실험 및 결과 = 319
11.2 스케줄링 = 324
11.3 시간표문제 = 332
11.4 물체와 그래프분할 = 334
11.5 이동 로봇의 경로 계획 = 339
12. 기계 학습(Machine Learning) = 351
12.1 Michigan 접근 방법 = 355
12.2. Pitt 접근 방법 = 360
12.3 진화 프로그램 : GIL 시스템 = 362
12.3.1 자료 구조 = 362
12.3.2 유전 연산자 = 363
12.4 비교 = 369
12.5 REGAL = 370
13. 결론(Conclusion) = 372
부록 = 401
진화연산 용어 한글안 = 413
찾아보기 = 421