Calcul évolutif - Exploiter des algorithmes intelligents pour des systèmes robotiques avancés
Fouad Sabry
Translator Nicholas Souplet
Publisher: Un Milliard De Personnes Informées [French]
Summary
1. Calcul évolutif : Introduction aux modèles informatiques inspirés de l'évolution. 2. Programmation génétique : Examine les systèmes adaptatifs pour les programmes évolutifs. 3. Algorithme génétique : Analyse la puissance des techniques d'optimisation génétique. 4. Algorithme évolutif : Discute des algorithmes pilotés par l'évolution biologique. 5. Calcul bioinspiré : Examine les modèles informatiques inspirés de la nature. 6. Programmation évolutive : Explore la simulation de l'évolution dans la résolution de problèmes. 7. Crossover (algorithme génétique) : Détaille les processus de recombinaison génétique. 8. Mutation (algorithme génétique) : examine le rôle de la mutation dans la diversité. 9. Chromosome (algorithme génétique) : décrit les structures de données génétiques. 10. Métaheuristique : explore les cadres de recherche de solutions quasi optimales. 11. Stratégie d'évolution : étudie les mécanismes adaptatifs d'optimisation. 12. Fitness efficace : définit l'évaluation de la fitness dans les contextes évolutifs. 13. Convergence prématurée : met en garde contre les pièges de l'optimisation précoce. 14. Représentation génétique : examine le codage des données dans les algorithmes génétiques. 15. Algorithme mémétique : couvre les algorithmes hybrides combinant les recherches génétiques et locales. 16. Calcul basé sur l'homme : examine l'influence humaine dans le calcul. 17. Calcul latéral : examine les interactions latérales dans les systèmes informatiques. 18. Calcul naturel : explore le calcul fondé sur les processus naturels. 19. Artificial Life : présente des systèmes réalistes et leurs applications. 20. Soft Computing : étudie des méthodes de calcul flexibles et approximatives. 21. Neuroévolution des topologies d'augmentation : explore l'évolution des réseaux neuronaux.
