Calcolo evolutivo - Sfruttare algoritmi intelligenti per sistemi robotici avanzati
Fouad Sabry
Translator Cosimo Pinto
Publisher: Un Miliardo Di Ben Informato [Italian]
Summary
1. Calcolo evolutivo: introduzione ai modelli di calcolo ispirati all'evoluzione. 2. Programmazione genetica: esamina i sistemi adattivi per programmi in evoluzione. 3. Algoritmo genetico: analizza la potenza delle tecniche di ottimizzazione genetica. 4. Algoritmo evolutivo: discute gli algoritmi guidati dall'evoluzione biologica. 5. Calcolo bioispirato: esamina i modelli computazionali ispirati alla natura. 6. Programmazione evolutiva: esplora la simulazione dell'evoluzione nella risoluzione dei problemi. 7. Crossover (algoritmo genetico): descrive in dettaglio i processi di ricombinazione genica. 8. Mutazione (algoritmo genetico): esamina il ruolo della mutazione nella diversità. 9. Cromosoma (algoritmo genetico): descrive le strutture dei dati genetici. 10. Metaeuristica: esplora i framework per trovare soluzioni quasi ottimali. 11. Strategia evolutiva: esamina i meccanismi adattativi per l'ottimizzazione. 12. Fitness efficace: definisce la valutazione del fitness nei contesti evolutivi. 13. Convergenza prematura: mette in guardia dalle insidie dell'ottimizzazione precoce. 14. Rappresentazione genetica: esamina la codifica dei dati negli algoritmi genetici. 15. Algoritmo memetico: copre algoritmi ibridi che combinano ricerche genetiche e locali. 16. Calcolo basato sull'uomo: esamina l'influenza umana nel calcolo. 17. Calcolo laterale: esamina le interazioni laterali nei sistemi computazionali. 18. Calcolo naturale: esplora il calcolo basato sui processi naturali. 19. Vita artificiale: introduce sistemi realistici e le loro applicazioni. 20. Soft Computing: esamina metodi di calcolo flessibili e approssimativi. 21. Neuroevoluzione delle topologie di aumento: approfondisce le reti neurali in evoluzione.
