Initiation à l'optimisation : métaheuristiques. Problèmes à variables continues
Par : ,Formats :
Définitivement indisponible
Cet article ne peut plus être commandé sur notre site (ouvrage épuisé ou plus commercialisé). Il se peut néanmoins que l'éditeur imprime une nouvelle édition de cet ouvrage à l'avenir. Nous vous invitons donc à revenir périodiquement sur notre site.
Disponible dans votre compte client Decitre ou Furet du Nord dès validation de votre commande. Le format PDF protégé est :
- Compatible avec une lecture sur My Vivlio (smartphone, tablette, ordinateur)
- Compatible avec une lecture sur liseuses Vivlio
- Pour les liseuses autres que Vivlio, vous devez utiliser le logiciel Adobe Digital Edition. Non compatible avec la lecture sur les liseuses Kindle, Remarkable et Sony
- Non compatible avec un achat hors France métropolitaine
, qui est-ce ?Notre partenaire de plateforme de lecture numérique où vous retrouverez l'ensemble de vos ebooks gratuitement
Pour en savoir plus sur nos ebooks, consultez notre aide en ligne ici
C'est si simple ! Lisez votre ebook avec l'app Vivlio sur votre tablette, mobile ou ordinateur :
- Nombre de pages264
- FormatPDF
- ISBN978-2-340-09163-4
- EAN9782340091634
- Date de parution17/03/2020
- Protection num.Adobe DRM
- Taille9 Mo
- Infos supplémentairespdf
- ÉditeurEllipses
Résumé
Les métaheuristiques sont parmi les méthodes d'optimisation les plus faciles à mettre en ouvre pour trouver la solution à des problèmes difficiles voire impossibles à résoudre directement, en s'inspirant de phénomènes issus de la nature et des sciences. Douze méthodes avec variantes sont présentées et les codes en Matlab/GNU octave sont donnés : GA (génétique), DE (évolution différentielle), BBO (biogéographie), RS (recuit simulé), GSO (Gravitationnel), CRO (réaction chimique), PSO (essaim de particules), LUC (lucioles), ABC (colonies d'abeilles artificielles), GWO (loup gris), ACO (colonies de fourmis), BSO (brainstorming).
Elles sont caractérisées, comparées et les outils fournis permettent de les combiner, les modifier ad libitum afin de les adapter à des problèmes réels. Des applications à la thermique, l'électronique, l'agriculture, la mécanique permettent d'étendre leur domaine d'application à la résolution de problème inverse, à l'ajustement de modèle à des résultats expérimentaux et à la propagation d'incertitudes.
Elles sont caractérisées, comparées et les outils fournis permettent de les combiner, les modifier ad libitum afin de les adapter à des problèmes réels. Des applications à la thermique, l'électronique, l'agriculture, la mécanique permettent d'étendre leur domaine d'application à la résolution de problème inverse, à l'ajustement de modèle à des résultats expérimentaux et à la propagation d'incertitudes.
Les métaheuristiques sont parmi les méthodes d'optimisation les plus faciles à mettre en ouvre pour trouver la solution à des problèmes difficiles voire impossibles à résoudre directement, en s'inspirant de phénomènes issus de la nature et des sciences. Douze méthodes avec variantes sont présentées et les codes en Matlab/GNU octave sont donnés : GA (génétique), DE (évolution différentielle), BBO (biogéographie), RS (recuit simulé), GSO (Gravitationnel), CRO (réaction chimique), PSO (essaim de particules), LUC (lucioles), ABC (colonies d'abeilles artificielles), GWO (loup gris), ACO (colonies de fourmis), BSO (brainstorming).
Elles sont caractérisées, comparées et les outils fournis permettent de les combiner, les modifier ad libitum afin de les adapter à des problèmes réels. Des applications à la thermique, l'électronique, l'agriculture, la mécanique permettent d'étendre leur domaine d'application à la résolution de problème inverse, à l'ajustement de modèle à des résultats expérimentaux et à la propagation d'incertitudes.
Elles sont caractérisées, comparées et les outils fournis permettent de les combiner, les modifier ad libitum afin de les adapter à des problèmes réels. Des applications à la thermique, l'électronique, l'agriculture, la mécanique permettent d'étendre leur domaine d'application à la résolution de problème inverse, à l'ajustement de modèle à des résultats expérimentaux et à la propagation d'incertitudes.
