1. Computação Evolutiva: Introdução aos modelos de computação inspirados na evolução.
2. Programação Genética: Examina sistemas adaptativos para programas em evolução.
3. Algoritmo Genético: Analisa o poder das técnicas de otimização genética.
4. Algoritmo Evolutivo: Discute algoritmos impulsionados pela evolução biológica.
5. Computação Bioinspirada: Analisa modelos computacionais inspirados na natureza.
6. Programação Evolutiva: Explora a simulação da evolução na resolução de problemas.
7. Crossover (Algoritmo Genético): Detalha os processos de recombinação genética.
8. Mutação (algoritmo genético): analisa o papel da mutação na diversidade.
9. Cromossomo (algoritmo genético): descreve estruturas de dados genéticos.
10. Metaheurística: explora estruturas para encontrar soluções quase ótimas.
11. Estratégia de evolução: investiga mecanismos adaptativos para otimização.
12. Aptidão efetiva: define a avaliação de aptidão em contextos evolutivos.
13. Convergência prematura: alerta sobre armadilhas de otimização precoce.
14. Representação genética: examina a codificação de dados em algoritmos genéticos.
15. Algoritmo memético: abrange algoritmos híbridos que combinam pesquisas genéticas e locais.
16. Computação baseada em humanos: analisa a influência humana na computação.
17. Computação lateral: examina interações laterais em sistemas computacionais.
18. Computação natural: explora a computação baseada em processos naturais.
19. Vida Artificial: Apresenta sistemas realistas e suas aplicações.
20. Computação Suave: Investiga métodos de computação flexíveis e aproximados.
21. Neuroevolução de Topologias Aumentadas: Investiga redes neurais em evolução.
1. Computação Evolutiva: Introdução aos modelos de computação inspirados na evolução.
2. Programação Genética: Examina sistemas adaptativos para programas em evolução.
3. Algoritmo Genético: Analisa o poder das técnicas de otimização genética.
4. Algoritmo Evolutivo: Discute algoritmos impulsionados pela evolução biológica.
5. Computação Bioinspirada: Analisa modelos computacionais inspirados na natureza.
6. Programação Evolutiva: Explora a simulação da evolução na resolução de problemas.
7. Crossover (Algoritmo Genético): Detalha os processos de recombinação genética.
8. Mutação (algoritmo genético): analisa o papel da mutação na diversidade.
9. Cromossomo (algoritmo genético): descreve estruturas de dados genéticos.
10. Metaheurística: explora estruturas para encontrar soluções quase ótimas.
11. Estratégia de evolução: investiga mecanismos adaptativos para otimização.
12. Aptidão efetiva: define a avaliação de aptidão em contextos evolutivos.
13. Convergência prematura: alerta sobre armadilhas de otimização precoce.
14. Representação genética: examina a codificação de dados em algoritmos genéticos.
15. Algoritmo memético: abrange algoritmos híbridos que combinam pesquisas genéticas e locais.
16. Computação baseada em humanos: analisa a influência humana na computação.
17. Computação lateral: examina interações laterais em sistemas computacionais.
18. Computação natural: explora a computação baseada em processos naturais.
19. Vida Artificial: Apresenta sistemas realistas e suas aplicações.
20. Computação Suave: Investiga métodos de computação flexíveis e aproximados.
21. Neuroevolução de Topologias Aumentadas: Investiga redes neurais em evolução.
Computação Evolutiva: Aproveitando Algoritmos Inteligentes para Sistemas Robóticos Avançados
229
Computação Evolutiva: Aproveitando Algoritmos Inteligentes para Sistemas Robóticos Avançados
229
Product Details
| BN ID: | 2940180968319 |
|---|---|
| Publisher: | Um Bilhão Bem Informado [Portuguese] |
| Publication date: | 12/14/2024 |
| Series: | Ciência Da Robótica [Portuguese] , #28 |
| Sold by: | PUBLISHDRIVE KFT |
| Format: | eBook |
| Pages: | 229 |
| File size: | 894 KB |
| Language: | Portuguese |