Text
Evolutianary computation: komputasi berbasis evolusi dan genetika
Daftar isi:
1. Pendahuluan
1.1 “Evolusi” dan “Genetika”
1.2 Posisi Evolutionary Computation
1.3 Sejarah EC
1.4 EC Saat Ini
1.5 EC Masa Depan
2. Memahami Evolutionary Algorithms
2.1 Apa itu Eas?
2.2 Mengapa kita membutuhkan Eas?
2.3 Kapan Eas akan digunakan?
2.4 Dimana Eas digunakan
2.5 Bagaimana menggunakan Eas
3. Genetics Algorithms
3.1 Simple GA
3.2 Studi Kasus : Masalah Optimasi
3.3 Representasi Individu
3.4 Nilai Fitness
3.5 Seleksi OrangTua
3.6 Rekombinasi
3.7 Mutasi
3.8 Seleksi Survivor
3.9 Pembuktian GA secara Matematis
3.10 Aplikasi GA
3.11 Studi kasus
4. Evolution Strategies
4.1 Es Pada Masa awal
4.2 Representasi Individu
4.3 Sleksi OrangTua
4.4 Rekombinasi
4.5 Mutasi
4.6 Seleksi Survivor
4.7 Self adaption
5. Evolutionary Programming
5.1 EP Tradisional
5.2 Representasi Individu
5.3 Sleksi OrangTua
5.4 Rekombinasi
5.5 Mutasi
5.6 Seleksi Survivor
5.7 Aplikasi EP
6. Genetic Programming
6.1 Apa itu GP?
6.2 Proses Evolusi
6.3 Representasi Individu
6.4 Sleksi OrangTua
6.5 Rekombinasi
6.6 Mutasi
6.7 Seleksi Survivor
6.8 Inisialisasi
6.9 Aplikasi GP
7. Differential Evolution
7.1 Apa itu DE ?
7.2 Masalah Optimasi
7.3 De Untuk Optimasi
7.4 Performasi DE
8. Grammatical Evolution
8.1 apa itu GE?
8.2 backus naur from (BNF)
8.3 representasi Individu
8.4 operator Evolusi
8.5 performansi GE
9. Konvergensi Prematur dan Pencegahannya
9.1 Konvergensi Prematur
9.2 Island Model Eas
9.3 Representasi Rumit (Messy Encoding)
9.4 Adaptive Eas
10. Studi Kasus
10.1 strategi menggunakan Eas
10.2 Graph Bisection
10.3 Masalah 8-queens
10.4 TSP dengan Batasan
10.5 Penjadwalan Kuliah
10.6 Pemotongan Bahan
10.7 Peramalan Untuk Data Time Series
No other version available