Learning and Intelligent Optimization Second International Conference, LION 2007 II, Trento, Italy, December 8-12, 2007. Selected Papers
Aus der Reihe
Lecture Notes in Computer Science
-
- Taschenbuch ausgewählt
- eBook
-
Sprache:Englisch
-
Verlag:Springer Berlin
- Springer 51,99 €
- Springer Berlin 51,99 € ausgewählt
-
Auflage:2008
- 2008 51,99 € ausgewählt
- 2010 51,99 €
51,99 €
inkl. gesetzl. MwSt.,
Beschreibung
Produktdetails
Einband
Taschenbuch
Erscheinungsdatum
18.12.2008
Herausgeber
Vittorio Maniezzo + weitereVerlag
Springer BerlinSeitenzahl
243
Maße (L/B/H)
23,5/15,5/1,5 cm
Gewicht
394 g
Auflage
2008
Sprache
Englisch
ISBN
978-3-540-92694-8
This volume collects the accepted papers presented at the Learning and Intelligent OptimizatioN conference (LION 2007 II) held December 8–12, 2007, in Trento, Italy. The motivation for the meeting is related to the current explosion in the number and variety of heuristic algorithms for hard optimization problems, which raises - merous interesting and challenging issues. Practitioners are confronted with the b- den of selecting the most appropriate method, in many cases through an expensive algorithm configuration and parameter-tuning process, and subject to a steep learning curve. Scientists seek theoretical insights and demand a sound experimental meth- ology for evaluating algorithms and assessing strengths and weaknesses. A necessary prerequisite for this effort is a clear separation between the algorithm and the expe- menter, who, in too many cases, is "in the loop" as a crucial intelligent learning c- ponent. Both issues are related to designing and engineering ways of "learning" about the performance of different techniques, and ways of using memory about algorithm behavior in the past to improve performance in the future. Intelligent learning schemes for mining the knowledge obtained from different runs or during a single run can - prove the algorithm development and design process and simplify the applications of high-performance optimization methods. Combinations of algorithms can further improve the robustness and performance of the individual components provided that sufficient knowledge of the relationship between problem instance characteristics and algorithm performance is obtained.
Kundinnen und Kunden meinen
Verfassen Sie die erste Bewertung zu diesem Artikel
Helfen Sie anderen Kund*innen durch Ihre Meinung
Kurze Frage zu unserer Seite
Vielen Dank für Ihr Feedback
Wir nutzen Ihr Feedback, um unsere Produktseiten zu verbessern. Bitte haben Sie Verständnis, dass wir Ihnen keine Rückmeldung geben können. Falls Sie Kontakt mit uns aufnehmen möchten, können Sie sich aber gerne an unseren Kund*innenservice wenden.
zum Kundenservice