Vor Ort
Merkzettel Warenkorb

Gutscheinbedingungen

**Gültig bis 02.09.2026 auf fremdsprachige Bücher in der Thalia App. Einzelne Artikel können ausgeschlossen sein. Ausgenommen sind preisgebundene Artikel & eBooks. Pro Einkauf einmal einlösbar. Click & Collect nur bei Onlinevorabzahlung möglich. Keine Barauszahlung. Nicht kombinierbar mit anderen Aktionen und Gutscheinen. Gutschein wird auf max. 500€ Bestellwert angerechnet. Nicht gültig für Geschenkkarten, Versandkosten und Services.
  • Produktbild: Nature Inspired Cooperative Strategies for Optimization (NICSO 2010)
  • Produktbild: Nature Inspired Cooperative Strategies for Optimization (NICSO 2010)
Band 284 - 12%

Nature Inspired Cooperative Strategies for Optimization (NICSO 2010)

Aus der Reihe Studies in Computational Intelligence
12% sparen

144,99 € UVP 164,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

28.05.2012

Abbildungen

420 p. 118 illus.

Herausgeber

Carlos Cruz + weitere

Verlag

Springer Berlin

Seitenzahl

420

Maße (L/B/H)

23,5/15,5/2,3 cm

Gewicht

628 g

Auflage

2010

Sprache

Englisch

ISBN

978-3-642-26307-1

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

28.05.2012

Abbildungen

420 p. 118 illus.

Herausgeber

Verlag

Springer Berlin

Seitenzahl

420

Maße (L/B/H)

23,5/15,5/2,3 cm

Gewicht

628 g

Auflage

2010

Sprache

Englisch

ISBN

978-3-642-26307-1

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: ProductSafety@springernature.com

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: Nature Inspired Cooperative Strategies for Optimization (NICSO 2010)
  • Produktbild: Nature Inspired Cooperative Strategies for Optimization (NICSO 2010)
  • A Metabolic Subsumption Architecture for Cooperative Control of the e-Puck.- Social Target Localization in a Population of Foragers.- Using Knowledge Discovery in Cooperative Strategies: Two Case Studies.- Hybrid Cooperation Models for the Tool Switching Problem.- Fault Diagnosis in Industrial Systems Using Bioinspired Cooperative Strategies.- A New Metaheuristic Bat-Inspired Algorithm.- Evaluation of a Catalytic Search Algorithm.- Discovering Beneficial Cooperative Structures for the Automated Construction of Heuristics.- Eagle Strategy Using Lévy Walk and Firefly Algorithms for Stochastic Optimization.- CO2RBFN for Short and Medium Term Forecasting of the Extra-Virgin Olive Oil Price.- 3D Cell Pattern Generation in Artificial Development.- Partial Imitation Rule in Iterated Prisoner Dilemma Game on a Square Lattice.- A Dynamical Game Model for Sustainable Development.- Studying the Influence of the Objective Balancing Parameter in the Performance of a Multi-Objective Ant Colony Optimization Algorithm.- HC12: Highly Scalable Optimisation Algorithm.- Adaptive Evolutionary Testing: An Adaptive Approach to Search-Based Test Case Generation for Object-Oriented Software.- Evolutionary Algorithms for Planar MEMS Design Optimisation: A Comparative Study.- A Distributed Service Oriented Framework for Metaheuristics Using a Public Standard.- Cellular Genetic Algorithm on Graphic Processing Units.- Evolutionary Approaches to Joint Nash – Pareto Equilibria.- Accelerated Genetic Algorithms with Markov Chains.- Adapting Heuristic Mastermind Strategies to Evolutionary Algorithms.- Structural Versus Evaluation Based Solutions Similarity in Genetic Programming Based System Identification.- Artificial Bee Colony Optimization: A New Selection Scheme and Its Performance.- AHeuristic-Based Bee Colony Algorithm for the Multiprocessor Scheduling Problem.- A Bumble Bees Mating Optimization Algorithm for Global Unconstrained Optimization Problems.- A Neural-Endocrine Architecture for Foraging in Swarm Robotic Systems.- Using Entropy for Evaluating Swarm Intelligence Algorithms.- Empirical Study of Performance of Particle Swarm Optimization Algorithms Using Grid Computing.- Using PSO and RST to Predict the Resistant Capacity of Connections in Composite Structures.- Improvement Strategies for Multi-swarm PSO in Dynamic Environments.- Particle Swarm Optimization Based Tuning of Genetic Programming Evolved Classifier Expressions.