Computación inspirada en la naturaleza e inteligencia de enjambre: Algoritmos, teoría y aplicaciones

Título original:

Nature-Inspired Computation and Swarm Intelligence: Algorithms, Theory and Applications

Contenido del libro:

La computación inspirada en la naturaleza y la inteligencia de enjambre se han convertido en herramientas populares y eficaces para resolver problemas de optimización, inteligencia computacional, soft computing y ciencia de datos. Recientemente, la literatura en este campo se ha ampliado rápidamente, con la aparición de nuevos algoritmos y aplicaciones.

Nature-Inspired Computation and Swarm Intelligence: Algorithms, Theory and Applications es una referencia oportuna que ofrece una revisión exhaustiva de los avances más relevantes en algoritmos, teoría y aplicaciones de los algoritmos inspirados en la naturaleza y la inteligencia de enjambre. Revisa y documenta los nuevos avances, centrándose en los algoritmos inspirados en la naturaleza y su análisis teórico, además de ofrecer una guía para su aplicación. El libro incluye estudios de casos de diversas aplicaciones en el mundo real, equilibrando la explicación de la teoría con la aplicación práctica.

Computación inspirada en la naturaleza e inteligencia de enjambre: Algorithms, Theory and Applications es adecuado para investigadores y estudiantes de posgrado en informática, ingeniería, ciencia de datos y ciencias de la gestión, que deseen una revisión exhaustiva de los algoritmos, la teoría y la implementación dentro de los campos de la computación inspirada en la naturaleza y la inteligencia de enjambre.

⬤ Presenta algoritmos inspirados en la naturaleza y sus fundamentos, incluyendo: optimización por enjambre de partículas, algoritmo del murciélago, búsqueda del cuco, algoritmo de la luciérnaga, algoritmo de polinización de flores, evolución diferencial y algoritmos genéticos, así como algoritmos de optimización multiobjetivo y otros.

⬤ Proporciona una base teórica y análisis de algoritmos, incluyendo: teoría estadística y teoría de cadenas de Markov sobre la convergencia y estabilidad de los algoritmos, teoría de sistemas dinámicos, evaluación comparativa de la optimización, teoremas no-free-lunch y un marco matemático generalizado.

⬤ Incluye diversos estudios de casos de aplicaciones del mundo real: selección de características, agrupación y clasificación, ajuste de máquinas de Boltzmann restringidas, problema del viajante de comercio, clasificación de glóbulos blancos, generación de música mediante inteligencia artificial, robots enjambre, redes neuronales, diseños de ingeniería y otros.