Machine Learning Assisted Evolutionary Multi- and Many- Objective Optimization
Lingua: inglese
Editore: Springer, 2024
- Rilegato
- Nuovo
Condizione: Nuovo
EUR 213,99
Quantità: 2 disponibili
Aggiungi al carrelloDescrizione dell’articolo da parte del venditore
This book focuses on machine learning (ML) assisted evolutionary multi- and many-objective optimization (EM?O). EM?O algorithms, namely EM?OAs, iteratively evolve a set of solutions towards a good Pareto Front approximation. The availability of multiple solution sets over successive generations makes EM?OAs amenable to application of ML for different pursuits. Recognizing the immense potential for ML-based enhancements in the EM?O domain, this book intends to serve as an exclusive resource for both domain novices and the experienced researchers and practitioners. To achieve this goal, the book first covers the foundations of optimization, including problem and algorithm types. Then, well-structured chapters present some of the key studies on ML-based enhancements in the EM?O domain, systematically addressing important aspects. These include learning to understand the problem structure, converge better, diversify better, simultaneously converge and diversify better, and analyze the Pareto Front. In doing so, this book broadly summarizes the literature, beginning with foundational work on innovization (2003) and objective reduction (2006), and extending to the most recently proposed innovized progress operators (2021-23). It also highlights the utility of ML interventions in the search, post-optimality, and decision-making phases pertaining to the use of EM?OAs. Finally, this book shares insightful perspectives on the future potential for ML based enhancements in the EM?OA domain.To aid readers, the book includes working codes for the developed algorithms. This book will not only strengthen this emergent theme but also encourage ML researchers to develop more efficient and scalable methods that cater to the requirements of the EM?OA domain. It serves as an inspiration for further research and applications at the synergistic intersection of EM?OA and ML domains. Sprache: Englisch Gewicht in Gramm: 507.…
Codice articolo IB-3158465
- Titolo
- Machine Learning Assisted Evolutionary Multi- and Many- Objective Optimization
- Autore
- Kalyanmoy Deb, Dhish Kumar Saxena, Erik D. Goodman, Sukrit Mittal
- Editore
- Springer
- Anno di pubblicazione
- 2024
- Condizione
- Neu
- Rilegatura
- Gebundene Ausgabe
- Lingua
- inglese
- ISBN 10
- 9819920957
- ISBN 13
- 9789819920952
- Peso dell'articolo
- 507 grammi
To aid readers, the book includes working codes for the developed algorithms. This book will not only strengthen this emergent theme but also encourage ML researchers to develop more efficient and scalable methods that cater to the requirements of the EMâOA domain. It serves as an inspiration for further research and applications at the synergistic intersection of EMâOA and ML domains.
"Riassunto" può appartenere a un’altra edizione di questo titolo.
Informazioni sull’autore
Dhish Kumar Saxena received the bachelor’s degree in mechanical engineering (1997), the master’s degree in solid mechanics and design (1999), and the Ph.D. degree in evolutionary many-objective optimization (2008) from the Indian Institute of Technology Kanpur, India. Currently, he is a Professor at the Department of Mechanical and Industrial Engineering, and a joint faculty at the Mehta Family of Data Science and Artificial Intelligence, Indian Institute of Technology (IIT) Roorkee, India. Prior to joining IIT Roorkee, he worked with the Cranfield University and Bath University, U.K., from 2008 to 2012. At a fundamental level, his research has focused on Multi- and Many-objective optimization, including, development of Evolutionary Algorithms and their performance enhancement using Machine Learning; Termination criterion for these algorithms; and Decision Support based on objectives and constraints’ relative preferences. At an applied level, his focus has been on demonstrating the utility of Evolutionary and Mathematical Optimization on a range of real-world problems, including scheduling, engineering design, business-process, and multi-criterion decision making. He is also an Associate Editor for Elsevier’s Swarm and Evolutionary Computation journal.
Sukrit Mittal is a Senior Research Scientist in the AI & Optimization Research team at Franklin Templeton Investments. He obtained his B.Tech. (2012-16) and Ph.D. (2018-22) degrees from IIT Roorkee, India. He also worked with Mahindra Research Valley as a design engineer (2016-18). His research has primarily focused on evolutionary multi- and many-objective optimization, machine learning assisted optimization, and innovization.
Kalyanmoy Deb is University Distinguished Professor and Koenig Endowed Chair Professor at Department of Electrical and Computer Engineering in Michigan State University, USA. His research interests are in evolutionary optimization and their application inmulti-criterion optimization, modeling, and machine learning. He was awarded IEEE Evolutionary Computation Pioneer Award for his sustained work in EMO, Infosys Prize, TWAS Prize in Engineering Sciences, CajAstur Mamdani Prize, Edgeworth-Pareto award, Bhatnagar Prize in Engineering Sciences, and Bessel Research award from Germany. He is fellow of IEEE and ASME.
Erik D. Goodman was PI and Director of BEACON Center for the Study of Evolution in Action, an NSF Center headquartered at Michigan State University, 2010-2018. He was Professor of Electrical & Computer Engineering, also Mechanical Engineering and Computer Science & Engineering, until retiring in 2022. He co-founded Red Cedar Technology (1999, now part of Siemens), and developed the HEEDS SHERPA commercial design optimization software. Honors include Michigan Distinguished Professor of the Year, 2009; MSU Distinguished Faculty Award, 2011; Senior Fellow, International Society for Genetic and Evolutionary Computation, 2004; Founding Chair, ACM SIG on Genetic and Evolutionary Computation (SIGEVO), 2005-2007.
"Descrizione articolo" può appartenere a un’altra edizione di questo titolo.
Home-set
Mannheim, Germania
Venditore AbeBooks dal 13 aprile 2026
Tariffe di spedizione da Germania a U.S.A.
| Articolo | Da 10 a 12 giorni lavorativi | Da 8 a 10 giorni lavorativi |
|---|---|---|
| Primo articolo | EUR 49,90 | EUR 75,00 |
Metodi di pagamento
- Assegno
Specializzazione
BuchInformazioni sull’azienda del venditore
Home-set
Germania
Diritto di recesso
Se sei un consumatore puoi recedere dal contratto in conformità con quanto segue. Per Consumatore si intende qualsiasi persona fisica che agisce per scopi estranei alla propria attività commerciale, imprenditoriale, artigianale o professionale.
Informazioni sul diritto di recesso
Diritto legale di recesso
Hai il diritto di recedere dal presente contratto entro 14 giorni senza fornire alcuna motivazione.
Il periodo di recesso scade dopo 14 giorni dal giorno in cui tu o una terza parte, diversa dal vettore e da te indicata, acquisisce il possesso fisico dell'ultimo bene o dell'ultimo lotto o pezzo.
Per esercitare il diritto di recesso, compila e invia elettronicamente una dichiarazione esplicita sul nostro sito Web, alla voce “I miei acquisti” nella sezione “Mio account”. Ti comunicheremo senza indugio una conferma di ricezione di tale recesso su un supporto durevole (ad es. via e-mail).
Per rispettare il termine di recesso, è sufficiente inviare la comunicazione relativa all'esercizio del diritto di recesso prima della scadenza del periodo di recesso stesso.
Effetti del recesso
In caso di recesso dal presente contratto, ti rimborseremo tutti i pagamenti ricevuti, compresi i costi di spedizione (ad eccezione dei costi supplementari derivanti dalla tua eventuale scelta di un tipo di spedizione diverso dal tipo meno costoso di consegna standard da noi offerto).
Potremo effettuare una detrazione dal rimborso per la perdita di valore dei beni forniti, qualora tale perdita sia il risultato di una manipolazione non necessaria da parte tua.
Eseguiremo il rimborso senza indebito ritardo e non oltre 14 giorni dal giorno in cui saremo informati della tua decisione di recedere dal presente contratto.
Il rimborso sarà effettuato utilizzando lo stesso mezzo di pagamento da te usato per la transazione iniziale, salvo che tu non abbia espressamente concordato altrimenti; in ogni caso, non dovrai sostenere alcun costo quale conseguenza di tale rimborso.
Possiamo trattenere il rimborso finché non avremo ricevuto i beni oppure finché non avrai fornito la prova di averli rispediti, a seconda di quale condizione si verifichi per prima.
Dovrai rispedire i beni o consegnarli a Home-set, Mannheim, Germany, senza indebito ritardo e, in ogni caso, entro 14 giorni dal giorno in cui ci hai comunicato la tua volontà di recedere dal presente contratto. Il termine è rispettato se rispedisci i beni prima della scadenza del periodo di 14 giorni. I costi diretti della restituzione dei beni saranno a tuo carico. Sei responsabile solo della diminuzione del valore dei beni risultante da una manipolazione diversa da quella necessaria per stabilire la natura, le caratteristiche e il funzionamento dei beni stessi.
Eccezioni al diritto di recesso
Il diritto di recesso non si applica a:
- La fornitura di giornali, periodici o riviste ad eccezione dei contratti di abbonamento; e
- La fornitura di contenuto digitale non fornito su un supporto materiale (ad es. su un CD o DVD), se al momento dell'invio dell'ordine hai accettato l'inizio dell'esecuzione e hai riconosciuto che non avresti potuto recedere una volta iniziata l'esecuzione.