机读格式显示(MARC)

• 000 02057nam0 2200361 450

• 001 0000494145

• 005 20241226144700.0

• 010 __ |a 978-7-118-13033-1 |b 精装 |d CNY188.00

• 100 __ |a 20241220d2024 em y0chiy50 ea

• 101 1_ |a chi |c inc

• 102 __ |a CN |b 110000

• 105 __ |a a a 000yy

• 106 __ |a r

• 200 1_ |a 无线传感器网络的自然启发计算 |A wu xian chuan gan qi wang luo de zi ran qi fa ji suan |f (印) 德巴西斯·德 ... [等] 主编 |d = Nature inspired computing for wireless sensor networks |f Debashis De |g 史彦斌, 劳永军, 张佳音译 |z eng

• 210 __ |a 北京 |c 国防工业出版社 |d 2024.01

• 215 __ |a XV, 309页 |c 图 |d 25cm

• 300 __ |a 装备科技译著出版基金

• 304 __ |a 题名页题其余责任者: 阿马蒂亚·穆克吉, 桑托什·库马尔·达斯, 尼兰詹·戴伊

• 306 __ |a 由Springer授权出版

• 320 __ |a 有书目

• 330 __ |a 本书共14章内容分为四个部分, 分别介绍了自然启发的无线传感器网络优化计算方法以及基于自然启发算法的无线传感器网络路由、网络参数优化解决方案等 ; 第一部分为概述, 包括第1章, 总体上介绍了无线传感器网络及其各种应用、算法和相关的挑战 ; 第二部分为仿生优化, 包括第2章-第6章, 介绍了仿生优化算法, 如遗传算法 (GA)、人工神经网络 (ANN) 和人工免疫系统 (AIS) 在故障分析和诊断以及交通管理中的应用 ; 第三部分为群优化, 包括第7章-第9章, 重点介绍了用于解决路由、网络参数优化和能量估计问题的群优化技术, 如非洲水牛优化 (ABO)、粒子群优化 (PSO) 和改进的群智能算法 ; 第四部分为多目标优化, 包括第10章-第14章, 探讨了基于遗传算法、粒子群优化算法、人工神经网络、基于教学的优化算法 (TLBO) 以及组合算法的多目标优化技术。

• 510 1_ |a Nature inspired computing for wireless sensor networks |z eng

• 606 0_ |a 无线电通信 |A wu xian dian tong xin |x 传感器 |x 研究

• 690 __ |a TP212 |v 5

• 701 _1 |a 德 |A de |g (De, Debashis) |4 主编

• 701 _1 |a 穆克吉 |A mu ke ji |g (Mukherjee, Amartya) |4 主编

• 701 _1 |a 达斯 |A da si |g (Kumar Das, Santosh) |4 主编

• 701 _1 |a 戴伊 |A dai yi |g (Dey, Nilanjan) |4 主编

• 702 _0 |a 史彦斌 |A shi yan bin |4 译

• 702 _0 |a 劳永军 |A lao yong jun |4 译

• 702 _0 |a 张佳音 |A zhang jia yin |4 译

• 801 _0 |a CN |b 辽批 |c 20241220

• 905 __ |a AUSTL |d TP212/D100