Adaptive Differential Evolution: A Robust Approach to Multimodal Problem Optimization

مشکلات بهینه‌سازی در تحقیقات آکادمیک و کاربردهای دنیای واقعی هر جا که منابعی مانند فضا، زمان و هزینه محدود باشد، همه جا وجود دارد. محققان و متخصصان باید مسائل اساسی در کار روزانه خود را حل کنند، که با این حال، ممکن است ویژگی های چالش برانگیزی مانند ناپیوستگی، غیرخطی، غیر محدب و چندوجهی را نشان دهد. انتظار می رود که حل یک مسئله بهینه سازی پیچیده به خودی خود برای دستیابی به راه حل های رضایت بخش آسان، قابل اعتماد و کارآمد باشد.

تکامل دیفرانسیل شاخه جدیدی از الگوریتم های تکاملی است که قادر به پرداختن به مجموعه گسترده ای از مسائل بهینه سازی پیچیده به روشی نسبتاً یکنواخت و از نظر مفهومی ساده. برای عملکرد بهتر، پارامترهای کنترلی تکامل دیفرانسیل باید به طور مناسب تنظیم شوند زیرا تأثیرات متفاوتی بر رفتارهای جستجوی تکاملی برای مسائل مختلف یا در مراحل مختلف بهینه‌سازی یک مسئله دارند. موضوع اصلی کتاب، مطالعه نظری تکامل دیفرانسیل و تحلیل الگوریتمی طرح‌های تطبیقی ​​پارامتر است. موضوعات تحت پوشش این کتاب عبارتند از:

• تحلیل نظری تکامل دیفرانسیل و پارامترهای کنترلی آن
• طراحی الگوریتمی و تحلیل مقایسه ای طرح های تطبیقی ​​پارامتر
<. LI>تحلیل مقیاس پذیری تکامل دیفرانسیل تطبیقی
• تکامل دیفرانسیل تطبیقی ​​برای بهینه سازی چند هدفه
• تلفیق مدل جایگزین برای بهینه سازی گران محاسباتی
• کاربرد برای تعیین برنده در مزایده های ترکیبی تجارت الکترونیک
• کاربرد برنامه ریزی مسیر پرواز در مدیریت ترافیک هوایی
• کاربرد بهینه سازی ماتریس احتمال انتقال در تصمیم گیری اعتباری

Optimization problems are ubiquitous in academic research and real-world applications wherever such resources as space, time and cost are limited. Researchers and practitioners need to solve problems fundamental to their daily work which, however, may show a variety of challenging characteristics such as discontinuity, nonlinearity, nonconvexity, and multimodality. It is expected that solving a complex optimization problem itself should easy to use, reliable and efficient to achieve satisfactory solutions.

Differential evolution is a recent branch of evolutionary algorithms that is capable of addressing a wide set of complex optimization problems in a relatively uniform and conceptually simple manner. For better performance, the control parameters of differential evolution need to be set appropriately as they have different effects on evolutionary search behaviours for various problems or at different optimization stages of a single problem. The fundamental theme of the book is theoretical study of differential evolution and algorithmic analysis of parameter adaptive schemes. Topics covered in this book include:

• Theoretical analysis of differential evolution and its control parameters
• Algorithmic design and comparative analysis of parameter adaptive schemes
• Scalability analysis of adaptive differential evolution
• Adaptive differential evolution for multi-objective optimization
• Incorporation of surrogate model for computationally expensive optimization
• Application to winner determination in combinatorial auctions of E-Commerce
• Application to flight route planning in Air Traffic Management
• Application to transition probability matrix optimization in credit-decision making