Analyzing Evolutionary Algorithms: The Computer Science Perspective

الگوریتم‌های تکاملی دسته‌ای از اکتشافی‌های تصادفی‌شده هستند که از تکامل طبیعی الهام گرفته‌اند. آنها در بسیاری از زمینه های مختلف، به ویژه در بهینه سازی استفاده می شوند، و تجزیه و تحلیل چنین الگوریتم هایی در سال های اخیر پیشرفت های فوق العاده ای داشته است.

در این کتاب نویسنده مقدمه‌ای بر روش‌های مورد استفاده برای تجزیه و تحلیل الگوریتم‌های تکاملی و سایر اکتشافی‌های جستجوی تصادفی ارائه می‌دهد. او با یک چشم انداز الگوریتمی و مدولار شروع می کند و دستورالعمل هایی را برای طراحی الگوریتم های تکاملی ارائه می دهد. او سپس این رویکرد را در زمینه تحقیقاتی گسترده تر با فصلی در مورد دیدگاه های نظری قرار می دهد. او با اتخاذ یک دیدگاه نظری پیچیدگی، محدودیت‌های کلی را برای بهینه‌سازی جعبه سیاه به دست می‌آورد، مرزهای پایین‌تری را برای عملکرد الگوریتم‌های تکاملی به دست می‌آورد، و سپس روش‌های کلی را برای استخراج کران‌های بالا و پایین گام به گام توسعه می‌دهد. این بخش اصلی با فصلی دنبال می شود که کاربردهای عملی این روش ها را پوشش می دهد.

مبانی نمادسازی و ریاضی در یک ضمیمه پوشش داده شده است، نتایج ارائه شده به تفصیل مشتق شده است، و هر فصل با نظرات دقیق و نکاتی برای خواندن بیشتر به پایان می رسد. بنابراین این کتاب مرجع مفیدی برای دانشجویان فارغ التحصیل و محققانی است که درگیر تحلیل نظری این الگوریتم‌ها هستند.

Evolutionary algorithms is a class of randomized heuristics inspired by natural evolution. They are applied in many different contexts, in particular in optimization, and analysis of such algorithms has seen tremendous advances in recent years.

In this book the author provides an introduction to the methods used to analyze evolutionary algorithms and other randomized search heuristics. He starts with an algorithmic and modular perspective and gives guidelines for the design of evolutionary algorithms. He then places the approach in the broader research context with a chapter on theoretical perspectives. By adopting a complexity-theoretical perspective, he derives general limitations for black-box optimization, yielding lower bounds on the performance of evolutionary algorithms, and then develops general methods for deriving upper and lower bounds step by step. This main part is followed by a chapter covering practical applications of these methods.

The notational and mathematical basics are covered in an appendix, the results presented are derived in detail, and each chapter ends with detailed comments and pointers to further reading. So the book is a useful reference for both graduate students and researchers engaged with the theoretical analysis of such algorithms.