Archiving Strategies for Evolutionary Multi-objective Optimization Algorithms (Studies in Computational Intelligence, 938)

این کتاب مروری بر استراتژی‌های آرشیو ایجاد شده در سال‌های گذشته توسط نویسندگان ارائه می‌کند که با تقریب‌های مناسب مجموعه‌های راه‌حل‌های بهینه و تقریباً بهینه مسائل بهینه‌سازی چندهدفه با استفاده از الگوریتم‌های جستجوی تصادفی سروکار دارند. همه بایگانی‌های ارائه‌شده با توجه به کیفیت تقریبی آرشیوهای محدودی که تولید می‌کنند و مرزهای بالایی اندازه‌های بایگانی تحلیل می‌شوند. تجزیه و تحلیل همگرایی با استفاده از یک چارچوب بسیار گسترده انجام می شود که شامل همه الگوریتم های جستجوی تصادفی موجود می شود و تنها از حداقل فرضیات در مورد فرآیند برای ایجاد راه حل های نامزد جدید استفاده می کند. همه بایگانی‌های ارائه‌شده می‌توانند بدون زحمت با هر الگوریتم جستجوی چند هدفه مبتنی بر مجموعه مانند الگوریتم‌های تکاملی چند هدفه همراه شوند و روش ترکیبی حاصل، ویژگی‌های هم‌گرایی بایگانی‌کننده انتخابی را در اختیار می‌گیرد. از این رو این کتاب تمام طراحان الگوریتم و متخصصان در زمینه بهینه‌سازی چند هدفه را هدف قرار می‌دهد.

This book presents an overview of archiving strategies developed over the last years by the authors that deal with suitable approximations of the sets of optimal and nearly optimal solutions of multi-objective optimization problems by means of stochastic search algorithms. All presented archivers are analyzed with respect to the approximation qualities of the limit archives that they generate and the upper bounds of the archive sizes. The convergence analysis will be done using a very broad framework that involves all existing stochastic search algorithms and that will only use minimal assumptions on the process to generate new candidate solutions. All of the presented archivers can effortlessly be coupled with any set-based multi-objective search algorithm such as multi-objective evolutionary algorithms, and the resulting hybrid method takes over the convergence properties of the chosen archiver. This book hence targets at all algorithm designers and practitioners in the field of multi-objective optimization.