Autonomous Search

ویرایش: 1 
نویسندگان: Youssef Hamadi,  Eric Monfroy,  Frédéric Saubion (auth.),  Youssef Hamadi,  Eric Monfroy,  Frédéric Saubion (eds.)  
سری:  
ISBN (شابک) : 3642214339, 9783642214332 
ناشر: Springer-Verlag Berlin Heidelberg 
سال نشر: 2012 
تعداد صفحات: 322 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 4 مگابایت 

قیمت کتاب (تومان) : 51,000



دهه‌ها نوآوری در حل مسئله ترکیبی الگوریتم‌های بهتر و پیچیده‌تری را تولید کرده است. این روش‌های جدید بهتر هستند زیرا می‌توانند مشکلات بزرگ‌تری را حل کنند و دامنه‌های کاربردی جدید را حل کنند. آنها همچنین پیچیده‌تر هستند، به این معنی که بازتولید آنها دشوار است و اغلب سخت‌تر تنظیم کردن آنها با ویژگی‌های یک مسئله معین. این نکته آخر پارادوکسی را ایجاد کرده است که در آن ابزارهای کارآمد از دسترس پزشکان دور هستند.

جستجوی خودکار (AS) نشان دهنده یک زمینه تحقیقاتی جدید است که برای رسیدگی دقیق به چالش فوق تعریف شده است. نقطه قوت و اصالت اصلی آن در این واقعیت است که حل‌کننده‌های مشکل اکنون می‌توانند عملیات خود-بهبودی را بر اساس تجزیه و تحلیل عملکرد فرآیند حل انجام دهند - از جمله پیکربندی مجدد واکنشی کوتاه‌مدت و بهبود بلندمدت از طریق خود تحلیلی عملکرد، تنظیم آفلاین و کنترل آنلاین و کنترل تطبیقی ​​و کنترل نظارت شده. جستجوی مستقل \"از شکاف عبور می‌کند\" و سیستم‌هایی را در اختیار مهندسان و متخصصان قرار می‌دهد که می‌توانند به طور مستقل عملکرد خود را تنظیم کنند و در عین حال به طور موثر مشکلات را حل کنند.

این اولین کتابی است که به این موضوع اختصاص داده شده است و می تواند به عنوان مرجعی برای محققان، مهندسان و فارغ التحصیلان در زمینه های برنامه نویسی محدودیت، یادگیری ماشین، محاسبات تکاملی و نظریه کنترل بازخورد استفاده شود. پس از مقدمه ویراستاران با جستجوی مستقل، فصل‌ها بر روی پارامترهای الگوریتم تنظیم، حل‌کننده‌های محدودیت کامل (مبتنی بر درخت)، کنترل مستقل در فراابتکاری و اکتشاف، و پارادایم‌های حل مستقل آینده متمرکز شده‌اند.

< /p>

جستجوی خودکار (AS) یک زمینه تحقیقاتی جدید را نشان می‌دهد که دقیقاً به چالش فوق پرداخته شده است. نقطه قوت و اصالت اصلی آن در این واقعیت است که حل‌کننده‌های مشکل اکنون می‌توانند عملیات خود-بهبودی را بر اساس تجزیه و تحلیل عملکرد فرآیند حل انجام دهند - از جمله پیکربندی مجدد واکنشی کوتاه‌مدت و بهبود بلندمدت از طریق خود تحلیلی عملکرد، تنظیم آفلاین و کنترل آنلاین و کنترل تطبیقی ​​و کنترل نظارت شده. جستجوی مستقل \"از شکاف عبور می‌کند\" و سیستم‌هایی را در اختیار مهندسان و متخصصان قرار می‌دهد که می‌توانند به طور مستقل عملکرد خود را تنظیم کنند و در عین حال به طور موثر مشکلات را حل کنند.

این اولین کتابی است که به این موضوع اختصاص داده شده است و می تواند به عنوان مرجعی برای محققان، مهندسان و فارغ التحصیلان در زمینه های برنامه نویسی محدودیت، یادگیری ماشین، محاسبات تکاملی و نظریه کنترل بازخورد استفاده شود. پس از مقدمه ویراستاران با جستجوی مستقل، فصل‌ها بر روی پارامترهای الگوریتم تنظیم، حل‌کننده‌های محدودیت کامل (مبتنی بر درخت)، کنترل مستقل در فراابتکاری و اکتشاف، و پارادایم‌های حل مستقل آینده متمرکز شده‌اند.

< /p>

این اولین کتابی است که به این موضوع اختصاص داده شده است و می تواند به عنوان مرجعی برای محققان، مهندسان و فارغ التحصیلان در زمینه های برنامه نویسی محدودیت، یادگیری ماشین، محاسبات تکاملی و کنترل بازخورد استفاده شود. تئوری. پس از مقدمه ویراستاران با جستجوی مستقل، فصل‌ها بر روی پارامترهای الگوریتم تنظیم، حل‌کننده‌های محدودیت کامل (مبتنی بر درخت)، کنترل مستقل در فراابتکاری و اکتشاف، و پارادایم‌های حل مستقل آینده متمرکز شده‌اند.

< p> این اولین کتابی است که به این موضوع اختصاص داده شده است و می تواند به عنوان مرجعی برای محققان، مهندسان و فارغ التحصیلان در زمینه های برنامه نویسی محدودیت، یادگیری ماشین، محاسبات تکاملی و نظریه کنترل بازخورد استفاده شود. پس از مقدمه ویراستاران با جستجوی مستقل، فصل‌ها بر روی پارامترهای الگوریتم تنظیم، حل‌کننده‌های محدودیت کامل (مبتنی بر درخت)، کنترل مستقل در فراابتکاری و اکتشافی، و پارادایم‌های حل مستقل آینده متمرکز شده‌اند.

Decades of innovations in combinatorial problem solving have produced better and more complex algorithms. These new methods are better since they can solve larger problems and address new application domains. They are also more complex which means that they are hard to reproduce and often harder to fine-tune to the peculiarities of a given problem. This last point has created a paradox where efficient tools are out of reach of practitioners.

Autonomous search (AS) represents a new research field defined to precisely address the above challenge. Its major strength and originality consist in the fact that problem solvers can now perform self-improvement operations based on analysis of the performances of the solving process -- including short-term reactive reconfiguration and long-term improvement through self-analysis of the performance, offline tuning and online control, and adaptive control and supervised control. Autonomous search "crosses the chasm" and provides engineers and practitioners with systems that are able to autonomously self-tune their performance while effectively solving problems.

This is the first book dedicated to this topic, and it can be used as a reference for researchers, engineers, and postgraduates in the areas of constraint programming, machine learning, evolutionary computing, and feedback control theory. After the editors' introduction to autonomous search, the chapters are focused on tuning algorithm parameters, autonomous complete (tree-based) constraint solvers, autonomous control in metaheuristics and heuristics, and future autonomous solving paradigms.

Autonomous search (AS) represents a new research field defined to precisely address the above challenge. Its major strength and originality consist in the fact that problem solvers can now perform self-improvement operations based on analysis of the performances of the solving process -- including short-term reactive reconfiguration and long-term improvement through self-analysis of the performance, offline tuning and online control, and adaptive control and supervised control. Autonomous search "crosses the chasm" and provides engineers and practitioners with systems that are able to autonomously self-tune their performance while effectively solving problems.

This is the first book dedicated to this topic, and it can be used as a reference for researchers, engineers, and postgraduates in the areas of constraint programming, machine learning, evolutionary computing, and feedback control theory. After the editors' introduction to autonomous search, the chapters are focused on tuning algorithm parameters, autonomous complete (tree-based) constraint solvers, autonomous control in metaheuristics and heuristics, and future autonomous solving paradigms.

This is the first book dedicated to this topic, and it can be used as a reference for researchers, engineers, and postgraduates in the areas of constraint programming, machine learning, evolutionary computing, and feedback control theory. After the editors' introduction to autonomous search, the chapters are focused on tuning algorithm parameters, autonomous complete (tree-based) constraint solvers, autonomous control in metaheuristics and heuristics, and future autonomous solving paradigms.

This is the first book dedicated to this topic, and it can be used as a reference for researchers, engineers, and postgraduates in the areas of constraint programming, machine learning, evolutionary computing, and feedback control theory. After the editors' introduction to autonomous search, the chapters are focused on tuning algorithm parameters, autonomous complete (tree-based) constraint solvers, autonomous control in metaheuristics and heuristics, and future autonomous solving paradigms.

Front Matter....Pages I-XV
An Introduction to Autonomous Search....Pages 1-11
Front Matter....Pages 13-13
Evolutionary Algorithm Parameters and Methods to Tune Them....Pages 15-36
Automated Algorithm Configuration and Parameter Tuning....Pages 37-71
Case-Based Reasoning for Autonomous Constraint Solving....Pages 73-95
Learning a Mixture of Search Heuristics....Pages 97-127
Front Matter....Pages 129-129
An Investigation of Reinforcement Learning for Reactive Search Optimization....Pages 131-160
Adaptive Operator Selection and Management in Evolutionary Algorithms....Pages 161-189
Parameter Adaptation in Ant Colony Optimization....Pages 191-215
Front Matter....Pages 217-217
Continuous Search in Constraint Programming....Pages 219-243
Control-Based Clause Sharing in Parallel SAT Solving....Pages 245-267
Learning Feature-Based Heuristic Functions....Pages 269-305