Cellular Genetic Algorithms

الگوریتم‌های ژنتیک سلولی کلاس جدیدی از الگوریتم‌های بهینه‌سازی را بر اساس مفاهیم جمعیت‌های ساختاریافته و الگوریتم‌های ژنتیک (GAs) تعریف می‌کند. نویسندگان اعتبار این الگوریتم های ژنتیک سلولی را در سراسر کتاب توضیح داده و نشان می دهند. نشان داده شده است که این دسته از الگوریتم های ژنتیک نتایج قابل توجهی را در طیف وسیعی از حوزه ها، از جمله مسائل پیچیده ای که ماهیت معرفتی، چندوجهی، فریبنده، گسسته، پیوسته، چند هدفه و تصادفی دارند، تولید می کند. تمرکز این کتاب دو جنبه است. از یک طرف، نویسندگان مدل‌های الگوریتمی جدید و برنامه‌های افزودنی را برای کلاس پایه سلول‌های گاز سلولی به منظور مقابله با مشکلات پیچیده‌تر ارائه می‌کنند. از سوی دیگر، وظایف عملی دنیای واقعی با استفاده از متدولوژی‌های Cellular GA برای تولید راه‌حل‌های کاربردی برنامه‌های کاربردی دنیای واقعی با موفقیت روبرو می‌شوند. این روش‌ها می‌توانند شامل جستجوی محلی (الگوریتم‌های متیک)، همکاری، موازی‌سازی، چند هدفه، تخمین توزیع‌ها و ایده‌های خودسازگاری برای گسترش کاربرد آنها باشند.

روش‌ها عبارتند از در مقایسه با فراهوتیستیک های معروف مانند الگوریتم های ژنتیک، جستجوی تابو، GA های ناهمگن، تخمین الگوریتم های توزیع، و غیره. همچنین، یک ابزار نرم افزاری در دسترس عموم برای کاهش منحنی یادگیری در به کارگیری این تکنیک ها ارائه شده است. سه فصل آخر از مسئله کلاسیک \"مسیریابی وسیله نقلیه\" و موضوعات داغ \"شبکه های تلفن همراه موقت\" و \"توالی ژنوم DNA\" استفاده می کند تا به وضوح قدرت و کاربرد این الگوریتم ها را نشان دهد و نشان دهد. .

CELLULAR GENETIC ALGORITHMS defines a new class of optimization algorithms based on the concepts of structured populations and Genetic Algorithms (GAs). The authors explain and demonstrate the validity of these cellular genetic algorithms throughout the book. This class of genetic algorithms is shown to produce impressive results on a whole range of domains, including complex problems that are epistatic, multi-modal, deceptive, discrete, continuous, multi-objective, and random in nature. The focus of this book is twofold. On the one hand, the authors present new algorithmic models and extensions to the basic class of Cellular GAs in order to tackle complex problems more efficiently. On the other hand, practical real world tasks are successfully faced by applying Cellular GA methodologies to produce workable solutions of real-world applications. These methods can include local search (memetic algorithms), cooperation, parallelism, multi-objective, estimations of distributions, and self-adaptive ideas to extend their applicability.

The methods are benchmarked against well-known metaheutistics like Genetic Algorithms, Tabu Search, heterogeneous GAs, Estimation of Distribution Algorithms, etc. Also, a publicly available software tool is offered to reduce the learning curve in applying these techniques. The three final chapters will use the classic problem of "vehicle routing" and the hot topics of "ad-hoc mobile networks" and "DNA genome sequencing" to clearly illustrate and demonstrate the power and utility of these algorithms.