Computational Complexity: Theory, Techniques, and Applications

سیستم‌های پیچیده سیستم‌هایی هستند که شامل بسیاری از بخش‌های متقابل با توانایی ایجاد کیفیت جدیدی از رفتار جمعی از طریق خود سازمان‌دهی هستند، به عنوان مثال. تشکیل خود به خودی ساختارهای زمانی، مکانی یا عملکردی. این سیستم ها اغلب با حساسیت شدید به شرایط اولیه و همچنین رفتارهای نوظهور که به راحتی قابل پیش بینی یا حتی کاملاً قطعی نیستند مشخص می شوند. تشخیص این که رفتار جمعی کل سیستم را نمی توان به سادگی از درک رفتار اجزای فردی استنباط کرد، منجر به توسعه ابزارهای محاسباتی و مدل سازی پیچیده جدید با کاربرد در طیف وسیعی از علوم، مهندسی و اجتماعی شده است. پدیده ها.
پیچیدگی محاسباتی: تئوری، تکنیک‌ها و کاربردها، دیدگاهی دقیق و یکپارچه از مبانی نظری، روش‌های محاسباتی و رویکردهای پیشرفته برای بررسی و مدل‌سازی مسائل ذاتاً دشوار ارائه می‌کند که حل آنها نیازمند منابع گسترده‌ای است که به روش عملی نزدیک می‌شوند. محدودیت های سیستم های کامپیوتری امروزی این مرجع جامع و معتبر، اجزای کلیدی پیچیدگی محاسباتی، از جمله اتوماتای ​​سلولی، نظریه گراف، داده کاوی، محاسبات دانه ای، محاسبات نرم، موجک ها و موارد دیگر را بررسی می کند.

Complex systems are systems that comprise many interacting parts with the ability to generate a new quality of collective behavior through self-organization, e.g. the spontaneous formation of temporal, spatial or functional structures. These systems are often characterized by extreme sensitivity to initial conditions as well as emergent behavior that are not readily predictable or even completely deterministic. The recognition that the collective behavior of the whole system cannot be simply inferred from an understanding of the behavior of the individual components has led to the development of numerous sophisticated new computational and modeling tools with applications to a wide range of scientific, engineering, and societal phenomena.
Computational Complexity: Theory, Techniques and Applications presents a detailed and integrated view of the theoretical basis, computational methods, and state-of-the-art approaches to investigating and modeling of inherently difficult problems whose solution requires extensive resources approaching the practical limits of present-day computer systems. This comprehensive and authoritative reference examines key components of computational complexity, including cellular automata, graph theory, data mining, granular computing, soft computing, wavelets, and more.