Computational Intelligence in Expensive Optimization Problems

در علم و مهندسی مدرن، آزمایش‌های آزمایشگاهی با شبیه‌سازی‌های با وفاداری بالا و محاسباتی پرهزینه جایگزین می‌شوند. استفاده از چنین شبیه سازی ها هزینه ها را کاهش می دهد و زمان توسعه را کوتاه می کند اما چالش های جدیدی را برای فرآیند بهینه سازی طراحی معرفی می کند. نمونه‌هایی از چنین چالش‌هایی شامل منابع محاسباتی محدود برای اجرای شبیه‌سازی، سطح پاسخ پیچیده ورودی-خروجی‌های شبیه‌سازی و غیره است.

در چنین مشکلاتی، روش‌های بهینه‌سازی و تحلیل کلاسیک ممکن است انجام شوند. ضعیف این انگیزه استفاده از روش‌های هوش محاسباتی مانند الگوریتم‌های تکاملی، شبکه‌های عصبی و منطق فازی است که اغلب در چنین تنظیماتی عملکرد خوبی دارند. این اولین کتابی است که زمینه نوظهور هوش محاسباتی را در مسائل بهینه سازی گران قیمت معرفی می کند. موضوعات تحت پوشش عبارتند از:

• پیاده‌سازی اختصاصی الگوریتم‌های تکاملی، شبکه‌های عصبی و منطق فازی.
• کاهش ارزیابی‌های گران قیمت (مدل‌سازی، وفاداری متغیرها، وراثت تناسب اندام). LI>
• چارچوب‌هایی برای بهینه‌سازی (مدیریت مدل، کنترل پیچیدگی، انتخاب مدل).
• موازی‌سازی الگوریتم‌ها (مسائل پیاده‌سازی در خوشه‌ها، شبکه‌ها، ماشین‌های موازی).
• تلفیقی از الگوریتم‌ها سیستم های خبره و رابط انسان و سیستم.
• الگوریتم های تک و چندهدفه.
• داده کاوی و تجزیه و تحلیل آماری.
• تجزیه و تحلیل موارد دنیای واقعی (مانند چند رشته ای) بهینه‌سازی طراحی).

کتاب ویرایش‌شده هم درمان‌های نظری و هم بینش‌های دنیای واقعی به‌دست‌آمده از تجربه را ارائه می‌دهد که همگی توسط محققان برجسته در زمینه‌های مربوطه ارائه شده‌اند. به این ترتیب، این یک مرجع جامع برای محققان، پزشکان و دانشجویان سطح پیشرفته است که علاقه مند به تئوری و عملی استفاده از هوش محاسباتی برای مسائل بهینه سازی گران قیمت هستند.

In modern science and engineering, laboratory experiments are replaced by high fidelity and computationally expensive simulations. Using such simulations reduces costs and shortens development times but introduces new challenges to design optimization process. Examples of such challenges include limited computational resource for simulation runs, complicated response surface of the simulation inputs-outputs, and etc.

Under such difficulties, classical optimization and analysis methods may perform poorly. This motivates the application of computational intelligence methods such as evolutionary algorithms, neural networks and fuzzy logic, which often perform well in such settings. This is the first book to introduce the emerging field of computational intelligence in expensive optimization problems. Topics covered include:

• Dedicated implementations of evolutionary algorithms, neural networks and fuzzy logic.
• Reduction of expensive evaluations (modelling, variable-fidelity, fitness inheritance).
• Frameworks for optimization (model management, complexity control, model selection).
• Parallelization of algorithms (implementation issues on clusters, grids, parallel machines).
• Incorporation of expert systems and human-system interface.
• Single and multiobjective algorithms.
• Data mining and statistical analysis.
• Analysis of real-world cases (such as multidisciplinary design optimization).

The edited book provides both theoretical treatments and real-world insights gained by experience, all contributed by leading researchers in the respective fields. As such, it is a comprehensive reference for researchers, practitioners, and advanced-level students interested in both the theory and practice of using computational intelligence for expensive optimization problems.