Constraint Handling in Metaheuristics and Applications

ویرایش: [1st ed. 2021] 
نویسندگان: Anand J. Kulkarni (editor),  Efrén Mezura-Montes (editor),  Yong Wang (editor),  Amir H. Gandomi (editor),  Ganesh Krishnasamy (editor)  
سری:  
ISBN (شابک) : 9813367091, 9789813367098 
ناشر: Springer 
سال نشر: 2021 
تعداد صفحات: 344
[336] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 11 Mb 

قیمت کتاب (تومان) : 46,000

هدف این کتاب بحث در مورد اصول اصلی و اساسی و تحلیل رویکردهای مختلف مدیریت محدودیت است. تاکید اصلی کتاب بر ارائه ادبیات غنی شده در مورد مدل‌سازی ریاضی آزمون و همچنین مسائل دنیای واقعی با محدودیت‌ها و توسعه بیشتر تکنیک‌های مدیریت محدودیت تعمیم‌یافته است. این تکنیک‌ها ممکن است در فراابتکاری مناسب گنجانده شوند که یک راه‌حل بهینه و جامد برای مسائل و برنامه‌های مورد بررسی ارائه می‌کند. این کتاب شامل مشارکت‌های اصلی با هدف توسعه و بحث در مورد رویکردها/تکنیک‌های مدیریت محدودیت تعمیم‌یافته برای فراابتکاری و/یا کاربردهایی است که به آن پرداخته می‌شود. انواع تکنیک‌های جدید و همچنین اصلاح‌شده و ترکیبی در کتاب مورد بحث قرار گرفته‌اند. سطح مفهومی و همچنین ریاضی در همه فصل‌ها به خوبی در اختیار دانشمندان و همچنین دانشجویان کارشناسی و کارشناسی ارشد رشته‌های مهندسی و علوم کامپیوتر است. خواننده تشویق می‌شود که دانش اولیه احتمالات و تجزیه و تحلیل و بهینه‌سازی ریاضی را داشته باشد.

این کتاب همچنین مروری انتقادی از رویکردهای مدیریت محدودیت‌های معاصر ارائه می‌کند. مشارکت‌های این کتاب ممکن است به کشف راه‌های جدیدی که منجر به بحث‌های تحقیقاتی چند رشته‌ای می‌شود کمک کند. این کتاب یک مرجع کامل برای مهندسان، دانشمندان و دانشجویانی است که در زمینه بهینه‌سازی، هوش مصنوعی (AI) یا هوش محاسباتی تحصیل می‌کنند.

This book aims to discuss the core and underlying principles and analysis of the different constraint handling approaches. The main emphasis of the book is on providing an enriched literature on mathematical modelling of the test as well as real-world problems with constraints, and further development of generalized constraint handling techniques. These techniques may be incorporated in suitable metaheuristics providing a solid optimized solution to the problems and applications being addressed. The book comprises original contributions with an aim to develop and discuss generalized constraint handling approaches/techniques for the metaheuristics and/or the applications being addressed. A variety of novel as well as modified and hybridized techniques have been discussed in the book. The conceptual as well as the mathematical level in all the chapters is well within the grasp of the scientists as well as the undergraduate and graduate students from the engineering and computer science streams. The reader is encouraged to have basic knowledge of probability and mathematical analysis and optimization.

The book also provides critical review of the contemporary constraint handling approaches. The contributions of the book may further help to explore new avenues leading towards multidisciplinary research discussions. This book is a complete reference for engineers, scientists, and students studying/working in the optimization, artificial intelligence (AI), or computational intelligence arena.