Constraint Programming and Decision Making

در بسیاری از حوزه‌های کاربردی، اتخاذ تصمیمات مؤثر تحت محدودیت‌ها ضروری است. چندین تکنیک خاص منطقه برای چنین مشکلات تصمیم گیری شناخته شده است. با این حال، از آنجایی که این تکنیک ها مربوط به یک منطقه خاص هستند، به کار بردن هر تکنیک در زمینه های کاربردی دیگر آسان نیست. لقاح متقابل بین مناطق مختلف کاربرد یکی از اهداف اصلی کارگاه های بین المللی سالانه برنامه ریزی محدودیت و تصمیم گیری است. این کارگاه ها که از سال 2008 تا 2012 در ایالات متحده (ال پاسو، تگزاس)، در اروپا (لیون، فرانسه) و در آسیا (نووسیبیرسک، روسیه) برگزار شد، محققان و پزشکان را از سراسر جهان جذب کرده است. این جلد نسخه های توسعه یافته مقالات منتخب از آن کارگاه ها را ارائه می دهد. این مقالات به تمام مراحل تصمیم‌گیری تحت محدودیت‌ها می‌پردازند: (1) فرمول‌بندی مسئله تصمیم‌گیری چند معیاره با عبارات دقیق، (2) تعیین زمانی که مشکل تصمیم‌گیری مربوطه از نظر الگوریتمی قابل حل است. (3) یافتن الگوریتم‌های متناظر و کارآمد کردن این الگوریتم‌ها تا حد امکان و (4) در نظر گرفتن عدم قطعیت فاصله، احتمالی و فازی ذاتی در مسائل تصمیم‌گیری مربوطه. حوزه های کاربردی حاصل شامل مطالعات زیست محیطی (انتخاب بهترین مکان برای یک برج هواشناسی)، زیست شناسی (انتخاب محتمل ترین تاریخ تکامل یک گونه) و مهندسی (طراحی بهترین کنترل برای یک قطار شناور مغناطیسی) است.

In many application areas, it is necessary to make effective decisions under constraints. Several area-specific techniques are known for such decision problems; however, because these techniques are area-specific, it is not easy to apply each technique to other applications areas. Cross-fertilization between different application areas is one of the main objectives of the annual International Workshops on Constraint Programming and Decision Making. Those workshops, held in the US (El Paso, Texas), in Europe (Lyon, France) and in Asia (Novosibirsk, Russia), from 2008 to 2012, have attracted researchers and practitioners from all over the world. This volume presents extended versions of selected papers from those workshops. These papers deal with all stages of decision making under constraints: (1) formulating the problem of multi-criteria decision making in precise terms, (2) determining when the corresponding decision problem is algorithmically solvable; (3) finding the corresponding algorithms and making these algorithms as efficient as possible and (4) taking into account interval, probabilistic and fuzzy uncertainty inherent in the corresponding decision making problems. The resulting application areas include environmental studies (selecting the best location for a meteorological tower), biology (selecting the most probable evolution history of a species), and engineering (designing the best control for a magnetic levitation train).