Evolutionary Algorithms and Agricultural Systems

الگوریتم‌های تکاملی و سیستم‌های کشاورزی به کاربرد عملی الگوریتم‌های تکاملی در مطالعه و مدیریت سیستم‌های کشاورزی می‌پردازد. منطق روش‌شناسی تحقیق سیستم‌ها معرفی شده و نمونه‌هایی از برنامه‌های کاربردی دنیای واقعی فهرست شده‌اند. این ادغام این مدل‌های سیستم‌های کشاورزی با تکنیک‌های بهینه‌سازی، عمدتاً الگوریتم‌های ژنتیک است که تمرکز این کتاب را تشکیل می‌دهد. مزایا با نمونه‌هایی از مدل‌های کشاورزی از مطالعات ملی و صنعتی گرفته تا مقیاس درون مزرعه مشخص شده‌اند. مشکلات احتمالی این رویکرد نیز همراه با روش های عملی حل این مشکلات مورد بحث قرار می گیرد.
کاربردهای کشاورزی با استفاده از تکنیک‌های بهینه‌سازی جایگزین (روش‌های گرادیان و جستجوی مستقیم، بازپخت و کوئنچ شبیه‌سازی‌شده، و استراتژی جستجوی تابو) نیز فهرست‌شده و مورد بحث قرار گرفته‌اند. مشکلات و روش‌های خاص این الگوریتم‌ها، از جمله ویژگی‌های سودمندی که ممکن است به نفع یک رویکرد ترکیبی باشند یا به طور مفید در الگوریتم‌های تکاملی گنجانده شوند، تشریح شده‌اند. با توجه به این موضوع و مثال‌های منتشر شده، این نتیجه حاصل می‌شود که الگوریتم‌های تکاملی روش برتر برای بهینه‌سازی عملی مدل‌های سیستم‌های کشاورزی و طبیعی هستند. توصیه های کلی در مورد گزینه های قوی و تنظیمات پارامتر برای الگوریتم های تکاملی برای استفاده در مطالعات آینده ارائه شده است.
الگوریتم‌های تکاملی و سیستم‌های کشاورزی برای پزشکان و محققینی که از این روش‌ها برای بهینه‌سازی سیستم‌های کشاورزی یا طبیعی استفاده می‌کنند مفید خواهد بود و همچنین به عنوان متنی برای مدیریت سیستم‌ها، مدل‌سازی کاربردی، مناسب است. یا تحقیق در عملیات.

Evolutionary Algorithms and Agricultural Systems deals with the practical application of evolutionary algorithms to the study and management of agricultural systems. The rationale of systems research methodology is introduced, and examples listed of real-world applications. It is the integration of these agricultural systems models with optimization techniques, primarily genetic algorithms, which forms the focus of this book. The advantages are outlined, with examples of agricultural models ranging from national and industry-wide studies down to the within-farm scale. The potential problems of this approach are also discussed, along with practical methods of resolving these problems.
Agricultural applications using alternate optimization techniques (gradient and direct-search methods, simulated annealing and quenching, and the tabu search strategy) are also listed and discussed. The particular problems and methodologies of these algorithms, including advantageous features that may benefit a hybrid approach or be usefully incorporated into evolutionary algorithms, are outlined. From consideration of this and the published examples, it is concluded that evolutionary algorithms are the superior method for the practical optimization of models of agricultural and natural systems. General recommendations on robust options and parameter settings for evolutionary algorithms are given for use in future studies.
Evolutionary Algorithms and Agricultural Systems will prove useful to practitioners and researchers applying these methods to the optimization of agricultural or natural systems, and would also be suited as a text for systems management, applied modeling, or operations research.