EVOLVE - A Bridge between Probability, Set Oriented Numerics, and Evolutionary Computation IV: International Conference held at Leiden University, July 10-13, 2013

روش‌های عددی و محاسباتی امروزه در زمینه‌های گسترده‌ای در تحقیقات سیستم‌های پیچیده، زیست‌شناسی، فیزیک و مهندسی استفاده می‌شوند. در دهه‌های گذشته مکاتب روش‌شناختی متفاوتی با تأکید بر جنبه‌های مختلف محاسبات، مانند الگوریتم‌های الهام‌گرفته از طبیعت، اعداد مجموعه‌گرا، سیستم‌های احتمالی و روش‌های مونت کارلو ظهور کرده‌اند. به دلیل استفاده از اصطلاحات مختلف و تأکید بر جنبه های مختلف عملکرد الگوریتمی، نیاز شدیدی به دیدگاه و فرصت های یکپارچه تر برای لقاح متقابل در رشته های خاص وجود دارد.

این مقالات شامل 20 نشریه اصلی از نویسندگان برجسته در مقطع علوم محاسباتی، مانند الگوریتم‌های یادگیری ماشین و مدل‌های احتمالی، شبکه‌های پیچیده و تحلیل چشم‌انداز تناسب، اعداد مبتنی بر مجموعه و نقشه‌برداری سلولی، چندهدفه تکاملی است. بهینه سازی، جستجوی تنوع گرا و مبانی الگوریتم های برنامه نویسی ژنتیک. این کار با ارائه نتایج پیشرفته با تمرکز قوی بر روی مبانی و جنبه‌های یکپارچه‌سازی، گامی به سوی روش‌های کارآمد، قابل اعتماد و خوب تحلیل شده برای مدیریت و تحلیل سیستم‌های پیچیده ارائه می‌کند.

Numerical and computational methods are nowadays used in a wide range of contexts in complex systems research, biology, physics, and engineering. Over the last decades different methodological schools have emerged with emphasis on different aspects of computation, such as nature-inspired algorithms, set oriented numerics, probabilistic systems and Monte Carlo methods. Due to the use of different terminologies and emphasis on different aspects of algorithmic performance there is a strong need for a more integrated view and opportunities for cross-fertilization across particular disciplines.

These proceedings feature 20 original publications from distinguished authors in the cross-section of computational sciences, such as machine learning algorithms and probabilistic models, complex networks and fitness landscape analysis, set oriented numerics and cell mapping, evolutionary multiobjective optimization, diversity-oriented search, and the foundations of genetic programming algorithms. By presenting cutting edge results with a strong focus on foundations and integration aspects this work presents a stepping stone towards efficient, reliable, and well-analyzed methods for complex systems management and analysis.