Foundations of Computational Intelligence Volume 3: Global Optimization

بهینه‌سازی جهانی شاخه‌ای از ریاضیات کاربردی و آنالیز عددی است که با وظیفه یافتن بهترین مجموعه شرایط قابل قبول برای برآورده کردن معیارها / تابع(های) هدف خاص، که در اصطلاحات ریاضی فرمول‌بندی شده‌اند، سروکار دارد. بهینه سازی جهانی شامل برنامه ریزی غیرخطی، تصادفی و ترکیبی، برنامه نویسی چندهدفه، کنترل، بازی ها، هندسه، تقریب، الگوریتم های معماری های موازی و غیره می باشد. به دلیل کاربرد و کاربردهای گسترده آن، توجه محققان و دست اندرکاران حوزه های علمی فراوانی را به خود جلب کرده است. نمونه‌های عملی معمولی از برنامه‌های بهینه‌سازی جهانی عبارتند از: مسئله فروشنده دوره گرد و طراحی مدار الکتریکی (به حداقل رساندن طول مسیر). مهندسی ایمنی (ساختمان و سازه های مکانیکی)؛ مسائل ریاضی (حدس کپلر)؛ پیش‌بینی ساختار پروتئین (به حداقل رساندن تابع انرژی) و غیره.

الگوریتم‌های بهینه‌سازی جهانی را می‌توان به چند نوع دسته‌بندی کرد: قطعی (مثال: روش‌های شاخه و کران)، بهینه‌سازی تصادفی (مثال: بازپخت شبیه سازی شده). اکتشافی و فراابتکاری (مثال: الگوریتم های تکاملی) و غیره اخیراً علاقه فزاینده ای به ترکیب استراتژی های جستجوی جهانی و محلی برای حل مسائل بهینه سازی پیچیده تر وجود داشته است.

این جلد ویرایش شده شامل 17 فصل، شامل چندین فصل کلی است که تحقیقاتی به روز و پیشرفته را ارائه می دهد که نظریه و الگوریتم های بهینه سازی جهانی را پوشش می دهد. . علاوه بر مقالات تحقیقاتی و مقالات توضیحی در مورد تئوری و الگوریتم‌های بهینه‌سازی جهانی، مقالاتی در مورد آزمایش‌های عددی و کاربردهای دنیای واقعی نیز تشویق شدند. کتاب به 2 بخش اصلی تقسیم شده است.

Global optimization is a branch of applied mathematics and numerical analysis that deals with the task of finding the absolutely best set of admissible conditions to satisfy certain criteria / objective function(s), formulated in mathematical terms. Global optimization includes nonlinear, stochastic and combinatorial programming, multiobjective programming, control, games, geometry, approximation, algorithms for parallel architectures and so on. Due to its wide usage and applications, it has gained the attention of researchers and practitioners from a plethora of scientific domains. Typical practical examples of global optimization applications include: Traveling salesman problem and electrical circuit design (minimize the path length); safety engineering (building and mechanical structures); mathematical problems (Kepler conjecture); Protein structure prediction (minimize the energy function) etc.

Global Optimization algorithms may be categorized into several types: Deterministic (example: branch and bound methods), Stochastic optimization (example: simulated annealing). Heuristics and meta-heuristics (example: evolutionary algorithms) etc. Recently there has been a growing interest in combining global and local search strategies to solve more complicated optimization problems.

This edited volume comprises 17 chapters, including several overview Chapters, which provides an up-to-date and state-of-the art research covering the theory and algorithms of global optimization. Besides research articles and expository papers on theory and algorithms of global optimization, papers on numerical experiments and on real world applications were also encouraged. The book is divided into 2 main parts.