Grouping Genetic Algorithms: Advances and Applications

این کتاب پیشرفت‌ها و نوآوری‌ها را در گروه‌بندی الگوریتم‌های ژنتیک، غنی‌شده با تکنیک‌های بهینه‌سازی اکتشافی جدید و منحصربه‌فرد ارائه می‌کند. این الگوریتم‌ها به‌ویژه برای حل مسائل گروه‌بندی صنعتی طراحی شده‌اند که در آن موجودیت‌های سیستم باید بر اساس مجموعه‌ای از معیارهای تصمیم‌گیری راهنما به گروه‌های کارآمد تقسیم یا خوشه‌بندی شوند. نمونه هایی از چنین مشکلاتی عبارتند از: مشکلات مسیریابی خودرو، مشکلات تشکیل تیم، مشکلات جدول زمانی، تعادل خط مونتاژ، برنامه ریزی تعمیر و نگهداری گروه، طراحی مدولار، و تعیین تکلیف. طیف وسیعی از مشکلات گروه‌بندی صنعتی، برگرفته از زمینه‌های متنوعی مانند لجستیک، مدیریت زنجیره تامین، مدیریت پروژه، سیستم‌های تولید، طراحی مهندسی و مراقبت‌های بهداشتی ارائه شده‌اند. مسائل گروه‌بندی صنعتی پیچیده معمولی، با معیارها و محدودیت‌های تصمیم‌گیری متعدد، با استفاده از نمودارها و فرمول‌های گویا به وضوح توصیف می‌شوند. مشکلات در یک ساختار گروهی مشترک ترسیم می شوند که می تواند به راحتی به عنوان یک طرح ورودی برای انواع خاصی از گروه بندی الگوریتم های ژنتیک استفاده شود. تکنیک‌های گروه‌بندی اکتشافی منحصربه‌فرد برای رسیدگی به مشکلات گروه‌بندی به‌طور کارآمد و مؤثر ایجاد شده‌اند. مثال‌های گویا و نتایج محاسباتی در جداول و نمودارها ارائه شده‌اند تا کارایی و اثربخشی الگوریتم‌ها را نشان دهند.

محققان، تحلیل‌گران تصمیم‌گیری، توسعه‌دهندگان نرم‌افزار و دانشجویان فارغ‌التحصیل از رشته‌های مختلف این خواننده عمیق را پیدا خواهند کرد. نمایش دوستانه پیشرفت ها و کاربردهای گروه بندی الگوریتم های ژنتیک یک منبع جالب، آموزنده و ارزشمند است.

This book presents advances and innovations in grouping genetic algorithms, enriched with new and unique heuristic optimization techniques. These algorithms are specially designed for solving industrial grouping problems where system entities are to be partitioned or clustered into efficient groups according to a set of guiding decision criteria. Examples of such problems are: vehicle routing problems, team formation problems, timetabling problems, assembly line balancing, group maintenance planning, modular design, and task assignment. A wide range of industrial grouping problems, drawn from diverse fields such as logistics, supply chain management, project management, manufacturing systems, engineering design and healthcare, are presented. Typical complex industrial grouping problems, with multiple decision criteria and constraints, are clearly described using illustrative diagrams and formulations. The problems are mapped into a common group structure that can conveniently be used as an input scheme to specific variants of grouping genetic algorithms. Unique heuristic grouping techniques are developed to handle grouping problems efficiently and effectively. Illustrative examples and computational results are presented in tables and graphs to demonstrate the efficiency and effectiveness of the algorithms.

Researchers, decision analysts, software developers, and graduate students from various disciplines will find this in-depth reader-friendly exposition of advances and applications of grouping genetic algorithms an interesting, informative and valuable resource.