Guided Randomness in Optimization

عملکرد الگوریتم مورد استفاده به GNA بستگی دارد. این کتاب بر مقایسه بهینه سازها تمرکز دارد، یک رویکرد استرس-نتیجه را تعریف می کند که می تواند تمام معیارهای کلاسیک (میانگین، متوسط، و غیره) و سایر موارد پیچیده تر را استخراج کند. کدهای منبع استفاده شده برای مثال‌ها نیز ارائه شده‌اند، این اجازه می‌دهد تا در مورد "شانس اضافی" به طور خلاصه توضیح دهیم که چرا و چگونه می‌توان از جنبه تصادفی بهینه‌سازی در برخی موارد اجتناب کرد.

The performance of an algorithm used depends on the GNA. This book focuses on the comparison of optimizers, it defines a stress-outcome approach which can be derived all the classic criteria (median, average, etc.) and other more sophisticated.   Source-codes used for the examples are also presented, this allows a reflection on the "superfluous chance," succinctly explaining why and how the stochastic aspect of optimization could be avoided in some cases.