Handbook of Memetic Algorithms

الگوریتم‌های ممتیک (MA) ساختارهای هوش محاسباتی هستند که چندین عملگر و عملگرهای مختلف را به منظور رسیدگی به مشکلات بهینه‌سازی ترکیب می‌کنند. ترکیب و تعامل بین اپراتورها تکامل می یابد و انتشار موفق ترین واحدها را ترویج می کند و یک رفتار الگوریتمی ایجاد می کند که می تواند توابع هدف پیچیده و مناظر تناسب اندام سخت را مدیریت کند.

«راهنمای الگوریتم‌های ممتیک»، به روشی ساختاریافته، همه مهم‌ترین نتایج را در زمینه MA از اولین تعریف تا کنون سازماندهی می‌کند. بررسی گسترده ای شامل راه حل های الگوریتمی مختلف و همچنین کاربردهای موفق در این کتاب گنجانده شده است. هر دسته از مسائل بهینه‌سازی، مانند بهینه‌سازی محدود، بهینه‌سازی چندهدفه، مسائل پیوسته در مقابل ترکیبی، عدم قطعیت‌ها، به طور جداگانه تجزیه و تحلیل می‌شوند و برای هر مسئله، دستور العمل‌های ممتیک برای مقابله با مشکلات با چند مثال موفق ارائه می‌شوند. اگرچه این کتاب شامل فصول نوشته شده توسط چندین نویسنده است، اما ویراستاران توجه زیادی به آن کرده اند تا آن را به یک اثر فشرده و روان تبدیل کنند که تمام زمینه های اصلی بهینه سازی هوش محاسباتی را پوشش می دهد. این نه تنها یک مطالعه ضروری برای محققانی است که در حوزه تحقیقاتی کار می کنند، بلکه یک کتابچه راهنمای مفید برای پزشکان و مهندسانی است که نیاز به رسیدگی به مشکلات بهینه سازی در دنیای واقعی دارند. علاوه بر این، ساختار کتاب آن را به یک اثر جالب برای دانشجویان تحصیلات تکمیلی و محققین رشته های مرتبط با ریاضیات و علوم کامپیوتر تبدیل می کند.

Memetic Algorithms (MAs) are computational intelligence structures combining multiple and various operators in order to address optimization problems. The combination and interaction amongst operators evolves and promotes the diffusion of the most successful units and generates an algorithmic behavior which can handle complex objective functions and hard fitness landscapes.

“Handbook of Memetic Algorithms” organizes, in a structured way, all the the most important results in the field of MAs since their earliest definition until now. A broad review including various algorithmic solutions as well as successful applications is included in this book. Each class of optimization problems, such as constrained optimization, multi-objective optimization, continuous vs combinatorial problems, uncertainties, are analysed separately and, for each problem, memetic recipes for tackling the difficulties are given with some successful examples. Although this book contains chapters written by multiple authors, a great attention has been given by the editors to make it a compact and smooth work which covers all the main areas of computational intelligence optimization. It is not only a necessary read for researchers working in the research area, but also a useful handbook for practitioners and engineers who need to address real-world optimization problems. In addition, the book structure makes it an interesting work also for graduate students and researchers is related fields of mathematics and computer science.