Handbook of Nature-Inspired Optimization Algorithms: The State of the Art: Volume II: Solving Constrained Single Objective Real-Parameter Optimization Problems

این کتاب مشارکت‌های اخیر و پیشرفت‌های مهم، مسائل پیشرفته و چالش‌ها را ارائه می‌کند. در مسائل و برنامه های دنیای واقعی، بیشتر مسائل بهینه سازی شامل انواع مختلفی از محدودیت ها است. به این مسائل مسائل بهینه سازی محدود (COP) می گویند. بهینه سازی مسائل بهینه سازی محدود یک کار چالش برانگیز در نظر گرفته می شود زیرا راه حل(های) بهینه باید امکان پذیر باشد. در طراحی اصلی خود، الگوریتم‌های تکاملی (EAs) قادرند مسائل بهینه‌سازی نامحدود را به طور موثر حل کنند. در نتیجه، در دهه گذشته، بسیاری از محققین برای مقابله با این کمبود، انواع تکنیک های مدیریت محدودیت را توسعه داده اند که در طرح های (EA) گنجانده شده است.

هدف اصلی برای این کتاب برای در دسترس قرار دادن مجموعه ای مستقل از تحقیقات مدرن است که به مشکلات بهینه سازی محدود کلی در بسیاری از برنامه های کاربردی دنیای واقعی با استفاده از الگوریتم های بهینه سازی الهام گرفته از طبیعت پرداخته است. این کتاب برای کلاس های فارغ التحصیل در زمینه بهینه سازی مناسب است، اما برای دانشجویان ارشد علاقه مندی که روی پروژه های تحقیقاتی خود کار می کنند نیز مفید خواهد بود.

This book presents recent contributions and significant development, advanced issues, and challenges. In real-world problems and applications, most of the optimization problems involve different types of constraints. These problems are called constrained optimization problems (COPs). The optimization of the constrained optimization problems is considered a challenging task since the optimum solution(s) must be feasible. In their original design, evolutionary algorithms (EAs) are able to solve unconstrained optimization problems effectively. As a result, in the past decade, many researchers have developed a variety of constraint handling techniques, incorporated into (EAs) designs, to counter this deficiency.

The main objective for this book is to make available a self-contained collection of modern research addressing the general constrained optimization problems in many real-world applications using nature-inspired optimization algorithms. This book is suitable for a graduate class on optimization, but will also be useful for interested senior students working on their research projects.