High-Performance Simulation-Based Optimization

این کتاب آخرین هنر را در طراحی الگوریتم‌های با کارایی بالا ارائه می‌کند که شبیه‌سازی و بهینه‌سازی را به منظور حل مسائل پیچیده بهینه‌سازی در علم و صنعت، مشکلاتی که شامل شبیه‌سازی‌های زمان‌بر و ارزیابی‌های تابع چندهدفه گران هستند، ترکیب می‌کنند. از آنجایی که رویکردهای بهینه سازی سنتی به خودی خود قابل اجرا نیستند، ترکیبی از هوش محاسباتی، یادگیری ماشین و روش های محاسباتی با کارایی بالا راه حل های محبوبی هستند. اما یافتن یک روش مناسب یک کار چالش برانگیز است، زیرا رویکردهای متعددی در این زمینه تحقیقاتی بسیار پویا پیشنهاد شده است. اینجاست که این کتاب وارد می‌شود: هم تئوری و هم عمل را پوشش می‌دهد و از بینش‌های دنیای واقعی به‌دست‌آمده توسط نویسندگان مشارکت‌کننده، که همگی از محققان برجسته هستند، استفاده می‌کند. با توجه به دامنه آن، اگر راهنمای مرجع جامعی برای محققان، پزشکان و دانشجویان سطح پیشرفته علاقه مند به استفاده از هوش محاسباتی و یادگیری ماشین برای حل مسائل گران قیمت بهینه سازی ارائه می دهد.

This book presents the state of the art in designing high-performance algorithms that combine simulation and optimization in order to solve complex optimization problems in science and industry, problems that involve time-consuming simulations and expensive multi-objective function evaluations. As traditional optimization approaches are not applicable per se, combinations of computational intelligence, machine learning, and high-performance computing methods are popular solutions. But finding a suitable method is a challenging task, because numerous approaches have been proposed in this highly dynamic field of research. That’s where this book comes in: It covers both theory and practice, drawing on the real-world insights gained by the contributing authors, all of whom are leading researchers. Given its scope, if offers a comprehensive reference guide for researchers, practitioners, and advanced-level students interested in using computational intelligence and machine learning to solve expensive optimization problems.