Integrated Methods for Optimization

نسخه اول روش‌های یکپارچه برای بهینه‌سازی در ژانویه 2007 منتشر شد. از آنجایی که کتاب حوزه‌ای به سرعت در حال توسعه را پوشش می‌دهد، زمان مناسبی برای ویرایش دوم است. این کتاب درمان یکپارچه ای از روش های بهینه سازی را ارائه می دهد. ایده هایی از برنامه نویسی ریاضی (MP)، برنامه نویسی محدودیت (CP) و بهینه سازی جهانی (GO) را در یک جلد واحد آورده است. هیچ دلیلی وجود ندارد که اینها به عنوان رشته های جداگانه یاد بگیرند، همانطور که معمولا هستند، و سه دلیل وجود دارد که باید با هم مطالعه شوند. (1) از نظر فکری مشترکات زیادی بین آنها وجود دارد، و تا حد زیادی می توان آنها را به عنوان موارد خاصی از یک فناوری راه حل اساسی درک کرد. (2) ادبیات رو به رشد گزارش می دهد که چگونه می توان آنها را به طور سودآور برای فرموله کردن و حل طیف گسترده ای از مشکلات ادغام کرد. (3) چندین بسته نرم افزاری در حال حاضر تکنیک هایی از دو یا چند مورد از این زمینه ها را در خود جای داده اند.

این کتاب منبع منحصر به فردی را برای دانشجویان فارغ التحصیل و شاغلین ارائه می دهد که خواهان پیشینه ای کامل در روش های بهینه سازی در یک زمینه هستند. تک دوره تحصیلی دانشجویان مهندسی مخاطبان بالقوه زیادی هستند، زیرا مسائل بهینه‌سازی مهندسی اغلب از یک رویکرد ترکیبی سود می‌برند - به ویژه در مواردی که طراحی، زمان‌بندی یا تدارکات در آن دخالت دارند. این متن همچنین برای کسانی که در حال مطالعه تحقیقات عملیاتی هستند، ارزشمند است، زیرا برنامه های آموزشی آنها به ندرت CP را پوشش می دهد، و برای کسانی که علوم کامپیوتر و هوش مصنوعی (AI) مطالعه می کنند، زیرا برنامه های درسی آنها معمولا MP و GO را حذف می کند. این متن همچنین برای تمرین‌کنندگان در هر یک از این زمینه‌ها که می‌خواهند در مورد دیگری بیاموزند مفید است، زیرا نسبت به سایر متون، درمان مختصر و قابل دسترس‌تری ارائه می‌دهد.

این کتاب می‌تواند طیف وسیعی را پوشش دهد. از مواد به این دلیل که بر ایده‌هایی متمرکز است که با روش‌های مورد استفاده در بهینه‌سازی همه منظوره و حل‌کننده‌های محدودیت مرتبط هستند. این کتاب بر ایده‌هایی در پس روش‌هایی تمرکز دارد که در بهینه‌سازی همه‌منظوره و حل‌کننده‌های محدودیت، و همچنین حل‌کننده‌های یکپارچه حال و آینده قابل پیش‌بینی مفید بوده‌اند. نسخه دوم به‌روزرسانی‌ها در این زمینه نتیجه می‌گیرد و چندین موضوع جدید اصلی را شامل می‌شود:

• مواد پس‌زمینه در برنامه‌نویسی خطی، غیرخطی و پویا.
• تئوری جریان شبکه، به دلیل آن اهمیت در فیلتر کردن الگوریتم‌ها.
• فصلی در مورد نظریه دوگانگی تعمیم‌یافته که به‌طور واضح‌تر ساختار الگوریتمی اولیه-دوگانه را برای روش‌های بهینه‌سازی ایجاد می‌کند.
• یک بررسی گسترده از روش‌های جستجو از هر دو MP و هوش مصنوعی، از چارچوب اولیه-دوگانه به عنوان یک اصل سازماندهی استفاده می کند.
• پوشش چندین محدودیت جهانی اضافی که در حل کننده های CP استفاده می شود.

این کتاب همچنان به تمرکز خود ادامه می دهد. دقیقا بر خلاف روش های اکتشافی. می‌توان روش‌های اکتشافی را در طرح وحدت‌بخشی که در کتاب توضیح داده شده است وارد کرد، و نسخه جدید بحث مختصری درباره چگونگی انجام این کار حفظ خواهد کرد.

The first edition of Integrated Methods for Optimization was published in January 2007. Because the book covers a rapidly developing field, the time is right for a second edition. The book provides a unified treatment of optimization methods. It brings ideas from mathematical programming (MP), constraint programming (CP), and global optimization (GO)into a single volume. There is no reason these must be learned as separate fields, as they normally are, and there are three reasons they should be studied together. (1) There is much in common among them intellectually, and to a large degree they can be understood as special cases of a single underlying solution technology. (2) A growing literature reports how they can be profitably integrated to formulate and solve a wide range of problems. (3) Several software packages now incorporate techniques from two or more of these fields.

The book provides a unique resource for graduate students and practitioners who want a well-rounded background in optimization methods within a single course of study. Engineering students are a particularly large potential audience, because engineering optimization problems often benefit from a combined approach—particularly where design, scheduling, or logistics are involved. The text is also of value to those studying operations research, because their educational programs rarely cover CP, and to those studying computer science and artificial intelligence (AI), because their curricula typically omit MP and GO. The text is also useful for practitioners in any of these areas who want to learn about another, because it provides a more concise and accessible treatment than other texts.

The book can cover so wide a range of material because it focuses on ideas that arerelevant to the methods used in general-purpose optimization and constraint solvers. The book focuses on ideas behind the methods that have proved useful in general-purpose optimization and constraint solvers, as well as integrated solvers of the present and foreseeable future. The second edition updates results in this area and includes several major new topics:

• Background material in linear, nonlinear, and dynamic programming.
• Network flow theory, due to its importance in filtering algorithms.
• A chapter on generalized duality theory that more explicitly develops a unifying primal-dual algorithmic structure for optimization methods.
• An extensive survey of search methods from both MP and AI, using the primal-dual framework as an organizing principle.
• Coverage of several additional global constraints used in CP solvers.

The book continues to focus on exact as opposed to heuristic methods. It is possible to bring heuristic methods into the unifying scheme described in the book, and the new edition will retain the brief discussion of how this might be done.