Learning in Economics: Analysis and Application of Genetic Algorithms

این کتاب به استفاده از الگوریتم های ژنتیک در تحقیقات اقتصادی نظری اختصاص دارد. الگوریتم‌های ژنتیک شانس غلبه بر محدودیت‌هایی را ارائه می‌دهند که قابلیت حمل‌پذیری ریاضی سنتی در تحقیقات اقتصادی ایجاد می‌کند و بنابراین افق‌های جدیدی را برای تئوری اقتصادی باز می‌کند. این کتاب روابط نزدیک بین نظریه یادگیری اقتصادی از طریق الگوریتم های ژنتیک، نظریه بازی های پویا و اقتصاد تکاملی را نشان می دهد.
الگوریتم های ژنتیک در اینجا به عنوان استعاره برای فرآیندهای یادگیری اجتماعی و فردی در اقتصاد معرفی می شوند. این کتاب شرح ساده ای از ساختارهای اساسی الگوریتم های ژنتیک اقتصادی و به دنبال آن تجزیه و تحلیل عمیق اصول کار آنها ارائه می دهد. چندین مدل اقتصادی شناخته شده برای ترکیب الگوریتم های ژنتیک بازسازی شده اند. بنابراین الگوریتم‌های ژنتیک به یافتن نتایج واقعاً جدید مشکلات اقتصادی شناخته شده کمک می‌کنند.

The book is dedicated to the use of genetic algorithms in theoretical economic research. Genetic algorithms offer the chance of overcoming the limitations traditional mathematical tractability puts on economic research and thus open new horzions for economic theory. The book reveals close relationships between the theory of economic learning via genetic algorithms, dynamic game theory, and evolutionary economics.
Genetic algorithms are here introduced as metaphors for processes of social and individual learning in economics. The book gives a simple description of the basic structures of economic genetic algorithms, followed by an in-depth analysis of their working principles. Several well-known economic models are reconstructed to incorporate genetic algorithms. Genetic algorithms thus help to find genuinely new results of well-known economic problems.