Meta-heuristic and evolutionary algorithms for engineering optimization

Contents......Page 3
Preface......Page 12
Figures......Page 14
Optimization......Page 19
Formulation of various Engineering Optimization Problems......Page 25
Searching the Decision Space for Optimal Solutions......Page 34
Meta-Heuristic & Evolutionary Algorithms Terms......Page 37
Meta-Heuristic & Evolutionary Algorithms Principles......Page 42
Meta-Heuristic & Evolutionary Algorithms Classification......Page 44
Meta-Heuristic & Evolutionary Algorithms in Discrete or Continuous Domains......Page 45
Constraints......Page 46
Selection of Solutions in each Iteration......Page 50
Generating new Solutions......Page 51
Termination Criteria......Page 52
Performance Evaluation of Meta-Heuristic & Evolutionary Algorithms......Page 53
Search Strategies......Page 56
Refs......Page 58
Pattern Search......Page 59
PS Fundamentals......Page 60
Generating Trial Solutions......Page 63
Termination Criteria......Page 66
PS Pseudocode......Page 67
Refs......Page 68
Genetic Algorithm......Page 69
Mapping GA to Natural Evolution......Page 70
Selection of Parents for new Generation......Page 72
Reproduction......Page 75
GA User Parameters......Page 79
GA Pseudocode......Page 80
Refs......Page 81
Simulated Annealing......Page 84
Mapping SA Algorithm to Physical Annealing Process......Page 85
Generating new State......Page 87
Acceptance Function......Page 89
Temperature Reduction......Page 90
SA User Parameters......Page 91
Refs......Page 92
Tabu Search......Page 94
TS Foundation......Page 95
Neighboring Points......Page 97
Updating Tabu List......Page 99
Attributive Memory......Page 100
TS User Parameters......Page 102
TS Pseudocode......Page 103
Refs......Page 104
Ant Colony Optimization......Page 106
Mapping ACO to Ants Foraging Behavior......Page 107
Creating initial Population......Page 109
Allocating Pheromone to Decision Space......Page 111
Generation of new Solutions......Page 113
ACO User Parameters......Page 114
ACO Pseudocode......Page 115
Refs......Page 116
Particle Swarm Optimization......Page 118
Mapping PSO to Social Behavior of Animals......Page 119
Individual & Global Best Positions......Page 122
Velocities of Particles......Page 124
PSO User Parameters......Page 125
PSO Pseudocode......Page 126
Refs......Page 127
Differential Evolution......Page 129
DE Fundamentals......Page 130
Creating initial Population......Page 132
Generating Trial Solutions......Page 133
DE User Parameters......Page 134
Refs......Page 135
Harmony Search......Page 137
Inspiration of the Harmony Search (HS)......Page 138
Initializing the Harmony Memory......Page 139
Generating new Harmonies (Solutions)......Page 141
Updating the Harmony Memory......Page 143
HS Pseudocode......Page 144
Refs......Page 145
Shuffled Frog-Leaping Algorithm......Page 147
Mapping Memetic Evolution of Frogs to SFLA......Page 148
Classifying Frogs into Memeplexes......Page 151
Frog Leaping......Page 152
Shuffling Process......Page 154
SFLA Pseudocode......Page 155
Refs......Page 156
Honey-Bee Mating Optimization......Page 158
Mapping HBMO to Honey-Bee Colony Structure......Page 159
Creating initial Population......Page 161
Drone Selection......Page 163
Brood (New Solution) Production......Page 165
Improving Broods by Workers......Page 168
HBMO Pseudocode......Page 169
Refs......Page 171
Invasive Weed Optimization......Page 175
Mapping IWO to Weeds Biology......Page 176
Reproduction......Page 179
Spread of Seeds......Page 180
Eliminating Weeds with Low Fitness......Page 181
IWO Pseudocode......Page 182
Refs......Page 183
Central Force Optimization......Page 186
Mapping CFO to Newton Gravitational Law......Page 187
Initializing the Position of Probes......Page 188
Calculation of Accelerations......Page 191
Modification of Deviated Probes......Page 192
CFO User Parameters......Page 193
Refs......Page 194
Biogeography-based Optimization......Page 196
Mapping BBO to Biogeography Concepts......Page 197
Creating initial Population......Page 199
Migration Process......Page 200
Mutation......Page 202
BBO User Parameters......Page 203
BBO Pseudocode......Page 204
Refs......Page 205
Firefly Algorithm......Page 206
Mapping FA to Characteristics of Fireflies......Page 207
Creating initial Population......Page 209
Distance & Movement......Page 210
FA User Parameters......Page 211
Refs......Page 212
Gravity Search Algorithm......Page 214
Mapping GSA to Law of Gravity......Page 215
Creating initial Population......Page 216
Updating Velocities & Positions......Page 218
Updating Newton Gravitational Factor......Page 219
GSA Pseudocode......Page 220
Refs......Page 221
Bat Algorithm......Page 223
Mapping BA to Behavior of Microbats......Page 224
Creating initial Population......Page 225
Movement of Virtual Bats......Page 227
Loudness & Pulse Emission......Page 228
BA Pseudocode......Page 229
Refs......Page 230
Mapping the Natural Process to PPA......Page 232
Normalizing the Fitness Function......Page 235
Propagation......Page 236
PPA User Parameters......Page 237
PPA Pseudocode......Page 238
Refs......Page 239
Water Cycle Algorithm......Page 240
Mapping WCA to the Water Cycle......Page 241
Creating initial Population......Page 242
Classification of Raindrops......Page 244
Streams Flowing to Rivers or Sea......Page 245
Evaporation......Page 246
Raining Process......Page 247
WCA Pseudocode......Page 248
Refs......Page 249
Mapping Symbiotic Relations to Symbiotic Organisms Search (SOS)......Page 250
Creating initial Ecosystem......Page 251
Mutualism......Page 253
Parasitism......Page 254
SOS Pseudocode......Page 255
Refs......Page 256
Comprehensive Evolutionary Algorithm......Page 257
Fundamentals of CEA......Page 258
Selection......Page 261
Reproduction......Page 263
Operators Roles......Page 270
Input Data to CEA......Page 271
Termination Criteria......Page 272
CEA Pseudocode......Page 273
Refs......Page 274
Index......Page 275