Metaheuristics for Dynamic Optimization

این کتاب تلاشی به روز شده در خلاصه کردن موضوعات پرطرفدار و خطوط جدید تحقیقاتی داغ در حل مسائل پویا با استفاده از فراابتکاری است. تجزیه و تحلیل وضعیت فعلی در حل مسائل پیچیده به سرعت تصویر روشنی را ترسیم می کند: مشکلاتی که در زمان تغییر می کنند، داشتن نویز و عدم قطعیت در تعریف آنها بسیار مهم می شوند. ابزارهایی برای رویارویی با این مشکلات هنوز باید ساخته شوند، زیرا تکنیک های موجود در ردیابی بهینه جهانی بسیاری که آن مسائل به تکنیک حل کننده ارائه می دهند، کند یا ناکارآمد هستند.

بنابراین، این کتاب به این موضوع اختصاص دارد. شامل چندین مورد از مهم ترین پیشرفت ها در حل مسائل پویا است. فراابتکاری ابزارهای محبوب‌تری برای این منظور هستند، و سپس می‌توانیم در کتاب نحوه استفاده بهینه از الگوریتم‌های ژنتیک، ازدحام ذرات، کلنی‌های مورچه‌ها، سیستم‌های ایمنی، جستجوی محله‌های متغیر و بسیاری از تکنیک‌های الهام‌گرفته از زیستی را در کتاب بیابیم. همچنین راهکارهای شبکه عصبی در این کتاب در نظر گرفته شده است.

در فصول کتاب به هر دو نظریه و عمل پرداخته شده است. پیشینه ریاضی و ابزارهای روش شناختی در حل این دسته جدید از مسائل و کاربردها گنجانده شده است. از نقطه نظر کاربردها، نه تنها به معیارهای آکادمیک پرداخته می شود، بلکه کاربردهای دنیای واقعی در لجستیک و بیوانفورماتیک نیز در اینجا مورد بحث قرار می گیرد. سپس این کتاب تئوری و عمل و همچنین بهینه‌سازی پویا گسسته در مقابل پیوسته را با هدف ایجاد یک حجم تازه و جامع پوشش می‌دهد. این کتاب برای مبتدیان و متخصصان باتجربه در بهینه‌سازی پویا هدف قرار گرفته است، زیرا ما مراقبت از فصل‌ها را به گونه‌ای طراحی کرده‌ایم که مخاطبان وسیعی بتوانند از مطالب آن سود ببرند. ما امیدواریم که یک منبع واحد برای اطلاعات به‌روز در بهینه‌سازی پویا، یک حوزه تحقیقاتی جدید الهام‌بخش و جذاب که در این سال‌های گذشته ظاهر شد و در حال ماندن است، ارائه دهیم.

This book is an updated effort in summarizing the trending topics and new hot research lines in solving dynamic problems using metaheuristics. An analysis of the present state in solving complex problems quickly draws a clear picture: problems that change in time, having noise and uncertainties in their definition are becoming
very important. The tools to face these problems are still to be built, since existing techniques are either slow or inefficient in tracking the many global optima that those problems are presenting to the solver technique.

Thus, this book is devoted to include several of the most important advances in solving dynamic problems. Metaheuristics are the more popular tools to this end, and then we can find in the book how to best use genetic algorithms, particle swarm, ant colonies, immune systems, variable neighborhood search, and many other bioinspired
techniques. Also, neural network solutions are considered in this book.

Both, theory and practice have been addressed in the chapters of the book. Mathematical background and methodological tools in solving this new class of problems and applications are included. From the applications point of view, not just academic benchmarks are dealt with, but also real world applications in logistics and bioinformatics
are discussed here. The book then covers theory and practice, as well as discrete versus continuous dynamic optimization, in the aim of creating a fresh and comprehensive volume. This book is targeted to either beginners and experienced practitioners in dynamic optimization, since we took care of devising the chapters in a way that a wide audience could profit from its contents. We hope to offer a single source for up-to-date information in dynamic optimization, an inspiring and attractive new research domain that appeared in these last years and is here to stay.