Modern Music-Inspired Optimization Algorithms for Electric : Modeling, Analysis and Practice

در دنیای امروز، با افزایش وسعت و دامنه مسائل بهینه سازی مهندسی در دنیای واقعی و همچنین با ظهور کلان داده ها، بهبود عملکرد و کارایی الگوریتم ها برای حل چنین مسائلی به نیاز ضروری متخصصان تبدیل شده است. و محققان برخلاف کتاب‌های مرسوم در این زمینه که از الگوریتم‌های بهینه‌سازی محاسباتی، تک بعدی و تک‌مرحله‌ای سنتی استفاده می‌کنند، این کتاب به چندین معماری جدید برای الگوریتم‌های بهینه‌سازی متا ابتکاری الهام گرفته از موسیقی می‌پردازد. این الگوریتم‌های پیشنهادی، با ساختارهای محاسباتی چند مرحله‌ای، چند بعدی و چند ناهمگن، جهت جدیدی را در معماری الگوریتم‌های فراابتکاری برای حل پیچیده، دنیای واقعی، مقیاس بزرگ، غیر محدب، غیرمجاز ایجاد می‌کنند. -مسائل بهینه سازی مهندسی صاف که ماهیت غیر خطی و مختلط با داده های بزرگ دارند. معماری این الگوریتم‌های جدید ممکن است برای یافتن راه‌حل بهینه یا مجموعه راه‌حل بهینه پارتو با دقت و سرعت بالاتر در مقایسه با سایر الگوریتم‌های بهینه‌سازی مناسب باشد، زمانی که مناطق امکان‌پذیر فضای حل و/یا ابعاد مسئله بهینه‌سازی افزایش می‌یابد. .
این کتاب برخلاف کتاب‌های معمولی در مورد مسائل سیستم‌های قدرت که فقط مدل‌های ساده و غیر عملی را در نظر می‌گیرند، به مدل‌های پیچیده، فنی-اقتصادی، دنیای واقعی و در مقیاس بزرگ از عملیات و برنامه‌ریزی سیستم‌های قدرت می‌پردازد. ایده‌های کاربردی نوآورانه در این مدل‌ها، این کتاب را به منبعی با ارزش برای متخصصان و محققان با پیشینه در عملیات و برنامه‌ریزی سیستم‌های قدرت تبدیل می‌کند.

• درکی از مسائل و الگوریتم‌های بهینه‌سازی، به ویژه ارائه می‌کند. الگوریتم‌های بهینه‌سازی فراابتکاری که در زمینه‌هایی مانند مهندسی، اقتصاد، مدیریت و تحقیقات عملیات یافت می‌شوند؛
  
• معماری‌های موجود را بهبود می‌بخشد و معماری‌های نوآورانه‌ای را برای الگوریتم‌های بهینه‌سازی فراابتکاری الهام گرفته از موسیقی ایجاد می‌کند تا با مسائل بهینه سازی مهندسی پیچیده، دنیای واقعی، در مقیاس بزرگ، غیر محدب و غیر هموار که ماهیت غیر خطی و مختلط با داده های بزرگ دارند؛
  
• به چند-مختصر نوآورانه می پردازد. چارچوب‌های سطح، فنی-اقتصادی، دنیای واقعی، مقیاس بزرگ، محاسباتی-منطقی برای عملیات و برنامه‌ریزی سیستم‌های قدرت، و آموزش عملی پیاده‌سازی چارچوب‌ها را با استفاده از الگوریتم‌های بهینه‌سازی متا ابتکاری الهام گرفته از موسیقی نشان می‌دهد.
  </ li>

In today’s world, with an increase in the breadth and scope of real-world engineering optimization problems as well as with the advent of big data, improving the performance and efficiency of algorithms for solving such problems has become an indispensable need for specialists and researchers. In contrast to conventional books in the field that employ traditional single-stage computational, single-dimensional, and single-homogeneous optimization algorithms, this book addresses multiple newfound architectures for meta-heuristic music-inspired optimization algorithms. These proposed algorithms, with multi-stage computational, multi-dimensional, and multi-inhomogeneous structures, bring about a new direction in the architecture of meta-heuristic algorithms for solving complicated, real-world, large-scale, non-convex, non-smooth engineering optimization problems having a non-linear, mixed-integer nature with big data. The architectures of these new algorithms may also be appropriate for finding an optimal solution or a Pareto-optimal solution set with higher accuracy and speed in comparison to other optimization algorithms, when feasible regions of the solution space and/or dimensions of the optimization problem increase.
This book, unlike conventional books on power systems problems that only consider simple and impractical models, deals with complicated, techno-economic, real-world, large-scale models of power systems operation and planning. Innovative applicable ideas in these models make this book a precious resource for specialists and researchers with a background in power systems operation and planning.

• Provides an understanding of the optimization problems and algorithms, particularly meta-heuristic optimization algorithms, found in fields such as engineering, economics, management, and operations research;
  
• Enhances existing architectures and develops innovative architectures for meta-heuristic music-inspired optimization algorithms in order to deal with complicated, real-world, large-scale, non-convex, non-smooth engineering optimization problems having a non-linear, mixed-integer nature with big data;
  
• Addresses innovative multi-level, techno-economic, real-world, large-scale, computational-logical frameworks for power systems operation and planning, and illustrates practical training on implementation of the frameworks using the meta-heuristic music-inspired optimization algorithms.