Multi-objective Swarm Intelligence: Theoretical Advances and Applications

هدف این کتاب درک آخرین پیشرفت‌های نظری و عملی هوش ازدحام است. این شامل هفت فصل مرتبط معاصر است. در فصل 1، مروری بر تکنیک های بهینه سازی علوفه یابی باکتری ها (BFO) برای هر دو مسئله معیارهای تک و چندگانه ارائه شده است. یک بررسی در مورد هوش ازدحام برای بهینه سازی اهداف چندگانه و چندگانه در فصل 2 همراه با یک مطالعه موضعی در مورد تجزیه و تحلیل سیگنال EEG ارائه شده است. بدون به خطر انداختن مطالعه شبیه سازی گسترده، یک مطالعه مقایسه ای از انواع MOPSO در فصل 3 ارائه شده است. مشکلات حل نشدنی مانند زیر مجموعه و مسائل زمان بندی کار در فصل های 4 و 7 توسط تکنیک های مختلف هوش ازدحام ترکیبی مورد بحث قرار گرفته اند. تلاشی برای مطالعه افزایش تصویر توسط بهینه سازی کلنی مورچه ها در فصل 5 انجام شده است. در نهایت، فصل 7 جنبه عدم قطعیت در داده ها را توسط PSO ترکیبی پوشش می دهد.

The aim of this book is to understand the state-of-the-art theoretical and practical advances of swarm intelligence. It comprises seven contemporary relevant chapters. In chapter 1, a review of Bacteria Foraging Optimization (BFO) techniques for both single and multiple criterions problem is presented. A survey on swarm intelligence for multiple and many objectives optimization is presented in chapter 2 along with a topical study on EEG signal analysis. Without compromising the extensive simulation study, a comparative study of variants of MOPSO is provided in chapter 3. Intractable problems like subset and job scheduling problems are discussed in chapters 4 and 7 by different hybrid swarm intelligence techniques. An attempt to study image enhancement by ant colony optimization is made in chapter 5. Finally, chapter 7 covers the aspect of uncertainty in data by hybrid PSO.