Multiobjective Problem Solving from Nature: From Concepts to Applications

مسائل چندهدفه شامل چندین معیار رقابتی کیفیت راه حل هستند و الگوریتم های تکاملی چندهدفه (MOEA) و حل مسئله چندهدفه به موضوعات مهم تحقیق در جامعه محاسبات تکاملی در 10 سال گذشته تبدیل شده اند. این یک متن پیشرفته برای محققان و متخصصان در زمینه جستجو و بهینه‌سازی است.

این کتاب بر چگونگی استفاده از MOEA و تکنیک‌های مرتبط برای حل مشکلات، به‌ویژه در رشته‌های علوم و مهندسی تمرکز دارد. مشارکت‌های محققان برجسته نشان می‌دهد که چگونه می‌توان از مفاهیم بهینه‌سازی چندهدفه برای فرمول‌بندی مجدد و حل مشکلات در حوزه‌های گسترده‌ای مانند بهینه‌سازی محدود، تکامل همزمان، طبقه‌بندی، مدل‌سازی معکوس و طراحی استفاده کرد. این کتاب از متون دیگر در مورد MOEA متمایز است زیرا اساساً در مورد الگوریتم‌ها و برنامه‌های کاربردی خاص نیست، بلکه در مورد مفاهیم و فرآیندهای درگیر در حل مسائل با استفاده از رویکرد چندهدفه است. هر فصل به مفاهیم و مضامین اصلی و عمیق کتاب کمک می کند: ارزیابی سودمندی رویکرد چند هدفه. بحث در مورد فرمول های مشکل جایگزین؛ نشان دادن اینکه چگونه فرمول بندی مسئله بر فرآیند جستجو تأثیر می گذارد. و بررسی انتخاب راه حل و تصمیم گیری.

این کتاب برای محققان، پزشکان و دانشجویان فارغ التحصیل که با حل مسئله مبتنی بر بهینه سازی درگیر هستند مفید خواهد بود. برای کارشناسان بهینه سازی چندهدفه، این کتاب یک گزارش به روز از موضوعات در حال ظهور و پیشرفته است. برای دیگران، این کتاب نشان می‌دهد که چگونه رویکرد چندهدفه می‌تواند به بینش‌های تازه‌ای منجر شود.

Multiobjective problems involve several competing measures of solution quality, and multiobjective evolutionary algorithms (MOEAs) and multiobjective problem solving have become important topics of research in the evolutionary computation community over the past 10 years. This is an advanced text aimed at researchers and practitioners in the area of search and optimization.

The book focuses on how MOEAs and related techniques can be used to solve problems, particularly in the disciplines of science and engineering. Contributions by leading researchers show how the concepts of multiobjective optimization can be used to reformulate and resolve problems in broad areas such as constrained optimization, coevolution, classification, inverse modelling and design. The book is distinguished from other texts on MOEAs in that it is not primarily about the algorithms, nor specific applications, but about the concepts and processes involved in solving problems using a multiobjective approach. Each chapter contributes to the central, deep concepts and themes of the book: evaluating the utility of the multiobjective approach; discussing alternative problem formulations; showing how problem formulation affects the search process; and examining solution selection and decision making.

The book will be of benefit to researchers, practitioners and graduate students engaged with optimization-based problem solving. For multiobjective optimization experts, the book is an up-to-date account of emerging and advanced topics; for others, the book indicates how the multiobjective approach can lead to fresh insights.