Multiscale Optimization Methods and Applications

از آنجایی که محققان بهینه‌سازی با مشکلات بزرگ‌تر و بزرگ‌تری مقابله می‌کنند، تعاملات مقیاس نقش مهمی را ایفا می‌کنند. یک استراتژی کلی برای مقابله با یک مشکل بزرگ یا دشوار این است که آن را به موارد کوچکتر تقسیم کنید، که امیدواریم حل آنها بسیار ساده تر باشد، و سپس به سمت حل مشکل اصلی، با استفاده از راه حلی از سطح قبلی به عنوان حدس اولیه، به سمت عقب حرکت کنید. سطح بعدی این جلد شامل 22 فصل است که برخی از تحقیقات اخیر را برجسته می کند. موضوعات فصل‌های انتخاب‌شده برای این جلد بر توسعه روش‌های راه‌حل جدید، از جمله تکنیک‌های راه‌حل چندسطحی عمومی، برای مقابله با مشکلات بهینه‌سازی در مقیاس بزرگ که در علم و صنعت به وجود می‌آیند، متمرکز است. کاربردهای ارائه شده در این کتاب شامل مشکل قرارگیری مدار در طراحی VLSI، مشکل مکان یابی حسگر بی سیم، دوزهای بهینه در درمان سرطان با پرتودرمانی و مکان یابی است.

مخاطب:
روش‌ها و کاربردهای بهینه‌سازی چندمقیاسی برای دانشجویان تحصیلات تکمیلی و محققان در بهینه‌سازی، علوم کامپیوتر و مهندسی در نظر گرفته شده است.

As optimization researchers tackle larger and larger problems, scale interactions play an increasingly important role. One general strategy for dealing with a large or difficult problem is to partition it into smaller ones, which are hopefully much easier to solve, and then work backwards towards the solution of original problem, using a solution from a previous level as a starting guess at the next level. This volume contains 22 chapters highlighting some recent research. The topics of the chapters selected for this volume are focused on the development of new solution methodologies, including general multilevel solution techniques, for tackling difficult, large-scale optimization problems that arise in science and industry. Applications presented in the book include but are not limited to the circuit placement problem in VLSI design, a wireless sensor location problem, optimal dosages in the treatment of cancer by radiation therapy, and facility location.

Audience:
Multiscale Optimization Methods and Applications is intended for graduate students and researchers in optimization, computer science, and engineering.