Music-inspired harmony search algorithm: theory and applications

حساب دیفرانسیل و انتگرال در حل بسیاری از مسائل علمی و مهندسی استفاده شده است. با این حال، برای مسائل بهینه‌سازی، تکنیک حساب دیفرانسیل گاهی اوقات هنگامی که تابع هدف گام به گام، ناپیوسته یا چندوجهی است، یا زمانی که متغیرهای تصمیم به جای پیوسته گسسته هستند، دارای اشکال است. بنابراین، محققان اخیراً علایق خود را به الگوریتم های فراابتکاری تبدیل کرده اند که از پدیده های طبیعی مانند تکامل، رفتار حیوانات یا بازپخت فلزی الهام گرفته شده است.

این کتاب به ویژه بر الگوریتم فراابتکاری الهام گرفته از موسیقی، جستجوی هارمونی تمرکز دارد. . جالب توجه است که یک قیاس بین موسیقی و بهینه سازی وجود دارد: هر ساز موسیقی با هر متغیر تصمیم مطابقت دارد. نت موسیقی مربوط به مقدار متغیر است. و هارمونی مربوط به بردار راه حل است. درست مانند نوازندگان در بداهه نوازی جاز، نت ها را به صورت تصادفی یا بر اساس تجربیات به منظور یافتن هارمونی فوق العاده می نوازند، متغیرها در الگوریتم جستجوی هارمونی دارای مقادیر تصادفی یا مقادیر خوب از قبل به خاطر سپرده شده برای یافتن راه حل بهینه هستند.

Calculus has been used in solving many scientific and engineering problems. For optimization problems, however, the differential calculus technique sometimes has a drawback when the objective function is step-wise, discontinuous, or multi-modal, or when decision variables are discrete rather than continuous. Thus, researchers have recently turned their interests into metaheuristic algorithms that have been inspired by natural phenomena such as evolution, animal behavior, or metallic annealing.

This book especially focuses on a music-inspired metaheuristic algorithm, harmony search. Interestingly, there exists an analogy between music and optimization: each musical instrument corresponds to each decision variable; musical note corresponds to variable value; and harmony corresponds to solution vector. Just like musicians in Jazz improvisation play notes randomly or based on experiences in order to find fantastic harmony, variables in the harmony search algorithm have random values or previously-memorized good values in order to find optimal solution.