Natural Computing for Simulation-based Optimization and beyond

این SpringerBrief شکاف بین حوزه‌های مطالعات شبیه‌سازی از یک سو و بهینه‌سازی با محاسبات طبیعی از سوی دیگر را پر می‌کند. از آنجایی که روش‌های محاسبات طبیعی با موفقیت زیادی در چندین زمینه کاربردی به کار گرفته شده‌اند، بررسی در مورد مزایای بالقوه و مشکلات برای مطالعات شبیه‌سازی شایسته است. خلاصه چنین نمای کلی را ارائه می‌کند و آن را با مقدمه‌ای بر محاسبات طبیعی و رویکردهای اصلی انتخاب شده، و همچنین با یک درمان مختصر از بهینه‌سازی مبتنی بر شبیه‌سازی عمومی ترکیب می‌کند. به این ترتیب، این اولین بررسی است که هم پیشینه روش شناختی و هم موارد کاربردی اخیر را پوشش می دهد.
این خلاصه برای خدمت به دو هدف در نظر گرفته شده است: اول، می توان از آن برای به دست آوردن اطلاعات بیشتر در مورد محاسبات طبیعی، گویش های اصلی آن و استفاده از آنها برای مطالعات شبیه سازی استفاده کرد. همچنین حوزه های بهینه سازی چند هدفه و تکامل عصبی را پوشش می دهد. در حالی که مورد دوم به ندرت در ارتباط با مطالعات شبیه سازی ذکر شده است، این یک تکنیک بالقوه قدرتمند است. دوم، مروری بر چندین حوزه بهینه‌سازی مبتنی بر شبیه‌سازی که از مشکلات لجستیک تا وظایف مهندسی را شامل می‌شود، به خواننده ارائه می‌شود. علاوه بر این، خلاصه بر استفاده از مدل‌های جایگزین و متا تمرکز دارد. خلاصه نمونه های کاربردی اخیر را ارائه می دهد.

This SpringerBrief bridges the gap between the areas of simulation studies on the one hand, and optimization with natural computing on the other. Since natural computing methods have been applied with great success in several application areas, a review concerning potential benefits and pitfalls for simulation studies is merited. The brief presents such an overview and combines it with an introduction to natural computing and selected major approaches, as well as with a concise treatment of general simulation-based optimization. As such, it is the first review which covers both the methodological background and recent application cases.
The brief is intended to serve two purposes: First, it can be used to gain more information concerning natural computing, its major dialects, and their usage for simulation studies. It also covers the areas of multi-objective optimization and neuroevolution. While the latter is only seldom mentioned in connection with simulation studies, it is a powerful potential technique. Second, the reader is provided with an overview of several areas of simulation-based optimization which range from logistic problems to engineering tasks. Additionally, the brief focuses on the usage of surrogate and meta-models. The brief presents recent application examples.