Nature-Inspired Computing and Optimization: Theory and Applications

این کتاب تصویری فوری از وضعیت هنر در زمینه محاسبات الهام گرفته از طبیعت و کاربرد آن در بهینه سازی در اختیار خوانندگان قرار می دهد. این رویکرد عمدتاً تمرین محور است: هر تکنیک یا الگوریتم الهام گرفته از زیستی همراه با یکی از کاربردهای احتمالی آن معرفی شده است. برنامه‌ها طیف گسترده‌ای از مشکلات بهینه‌سازی در دنیای واقعی را پوشش می‌دهند: از انتخاب ویژگی و بهبود تصویر گرفته تا زمان‌بندی و مدیریت منابع پویا، از شبکه‌های حسگر بی‌سیم و تشخیص شبکه سیم‌کشی تا برنامه‌ریزی تمرین ورزشی و بیان ژن، از کنترل توپولوژی و فیلترهای مورفولوژیکی تا وعده‌های غذایی تغذیه‌ای. طراحی و طراحی آرایه آنتن. چند فصل نظری برای مقایسه تکنیک‌های مختلف موجود، کاوش در مزایای محاسبات الهام‌گرفته از طبیعت نسبت به روش‌های دیگر، و بررسی زمان اختلاط الگوریتم‌های ژنتیک وجود دارد. این کتاب همچنین طیف گسترده ای از الگوریتم ها را معرفی می کند، از جمله بهینه سازی کلونی مورچه ها، الگوریتم خفاش، الگوریتم های ژنتیک، الگوریتم بهینه سازی مبتنی بر برخورد، الگوریتم گرده افشانی گل، سیستم های چند عاملی و بهینه سازی ازدحام ذرات. این کتاب به‌موقع به‌عنوان یک راهنمای مرجع تمرین‌محور برای دانشجویان، محققان و متخصصان در نظر گرفته شده است.

The book provides readers with a snapshot of the state of the art in the field of nature-inspired computing and its application in optimization. The approach is mainly practice-oriented: each bio-inspired technique or algorithm is introduced together with one of its possible applications. Applications cover a wide range of real-world optimization problems: from feature selection and image enhancement to scheduling and dynamic resource management, from wireless sensor networks and wiring network diagnosis to sports training planning and gene expression, from topology control and morphological filters to nutritional meal design and antenna array design. There are a few theoretical chapters comparing different existing techniques, exploring the advantages of nature-inspired computing over other methods, and investigating the mixing time of genetic algorithms. The book also introduces a wide range of algorithms, including the ant colony optimization, the bat algorithm, genetic algorithms, the collision-based optimization algorithm, the flower pollination algorithm, multi-agent systems and particle swarm optimization. This timely book is intended as a practice-oriented reference guide for students, researchers and professionals.