Optimization by GRASP: Greedy Randomized Adaptive Search Procedures

این اولین کتابی است که GRASP (روش‌های جستجوی تصادفی تطبیقی ​​حریصانه) را پوشش می‌دهد، یک فراابتکاری که در عمل با طیف گسترده‌ای از کاربردها برای مسائل بهینه‌سازی ترکیبی در دنیای واقعی موفقیت زیادی کسب کرده است. پوشش پیشرفته و سبک آموزشی به دقت طراحی شده، این کتاب را به عنوان یک متن مقدماتی نه تنها برای GRASP، بلکه برای بهینه‌سازی ترکیبی، الگوریتم‌های حریصانه، جستجوی محلی، و پیوند مجدد مسیر، و همچنین برای اکتشافات بسیار قابل دسترس می‌سازد. و فراابتکاری، به طور کلی. تمرکز بر جنبه‌های الگوریتمی و محاسباتی بهینه‌سازی کاربردی با GRASP با تأکید بر کاربر نهایی است و اطلاعات کافی در مورد طیف گسترده پیشرفت‌ها در بهینه‌سازی کاربردی با GRASP ارائه می‌دهد. برای خوانندگان پیشرفته تر، فصول هیبریداسیون با پیوند مجدد مسیر و GRASP موازی و پیوسته این موضوعات را به صورت واضح و مختصر ارائه می کند. علاوه بر این، این کتاب یک کتابشناسی مشروح بسیار کامل از GRASP و بهینه سازی ترکیبی ارائه می دهد. برای تمرین‌کنندگانی که نیاز به حل مسائل بهینه‌سازی ترکیبی دارند، این کتاب فصلی با چهار مطالعه موردی و الگوهای قابل پیاده‌سازی برای همه الگوریتم‌های تحت پوشش در متن ارائه می‌کند. این کتاب، با مروری عالی بر GRASP، برای محققان و دست اندرکاران بهینه سازی ترکیبی که نیاز به یافتن راه حل های بهینه یا نزدیک به بهینه برای مسائل سخت بهینه سازی ترکیبی دارند، جذاب خواهد بود.

This is the first book to cover GRASP (Greedy Randomized Adaptive Search Procedures), a metaheuristic that has enjoyed wide success in practice with a broad range of applications to real-world combinatorial optimization problems. The state-of-the-art coverage and carefully crafted pedagogical style lends this book highly accessible as an introductory text not only to GRASP, but also to combinatorial optimization, greedy algorithms, local search, and path-relinking, as well as to heuristics and metaheuristics, in general. The focus is on algorithmic and computational aspects of applied optimization with GRASP with emphasis given to the end-user, providing sufficient information on the broad spectrum of advances in applied optimization with GRASP. For the more advanced reader, chapters on hybridization with path-relinking and parallel and continuous GRASP present these topics in a clear and concise fashion. Additionally, the book offers a very complete annotated bibliography of GRASP and combinatorial optimization. For the practitioner who needs to solve combinatorial optimization problems, the book provides a chapter with four case studies and implementable templates for all algorithms covered in the text. This book, with its excellent overview of GRASP, will appeal to researchers and practitioners of combinatorial optimization who have a need to find optimal or near optimal solutions to hard combinatorial optimization problems.