Parallel Genetic Algorithms: Theory and Real World Applications

این کتاب حاصل چندین سال تحقیق است که تلاش می‌کند الگوریتم‌های ژنتیک موازی (pGA) را به‌عنوان ابزاری قدرتمند برای بهینه‌سازی، جستجو و یادگیری توصیف کند. خوانندگان می توانند یاد بگیرند که چگونه کارهای پیچیده را با کاهش زمان محاسباتی زیاد خود حل کنند. پرداختن به دو حوزه علمی (موازی و GA) همیشه دشوار است و کتاب به دنبال معرفی زیبا از مفاهیم اولیه تا موضوعات پیشرفته است.

این ارائه در سه بخش ساختار یافته است. اولین مورد برای خود الگوریتم ها هدف قرار می گیرد و اجزای آنها، موازی سازی فیزیکی و بهترین شیوه ها در استفاده و ارزیابی آنها را مورد بحث قرار می دهد. بخش دوم به تئوری pGA ها می پردازد، با نگاهی به مسائل تئوری به عمل. بخش سوم پایانی یک مطالعه بسیار گسترده در مورد pGAها به عنوان حل‌کننده‌های عملی مسئله ارائه می‌دهد که به حوزه‌هایی مانند پردازش زبان طبیعی، طراحی مدارها، زمان‌بندی و ژنومیک می‌پردازد.

این جلد هم برای محققان و هم برای پزشکان مفید خواهد بود. بخش اول pGA ها را به مبتدیان و محققین بالغی که به دنبال دیدگاه واحدی از دو حوزه هستند نشان می دهد: GAs و موازی سازی. بخش دوم تا حدی خطوط تحقیقاتی جدید را در تئوری pGA ها حل می کند (و همچنین باز می کند). بخش سوم برای خوانندگان علاقه مند به برنامه ها به طور مستقل قابل دسترسی است. نتیجه یک منبع عالی از اطلاعات در مورد وضعیت هنر و پیشرفت‌های آینده در GAهای موازی است.

This book is the result of several years of research trying to better characterize parallel genetic algorithms (pGAs) as a powerful tool for optimization, search, and learning. Readers can learn how to solve complex tasks by reducing their high computational times. Dealing with two scientific fields (parallelism and GAs) is always difficult, and the book seeks at gracefully introducing from basic concepts to advanced topics.

The presentation is structured in three parts. The first one is targeted to the algorithms themselves, discussing their components, the physical parallelism, and best practices in using and evaluating them. A second part deals with the theory for pGAs, with an eye on theory-to-practice issues. A final third part offers a very wide study of pGAs as practical problem solvers, addressing domains such as natural language processing, circuits design, scheduling, and genomics.

This volume will be helpful both for researchers and practitioners. The first part shows pGAs to either beginners and mature researchers looking for a unified view of the two fields: GAs and parallelism. The second part partially solves (and also opens) new investigation lines in theory of pGAs. The third part can be accessed independently for readers interested in applications. The result is an excellent source of information on the state of the art and future developments in parallel GAs.