Principles in Noisy Optimization: Applied to Multi-agent Coordination

بهینه سازی پر سر و صدا موضوعی است که مورد توجه محققانی است که روی مسائل بهینه سازی جریان اصلی کار می کنند. اگرچه چندین تکنیک برای مقابله با نویز تصادفی در مسائل بهینه‌سازی در مجلات و مقالات کنفرانس پوشش داده شده است، امروزه تقریباً هیچ کتابی وجود ندارد که بهینه‌سازی پر سر و صدا را از دیدگاه افراد غیرمعمول انجام دهد. این کتاب این شکاف را برطرف می کند.

با شروع به‌منظور بهینه‌سازی تکاملی، این کتاب متعاقباً به بررسی اصول بهینه‌سازی پر سر و صدا در تنظیمات تک و چند هدفه می‌پردازد و تصاویر دقیقی از اصول توسعه‌یافته برای کاربرد در هماهنگی چند عامله در دنیای واقعی ارائه می‌کند. چالش ها و مسائل. تاکید ویژه بر طراحی الگوریتم های هوشمند برای بهینه سازی نویز در برنامه های بلادرنگ داده شده است. این کتاب از نظر محتوا، سبک نگارش و مهمتر از همه سادگی، منحصر به فرد است، که برای خوانندگانی با زمینه های مختلف جذاب خواهد بود.

این کتاب در 7 فصل تقسیم شده است که فصل اول ارائه می دهد. مقدمه‌ای بر الگوریتم‌های Swarm و بهینه‌سازی تکاملی فصل 2 شامل بررسی کامل معماری های عامل برای هماهنگی چند عامل است. به نوبه خود، فصل 3 بررسی گسترده ای از بهینه سازی نویز ارائه می دهد، در حالی که فصل 4 به مسائل مربوط به مدیریت نویز در زمینه مسائل بهینه سازی تک هدفه می پردازد. یک مطالعه موردی گویا در مورد برنامه ریزی مسیر چند روباتی در حضور نویز اندازه گیری نیز در این فصل برجسته شده است. فصل 5 به بهینه سازی چند هدفه پر سر و صدا می پردازد و شامل یک مطالعه موردی در مورد فشار دادن جعبه چند ربات نویزدار است. در فصل 6، نویسندگان دامنه الگوریتم های مختلف در مسائل بهینه سازی نویز را بررسی می کنند. در نهایت، فصل 7 نتایج اصلی به‌دست‌آمده در فصل‌های قبلی را خلاصه می‌کند و در مورد پتانسیل کتاب با توجه به مسائل بهینه‌سازی پر سر و صدا در دنیای واقعی توضیح می‌دهد.

Noisy optimization is a topic of growing interest for researchers working on mainstream optimization problems. Although several techniques for dealing with stochastic noise in optimization problems are covered in journals and conference proceedings, today there are virtually no books that approach noisy optimization from a layman’s perspective; this book remedies that gap.

Beginning with the foundations of evolutionary optimization, the book subsequently explores the principles of noisy optimization in single and multi-objective settings, and presents detailed illustrations of the principles developed for application in real-world multi-agent coordination problems. Special emphasis is given to the design of intelligent algorithms for noisy optimization in real-time applications. The book is unique in terms of its content, writing style and above all its simplicity, which will appeal to readers with a broad range of backgrounds.

The book is divided into 7 chapters, the first of which provides an introduction to Swarm and Evolutionary Optimization algorithms. Chapter 2 includes a thorough review of agent architectures for multi-agent coordination. In turn, Chapter 3 provides an extensive review of noisy optimization, while Chapter 4 addresses issues of noise handling in the context of single-objective optimization problems. An illustrative case study on multi-robot path-planning in the presence of measurement noise is also highlighted in this chapter. Chapter 5 deals with noisy multi-objective optimization and includes a case study on noisy multi-robot box-pushing. In Chapter 6, the authors examine the scope of various algorithms in noisy optimization problems. Lastly, Chapter 7 summarizes the main results obtained in the previous chapters and elaborates on the book’s potential with regard to real-world noisy optimization problems.