Reactive Search and Intelligent Optimization

ویرایش: 1 
نویسندگان: Roberto Battiti,  Mauro Brunato,  Franco Mascia (auth.)  
سری: Operations Research/Computer Science Interfaces Series 45 
ISBN (شابک) : 9780387096230, 9780387096247 
ناشر: Springer US 
سال نشر: 2009 
تعداد صفحات: 197 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 6 مگابایت 

قیمت کتاب (تومان) : 32,000



جستجوی واکنشی تکنیک‌های یادگیری ماشینی فرعی نمادین را در اکتشافات جستجو برای حل مسائل پیچیده بهینه‌سازی ادغام می‌کند. با تنظیم خودکار پارامترهای کاری، جستجوی واکنشی خود تنظیم و تطبیق می‌یابد، تا زمانی که راه‌حلی پیدا شود، به طور موثر با انجام کار یاد می‌گیرد. بهینه سازی هوشمند، ابرمجموعه ای از جستجوی واکنشی، به طرح های آنلاین و آفلاین مبتنی بر استفاده از حافظه، انطباق، توسعه تدریجی مدل ها، الگوریتم های آزمایشی اعمال شده برای بهینه سازی، تنظیم هوشمند و طراحی اکتشافی مربوط می شود.

جستجوی واکنشی و بهینه سازی هوشمند مقدمه ای عالی برای اصول اصلی جستجوی واکنشی و همچنین تلاشی است. برای ایجاد شهود تازه برای رویکردها. این کتاب به احتمالات مختلف بهینه‌سازی با تأکید بر فرصت‌های یادگیری و استراتژی‌های خود تنظیم نگاه می‌کند. در حالی که بیشتر بر روی روش‌ها تمرکز می‌شود تا روی مسائل، مشکلات در هر جایی که به واضح‌تر شدن بحث کمک می‌کنند، یا زمانی که یک مسئله خاص به طور گسترده توسط جستجوی واکنشی و اکتشافی بهینه‌سازی هوشمند مورد مطالعه قرار گرفته است، معرفی می‌شوند.

<. P>فصل های فردی را پوشش می دهد که به محله واکنش نشان می دهد. واکنش در برنامه بازپخت. ممنوعیت های واکنشی؛ جستجوی مبتنی بر مدل؛ واکنش بر روی تابع هدف؛ روابط بین جستجوی واکنشی و یادگیری تقویتی؛ و خیلی بیشتر. هر فصل برای نشان دادن مسائل و الگوریتم های اساسی طراحی شده است. پارامترهای حیاتی برای موفقیت روش های مختلف مورد بحث؛ و فرصت ها و طرح هایی برای تنظیم خودکار این پارامترها. هر کسی که در زمینه تصمیم گیری در تجارت، مهندسی، اقتصاد یا علم کار می کند، اطلاعات زیادی را در اینجا پیدا می کند.

Reactive Search integrates sub-symbolic machine learning techniques into search heuristics for solving complex optimization problems. By automatically adjusting the working parameters, a reactive search self-tunes and adapts, effectively learning by doing until a solution is found. Intelligent Optimization, a superset of Reactive Search, concerns online and off-line schemes based on the use of memory, adaptation, incremental development of models, experimental algorithms applied to optimization, intelligent tuning and design of heuristics.

Reactive Search and Intelligent Optimization is an excellent introduction to the main principles of reactive search, as well as an attempt to develop some fresh intuition for the approaches. The book looks at different optimization possibilities with an emphasis on opportunities for learning and self-tuning strategies. While focusing more on methods than on problems, problems are introduced wherever they help make the discussion more concrete, or when a specific problem has been widely studied by reactive search and intelligent optimization heuristics.

Individual chapters cover reacting on the neighborhood; reacting on the annealing schedule; reactive prohibitions; model-based search; reacting on the objective function; relationships between reactive search and reinforcement learning; and much more. Each chapter is structured to show basic issues and algorithms; the parameters critical for the success of the different methods discussed; and opportunities and schemes for the automated tuning of these parameters. Anyone working in decision making in business, engineering, economics or science will find a wealth of information here.

Front Matter....Pages 1-9
Introduction: Machine Learning for Intelligent Optimization....Pages 1-8
Reacting on the neighborhood....Pages 1-15
Reacting on the Annealing Schedule....Pages 1-9
Reactive Prohibitions....Pages 1-24
Reacting on the Objective Function....Pages 1-9
Reacting on the Objective Function....Pages 1-13
Supervised Learning....Pages 1-33
Reinforcement Learning....Pages 1-12
Algorithm Portfolios and Restart Strategies....Pages 1-11
Racing....Pages 1-9
Teams of Interacting Solvers....Pages 1-12
Metrics, Landscapes and Features....Pages 1-14
Open Problems....Pages 1-3
Back Matter....Pages 1-16