State of the Art in Global Optimization: Computational Methods and Applications

مشکلات بهینه‌سازی در بیشتر زمینه‌های علوم، مهندسی و فناوری وجود دارد. در بسیاری از این مسائل، محاسبه بهینه جهانی (یا تقریب خوب) یک تابع چند متغیره ضروری است. متغیرهایی که تابع بهینه سازی را تعریف می کنند می توانند پیوسته و/یا گسسته باشند و علاوه بر این، بارها محدودیت های خاصی را برآورده کنند. مسائل بهینه سازی جهانی به کلاس پیچیدگی مسائل NP-hard تعلق دارند. حل چنین مشکلاتی بسیار دشوار است. الگوریتم‌های بهینه‌سازی نزول سنتی مبتنی بر اطلاعات محلی برای حل این مشکلات کافی نیستند. در بیشتر موارد مورد علاقه عملی، تعداد بهینه های محلی، در سن متوسط، به صورت تصاعدی با اندازه مسئله (تعداد متغیرها) افزایش می یابد. علاوه بر این، بسیاری از رویکردهای سنتی در فرار از یک بهینه محلی به منظور ادامه جستجو برای راه حل جهانی شکست خورده اند. بهینه‌سازی جهانی در ده سال گذشته به دلیل موفقیت الگوریتم‌های جدید برای حل کلاس‌های بزرگی از مسائل از حوزه‌های مختلف مانند طراحی و کنترل مهندسی، شیمی محاسباتی و زیست‌شناسی، بهینه‌سازی ساختاری، علوم کامپیوتر، تحقیقات عملیاتی توجه زیادی را به خود جلب کرده است. ، و اقتصاد. این کتاب حاوی مقالات دعوت شده توسط داوری است که در کنفرانس «وضعیت هنر در بهینه‌سازی جهانی: روش‌ها و کاربردهای محاسباتی» که در دانشگاه پرینستون، 28 تا 30 آوریل 1995 برگزار شد، ارائه شده است. کاربرد در علم و مهندسی مقالات موجود در این کتاب طیف گسترده ای از رویکردها را برای حل مسائل و برنامه های بهینه سازی جهانی پوشش می دهد.

Optimization problems abound in most fields of science, engineering, and tech­ nology. In many of these problems it is necessary to compute the global optimum (or a good approximation) of a multivariable function. The variables that define the function to be optimized can be continuous and/or discrete and, in addition, many times satisfy certain constraints. Global optimization problems belong to the complexity class of NP-hard prob­ lems. Such problems are very difficult to solve. Traditional descent optimization algorithms based on local information are not adequate for solving these problems. In most cases of practical interest the number of local optima increases, on the aver­ age, exponentially with the size of the problem (number of variables). Furthermore, most of the traditional approaches fail to escape from a local optimum in order to continue the search for the global solution. Global optimization has received a lot of attention in the past ten years, due to the success of new algorithms for solving large classes of problems from diverse areas such as engineering design and control, computational chemistry and biology, structural optimization, computer science, operations research, and economics. This book contains refereed invited papers presented at the conference on "State of the Art in Global Optimization: Computational Methods and Applications" held at Princeton University, April 28-30, 1995. The conference presented current re­ search on global optimization and related applications in science and engineering. The papers included in this book cover a wide spectrum of approaches for solving global optimization problems and applications.