Stochastic Global Optimization

این کتاب تحولات روش شناختی و نظری اصلی در بهینه سازی جهانی تصادفی را ارائه می دهد. متن گسترده به چهار فصل تقسیم شده است. موضوعات شامل اصول و روش های اساسی جستجوی تصادفی جهانی، استنتاج آماری در جستجوی تصادفی، روش های جستجوی تصادفی مارکوی و مبتنی بر جمعیت، روش های مبتنی بر مدل های آماری توابع چندوجهی و اصول تئوری تصمیم گیری های منطقی است.

ویژگی‌های کلیدی:

* با توضیح واضح اصول روش‌شناختی و ویژگی‌های روش‌ها، خوانندگان را برمی‌انگیزد تا روش‌های مختلف تصادفی بهینه‌سازی جهانی را کشف کنند؛

* شامل مطالعه جامعی از مدل‌های احتمالی و آماری زیربنای الگوریتم‌های بهینه‌سازی تصادفی؛

* تکنیک‌های پیچیده‌تری از جمله پوشش‌های تصادفی و نیمه تصادفی، طرح‌های نمونه‌گیری طبقه‌ای، الگوریتم‌های مارکوین و الگوریتم‌های مبتنی بر جمعیت را گسترش می‌دهد.

*توضیح کاملی از روش‌های مبتنی بر مدل‌های آماری تابع هدف ارائه می‌دهد؛

*درباره معیارهای ارزیابی کارایی الگوریتم‌های بهینه‌سازی و مشکلات پیش‌آمده در بهینه‌سازی جهانی کاربردی بحث می‌کند.

بهینه سازی جهانی تصادفی برای محققان بالغ و دانشجویان فارغ التحصیل علاقه مند به بهینه سازی جهانی، تحقیق در عملیات، علوم کامپیوتر، احتمالات، آمار، ریاضیات محاسباتی و کاربردی، مهندسی مکانیک و شیمی و بسیاری از زمینه های دیگر در نظر گرفته شده است که در آن روش های می توان از بهینه سازی جهانی استفاده کرد.

This book presents the main methodological and theoretical developments in stochastic global optimization. The extensive text is divided into four chapters; the topics include the basic principles and methods of global random search, statistical inference in random search, Markovian and population-based random search methods, methods based on statistical models of multimodal functions and principles of rational decisions theory.

Key features:

* Inspires readers to explore various stochastic methods of global optimization by clearly explaining the main methodological principles and features of the methods;

* Includes a comprehensive study of probabilistic and statistical models underlying the stochastic optimization algorithms;

* Expands upon more sophisticated techniques including random and semi-random coverings, stratified sampling schemes, Markovian algorithms and population based algorithms;

*Provides a thorough description of the methods based on statistical models of objective function;

*Discusses criteria for evaluating efficiency of optimization algorithms and difficulties occurring in applied global optimization.

Stochastic Global Optimization is intended for mature researchers and graduate students interested in global optimization, operations research, computer science, probability, statistics, computational and applied mathematics, mechanical and chemical engineering, and many other fields where methods of global optimization can be used.