Stochastic Global Optimization and Its Applications with Fuzzy Adaptive Simulated Annealing

بهینه‌سازی جهانی تصادفی موضوع بسیار مهمی است که تقریباً در تمام زمینه‌های علم و فناوری کاربرد دارد. بنابراین هیچ چیز مناسب‌تر از نوشتن کتابی درباره یک الگوریتم موفق و بالغ نیست که ابزار خوبی برای حل مسائل دشوار است. در اینجا چند تکنیک برای حل چندین مسئله با استفاده از آنیل سازی فازی تطبیقی ​​(Fuzzy ASA)، یک نسخه کنترل شده با فازی از ASA و توسط خود ASA ارائه می کنیم. ASA یک الگوریتم بهینه‌سازی جهانی پیچیده است که بر اساس ایده‌هایی از پارادایم بازپخت شبیه‌سازی شده، کدگذاری شده در زبان برنامه‌نویسی C است و برای یافتن آماری بهترین تناسب جهانی یک تابع هزینه غیرخطی محدود و غیر محدب در فضای چند بعدی توسعه یافته است. با ارائه مثال‌های دقیق از کاربرد آن، می‌خواهیم شهود خواننده را تحریک کنیم و استفاده از Fuzzy ASA (یا ASA معمولی) را برای همه افرادی که مایل به استفاده از این ابزار برای حل مشکلات هستند آسان‌تر کنیم. ما الزامات ریاضی رسمی را به حداقل رساندیم و روی مسائل مستمر تمرکز کردیم، اگرچه ASA قادر است وظایف بهینه سازی گسسته را نیز انجام دهد. این کتاب می تواند توسط محققان و دست اندرکاران مهندسی و صنعت، در دوره های بهینه سازی برای سطوح پیشرفته کارشناسی و کارشناسی ارشد و همچنین برای مطالعه خود مورد استفاده قرار گیرد.

Stochastic global optimization is a very important subject, that has applications in virtually all areas of science and technology. Therefore there is nothing more opportune than writing a book about a successful and mature algorithm that turned out to be a good tool in solving difficult problems. Here we present some techniques for solving several problems by means of Fuzzy Adaptive Simulated Annealing (Fuzzy ASA), a fuzzy-controlled version of ASA, and by ASA itself. ASA is a sophisticated global optimization algorithm that is based upon ideas of the simulated annealing paradigm, coded in the C programming language and developed to statistically find the best global fit of a nonlinear constrained, non-convex cost function over a multi-dimensional space. By presenting detailed examples of its application we want to stimulate the reader’s intuition and make the use of Fuzzy ASA (or regular ASA) easier for everyone wishing to use these tools to solve problems. We kept formal mathematical requirements to a minimum and focused on continuous problems, although ASA is able to handle discrete optimization tasks as well. This book can be used by researchers and practitioners in engineering and industry, in courses on optimization for advanced undergraduate and graduate levels, and also for self-study.