Parallel and Distributed Computational Intelligence

موفقیت روزافزون الگوریتم های الهام گرفته شده از بیولوژیکی در حل مسائل بزرگ و پیچیده زمینه های تحقیقاتی جالب بسیاری را ایجاد کرده است. در طول سال‌ها، یکی از پایه‌های اصلی در تحقیقات الهام‌گرفته از زیست‌شناسی، بهره‌برداری از محیط‌های موازی و توزیع‌شده برای افزایش سرعت محاسبات و غنی‌سازی الگوریتم‌ها بوده است. از روزهای اولیه تحقیق بر روی الگوریتم‌های الهام‌گرفته از زیست، ماهیت ذاتی موازی آن‌ها شناخته شد و رویکردهای موازی‌سازی مختلف مورد بررسی قرار گرفت. الگوریتم های موازی نوید کاهش زمان اجرا را می دهند و راه را برای حل مسائل بزرگتر باز می کنند. اما پلتفرم‌های موازی همچنین الگوریتم‌های موازی جدید الهام‌گرفته از زیست‌شناسی را الهام می‌بخشند که در عین اینکه شبیه به همتایان متوالی خود هستند، فضاهای جستجو را به‌طور متفاوتی کاوش می‌کنند و بهبودهایی را در کیفیت راه‌حل ارائه می‌دهند.

هدف در ویرایش این کتاب، گردآوری نمونه‌ای از آن بود. بهترین کار به صورت موازی و توزیع شده الگوریتم های الهام گرفته شده از بیولوژیک. ویراستاران از محققان در حوزه های مختلف دعوت کردند تا کار خود را ارسال کنند. هدف آنها گنجاندن موضوعات متنوع برای جذب مخاطبان گسترده بود. برخی از فصل‌ها خلاصه‌ای از کارهایی است که برای چندین سال در حال انجام است، در حالی که برخی دیگر کارهای اکتشافی اخیر را توصیف می‌کنند. در مجموع، این آثار تصویری جهانی از جدیدترین تلاش‌های محققین الگوریتم‌های الهام‌گرفته از زیستی را ارائه می‌دهند که هدفشان سود بردن از معماری‌های کامپیوتری موازی و توزیع‌شده - از جمله GPU، کلاسترها، شبکه‌ها، محاسبات داوطلبانه و شبکه‌های p2p و همچنین پردازنده‌های چند هسته‌ای است. این جلد برای مجموعه گسترده‌ای از خوانندگان، از جمله، اما نه محدود به متخصصان الگوریتم‌های الهام‌گرفته از زیست، محاسبات موازی و توزیع‌شده، و همچنین دانشجویان علوم کامپیوتر که تلاش می‌کنند مسیرهای جدیدی را به سوی هوش محاسباتی بیابند، ارزشمند خواهد بود. P>

The growing success of biologically inspired algorithms in solving large and complex problems has spawned many interesting areas of research. Over the years, one of the mainstays in bio-inspired research has been the exploitation of parallel and distributed environments to speedup computations and to enrich the algorithms. From the early days of research on bio-inspired algorithms, their inherently parallel nature was recognized and different parallelization approaches have been explored. Parallel algorithms promise reductions in execution time and open the door to solve increasingly larger problems. But parallel platforms also inspire new bio-inspired parallel algorithms that, while similar to their sequential counterparts, explore search spaces differently and offer improvements in solution quality.

The objective in editing this book was to assemble a sample of the best work in parallel and distributed biologically inspired algorithms. The editors invited researchers in different domains to submit their work. They aimed to include diverse topics to appeal to a wide audience. Some of the chapters summarize work that has been ongoing for several years, while others describe more recent exploratory work. Collectively, these works offer a global snapshot of the most recent efforts of bioinspired algorithms’ researchers aiming at profiting from parallel and distributed computer architectures—including GPUs, Clusters, Grids, volunteer computing and p2p networks as well as multi-core processors. This volume will be of value to a wide set of readers, including, but not limited to specialists in Bioinspired Algorithms, Parallel and Distributed Computing, as well as computer science students trying to figure out new paths towards the future of computational intelligence.