Computational Intelligence for Optimization

زمینه بهینه‌سازی ماهیت بین‌رشته‌ای است و تأثیر قابل توجهی بر بسیاری از رشته‌ها گذاشته است. در نتیجه، ابزاری ضروری برای بسیاری از پزشکان در زمینه های مختلف است. تکنیک های بهینه سازی مرسوم به خوبی تثبیت شده و به طور گسترده در بسیاری از کتاب های درسی عالی منتشر شده است. با این حال، تکنیک‌های جدیدی مانند شبکه‌های عصبی، آنیل شبیه‌سازی شده، ماشین‌های تصادفی، نظریه میدان میانگین و الگوریتم‌های ژنتیک وجود دارد که ثابت شده است که در حل مسائل بهینه‌سازی جهانی موثر هستند. این کتاب در نظر گرفته شده است تا با تأکید بر نظریه ریاضی، توضیحاتی فنی در مورد پیشرفت‌های پیشرفته در تکنیک‌های بهینه‌سازی پیشرفته، به‌ویژه جستجوی اکتشافی، شبکه‌های عصبی، بازپخت شبیه‌سازی شده، ماشین‌های تصادفی، نظریه میدان میانگین و الگوریتم‌های ژنتیک ارائه دهد. ، پیاده سازی و کاربردهای عملی. این متن برای دوره تحصیلات تکمیلی سال اول در مهندسی برق و کامپیوتر، علوم کامپیوتر و برنامه های تحقیقاتی عملیاتی مناسب است. همچنین ممکن است به عنوان مرجعی برای مهندسان، دانشمندان، محققان عملیاتی و سایر متخصصان استفاده شود. این کتاب حاصل چند درس موضوعی خاص است که ما در پنج سال گذشته تدریس کرده‌ایم. علاوه بر این، نتایج بسیاری از تحقیقات بین رشته ای ما در مورد این موضوع را شامل می شود. تکنیک‌های بهینه‌سازی پیشرفته فوق‌الذکر در دهه گذشته مورد توجه فزاینده‌ای قرار گرفته‌اند، اما کتاب‌های نسبتا کمی تولید شده‌اند.

The field of optimization is interdisciplinary in nature, and has been making a significant impact on many disciplines. As a result, it is an indispensable tool for many practitioners in various fields. Conventional optimization techniques have been well established and widely published in many excellent textbooks. However, there are new techniques, such as neural networks, simulated anneal­ ing, stochastic machines, mean field theory, and genetic algorithms, which have been proven to be effective in solving global optimization problems. This book is intended to provide a technical description on the state-of-the-art development in advanced optimization techniques, specifically heuristic search, neural networks, simulated annealing, stochastic machines, mean field theory, and genetic algorithms, with emphasis on mathematical theory, implementa­ tion, and practical applications. The text is suitable for a first-year graduate course in electrical and computer engineering, computer science, and opera­ tional research programs. It may also be used as a reference for practicing engineers, scientists, operational researchers, and other specialists. This book is an outgrowth of a couple of special topic courses that we have been teaching for the past five years. In addition, it includes many results from our inter­ disciplinary research on the topic. The aforementioned advanced optimization techniques have received increasing attention over the last decade, but relatively few books have been produced.