کتاب الگوریتم های بهینه سازی الهام گرفته از طبیعت ژین شی یانگ نشر هنر و علوم دانشگاهی

پیچیدگی‌های مدلهای ریاضی بهینه‌سازی، افزایش نمایی زمان حل بسیاری از روشهای قدیمی، عدم دسترسی به اطلاعات گرادیان و همگرایی به بهینه محلی از جمله مشکلاتی هستند که روشهای بهینه سازی کلاسیک در حل مسائل پیچیده با آن‌ها مواجه هستند. با پیچیده‌تر شدن مسائل بهینه‌سازی و عدم کارایی مطلوب روش‌های تحلیلی قدیمی، نیاز به ابزارهای قوی‌تر برای حل این مسائل احساس شده است. در پاسخ به این نیاز، الگوریتم‌های فراکاوشی ظهور پیدا کرده‌اند. این روش‌ها با عملگرهای خاص خود قادر به فرار از بهینه‌های محلی و کشف بهینه سراسری توابع پیچیده هستند و زمان محاسبات مورد نیاز در آن‌ها با افزایش ابعاد مسئله به‌صورت خطی تک یا چند جمله‌ای افزایش می‌یابد. با این حال به دلیل پراکندگی این روش‌ها در تحقیقات مختلف و عدم سازمان‌دهی کامل آن‌ها، محققان شناخت مناسبی از طیف گسترده این الگوریتم‌ها و سازوکار و ویژگی‌های این الگوریتم‌ها ندارند. در این کتاب سعی شده است در فصلهای مجزا شماری از مهم‌ترین و کاربردی‌ترین الگوریتم‌های بهینه‌سازی فراکاوشی که عموماً الهام گرفته از طبیعت هستند معرفی گردیده و ویژگی‌های اصلی آن‌ها همچون سازوکار جستجوی فضای مسئله بهینه‌سازی، عملگرهای اساسی و منبع الهام هر یک شرح داده شود. بعضی وجوه تمایز این الگوریتم‌ها مانند قابلیت جستجوی محلی و سراسری، تنظیم پارامترها و نحوه پیاده‌سازی در کدهای برنامه‌نویسی در محیط متلب نیز ارائه شده است. همچنین، در این کتاب مروری جامع مشتمل بر ۵۰۰ کتاب و مقاله‌های کنفرانسی و پژوهشی مرتبط با الگوریتم‌های بهینه‌سازی فراکاوشی ارائه شده است. مؤلف این کتاب (Xin-She Yang) از جمله برجسته‌ترین محققان در سطح دنیا در مسائل مربوط به الگوریتمهای بهینه‌سازی است. مترجمین نیز با سعی تمام در تعهد به حفظ امانتدارانه متن اصلی کتاب اقدام به ترجمه آن کرده‌اند. این کتاب برای کلیه مهندسین و محققین علاقه‌مند به مسائل بهینه‌سازی مفید و کاربردی است. همچنین دانشجویان مقاطع تحصیلات تکمیلی رشته‌های فنی و مهندسی که تحقیق و پژوهش آن‌ها به‌نوعی با مسائل بهینه‌سازی سروکار دارد می‌توانند از مطالب ارائه شده در این کتاب استفاده لازم را ببرند. امید است این کتاب، در آموزش و پژوهش بر روی روشهای بهینه سازی الهام گرفته از طبیعت مورد استفاده قرار گرفته و در توسعه مدل‌های بهینه‌سازی مؤثر واقع شود.