Computational Intelligence in Optimization - 9783642263613

Optimizācija ir zinātnes un inženierzinātņu neatņemama sastāvdaļa. Lielākā daļa reālās pasaules lietojumprogrammu ietver sarežģītus optimizācijas procesus, kurus ir grūti atrisināt bez uzlabotiem skaitļošanas rīkiem. Pieaugot izaicinājumiem, kas saistīti ar pašreizējo lietojumprogrammu optimizācijas mērķiem, pastāv spēcīga virzība uz priekšu zinātnes optimizētāju izstrādē. Izaicinājumi, ko rada jaunās problēmas, ietver: * objektīvas funkcijas, kuru novērtēšana ir pārmērīgi dārga, tāpēc visas meklēšanas laikā var tikt veikts tikai neliels skaits objektīvu funkciju novērtējumu, * objektīvas funkcijas, kas ir ļoti multimodālas vai pārtrauktas, un * nestacionāras problēmas, kas var mainīties laika gaitā (dinamiskas). ). Saskaroties ar šādām problēmām, klasiskie optimizētāji var darboties slikti vai pat nevar nodrošināt uzlabojumus salīdzinājumā ar sākuma vektoru. Tas ir motivējis pētniekus izpētīt skaitļošanas inteliģences (CI) izmantošanu, lai paplašinātu klasiskās metodes šādu izaicinošu problēmu risināšanā. Šādas metodes ietver uz populāciju balstītas meklēšanas metodes, piemēram: a) evolūcijas algoritmus un daļiņu spietu optimizāciju un b) nelineāro kartēšanu un zināšanu iegulšanas pieejas, piemēram, ciālo neironu tīklu un izplūdušo loģiku, lai nosauktu tikai dažas. Ir pierādīts, ka šādas pieejas labi darbojas sarežģītos apstākļos. Konkrēti, CI ir spēcīgi rīki, kas sniedz vairākus potenciālus ieguvumus, piemēram: a) robustumu (uzliek nelielas prasības mērķa funkcijai vai tās nav vispār); b) daudzpusība (apstrādā ļoti nelineārus kartējumus) c) pašpielāgošanās spējai. uzlabot veiktspēju un d) darboties paralēli (lai būtu viegli sadalīt sarežģītus uzdevumus). Tomēr veiksmīga CI metožu pielietošana reālās pasaules problēmām nav vienkārša un prasa gan ekspertu zināšanas, gan izmēģinājumu un kļūdu eksperimentus.