دانلود کتاب Genetic algorithms and fuzzy multiobjective optimization

ترجمه فارسی توضیحات (ترجمه ماشینی)

الگوریتم های ژنتیک و بهینه سازی چندهدفه فازی

از زمان معرفی الگوریتم های ژنتیک در دهه 1970، تعداد زیادی مقاله همراه با چندین تک نگاری و کتاب در مورد این روش شناسی منتشر شده است. در نتیجه، الگوریتم‌های ژنتیک سهم عمده‌ای در بهینه‌سازی، سازگاری و یادگیری در طیف گسترده‌ای از زمینه‌های غیرمنتظره داشته‌اند. در طول سال ها، بسیاری از کتاب های عالی در بهینه سازی الگوریتم ژنتیک منتشر شده است. با این حال، آنها عمدتاً بر روی مسائل بهینه سازی گسسته تک هدفه یا سایر مسائل سخت تحت اطمینان تمرکز می کنند. به نظر می رسد هیچ کتابی برای ارائه الگوریتم های ژنتیک برای حل مسائل بهینه سازی نه تنها تک هدفه بلکه فازی و چندهدفه به صورت یکپارچه طراحی نشده باشد. الگوریتم‌های ژنتیک و بهینه‌سازی چندهدفه فازی آخرین پیشرفت‌ها را در زمینه بهینه‌سازی الگوریتم ژنتیک برای برنامه‌نویسی 0-1، برنامه‌نویسی عدد صحیح، برنامه‌نویسی غیر محدب و مسائل زمان‌بندی کارگاهی تحت چندهدفه و فازی معرفی می‌کند. علاوه بر این، کتاب طیف گسترده ای از برنامه های کاربردی واقعی واقعی را بررسی می کند. مواد نظری و برنامه‌های کاربردی تاکید ویژه‌ای بر جنبه‌های تصمیم‌گیری تعاملی بهینه‌سازی چندهدفه فازی برای سیستم‌های انسان محور در بیشتر موقعیت‌های واقعی هنگام برخورد با فازی دارند. خوانندگان مورد نظر این کتاب دانشجویان ارشد، دانشجویان کارشناسی ارشد، پژوهشگران و دست اندرکاران در زمینه های تحقیق در عملیات، علوم کامپیوتر، مهندسی صنایع، علوم مدیریت، مهندسی سیستم ها و سایر رشته های مهندسی هستند که با موضوعات برنامه نویسی چندهدفه سروکار دارند. مسائل بهینه سازی گسسته یا دیگر سخت تحت فازی. برنامه های کاربردی تحقیق دنیای واقعی در سراسر کتاب برای نشان دادن ارائه استفاده شده است. این برنامه ها از مشکلات پیچیده استخراج شده اند. به عنوان مثال می توان به برنامه ریزی انعطاف پذیر در یک مرکز ماشین آلات، برنامه ریزی عملیاتی نیروگاه های گرمایش و سرمایش منطقه ای، و برنامه ریزی خرید زغال سنگ در یک نیروگاه برق واقعی اشاره کرد.

Genetic algorithms and fuzzy multiobjective optimization

Since the introduction of genetic algorithms in the 1970s, an enormous number of articles together with several significant monographs and books have been published on this methodology. As a result, genetic algorithms have made a major contribution to optimization, adaptation, and learning in a wide variety of unexpected fields. Over the years, many excellent books in genetic algorithm optimization have been published; however, they focus mainly on single-objective discrete or other hard optimization problems under certainty. There appears to be no book that is designed to present genetic algorithms for solving not only single-objective but also fuzzy and multiobjective optimization problems in a unified way. Genetic Algorithms And Fuzzy Multiobjective Optimization introduces the latest advances in the field of genetic algorithm optimization for 0-1 programming, integer programming, nonconvex programming, and job-shop scheduling problems under multiobjectiveness and fuzziness. In addition, the book treats a wide range of actual real world applications. The theoretical material and applications place special stress on interactive decision-making aspects of fuzzy multiobjective optimization for human-centered systems in most realistic situations when dealing with fuzziness. The intended readers of this book are senior undergraduate students, graduate students, researchers, and practitioners in the fields of operations research, computer science, industrial engineering, management science, systems engineering, and other engineering disciplines that deal with the subjects of multiobjective programming for discrete or other hard optimization problems under fuzziness. Real world research applications are used throughout the book to illustrate the presentation. These applications are drawn from complex problems. Examples include flexible scheduling in a machine center, operation planning of district heating and cooling plants, and coal purchase planning in an actual electric power plant.