دانلود کتاب Multiobjective Optimization: Interactive and Evolutionary Approaches

ترجمه فارسی توضیحات (ترجمه ماشینی)

بهینه سازی چند هدفه: رویکردهای تعاملی و تکاملی

بهینه‌سازی چندهدفه به حل مسائلی می‌پردازد که نه تنها یک معیار، بلکه چندین معیار و اغلب متناقض دارند. چنین مشکلاتی می تواند عملاً در هر زمینه ای از علم، مهندسی و تجارت ایجاد شود و نیاز به روش های راه حل کارآمد و قابل اعتماد در حال افزایش است. این کار به دلیل این واقعیت چالش برانگیز است که به جای یک راه حل بهینه واحد، بهینه سازی چند هدفه منجر به تعدادی راه حل با مبادلات مختلف در بین معیارها می شود که به عنوان راه حل های بهینه یا کارآمد پارتو نیز شناخته می شود. از این رو، یک تصمیم گیرنده برای ارائه اطلاعات ترجیحی اضافی و شناسایی رضایت بخش ترین راه حل مورد نیاز است. بسته به پارادایم مورد استفاده، چنین اطلاعاتی ممکن است قبل، در طول یا بعد از فرآیند بهینه‌سازی معرفی شوند. واضح است که تحقیق و کاربرد در بهینه‌سازی چندهدفه شامل تخصص در بهینه‌سازی و همچنین پشتیبانی تصمیم می‌شود.

این نظرسنجی پیشرفته از سمینار بین‌المللی رویکردهای عملی برای بهینه‌سازی چندهدفه، که در Dagstuhl برگزار شد، نشات می‌گیرد. Castle، آلمان، در دسامبر 2006، که متخصصان برجسته از زمینه های مختلف بهینه سازی چندهدفه معاصر، از جمله بهینه سازی چندهدفه تکاملی (EMO)، تصمیم گیری معیارهای چندگانه (MCDM) و کمک به تصمیم گیری چند معیاره (MCDA) را گرد هم آورد.

این کتاب گزارش منحصر به فرد و مفصلی از وضعیت فعلی تحقیقات و برنامه های کاربردی در زمینه بهینه سازی چند هدفه ارائه می دهد. این شامل 16 فصل است که در 5 بخش موضوعی زیر گروه بندی شده اند: مبانی بهینه سازی چند هدفه. رویکردهای تعاملی اخیر و مبتنی بر اولویت. تجسم راه حل ها؛ مدل سازی، پیاده سازی و کاربردها؛ و ارزیابی کیفیت، یادگیری، و چالش های آینده.

Multiobjective Optimization: Interactive and Evolutionary Approaches

Multiobjective optimization deals with solving problems having not only one, but multiple, often conflicting, criteria. Such problems can arise in practically every field of science, engineering and business, and the need for efficient and reliable solution methods is increasing. The task is challenging due to the fact that, instead of a single optimal solution, multiobjective optimization results in a number of solutions with different trade-offs among criteria, also known as Pareto optimal or efficient solutions. Hence, a decision maker is needed to provide additional preference information and to identify the most satisfactory solution. Depending on the paradigm used, such information may be introduced before, during, or after the optimization process. Clearly, research and application in multiobjective optimization involve expertise in optimization as well as in decision support.

This state-of-the-art survey originates from the International Seminar on Practical Approaches to Multiobjective Optimization, held in Dagstuhl Castle, Germany, in December 2006, which brought together leading experts from various contemporary multiobjective optimization fields, including evolutionary multiobjective optimization (EMO), multiple criteria decision making (MCDM) and multiple criteria decision aiding (MCDA).

This book gives a unique and detailed account of the current status of research and applications in the field of multiobjective optimization. It contains 16 chapters grouped in the following 5 thematic sections: Basics on Multiobjective Optimization; Recent Interactive and Preference-Based Approaches; Visualization of Solutions; Modelling, Implementation and Applications; and Quality Assessment, Learning, and Future Challenges.