Nowoczesne metody optymalizacji globalnej.
Metaheurystyki populacyjne

Niniejsza ksiazka poświęcona jest metodom inspirowanym natura w jej biologicznym aspekcie, które operują na grupie punktów równolegle przeszukujących przestrzeń zawierającą wszystkie rozwiązania zadania optymalizacyjnego. Algorytmy te, przez analogie do populacji biologicznych, zwane są populacyjnymi. Prezentowany materiał zorganizowano w ośmiu rozdziałach i uzupełniono obszernym spisem literatury przedmiotu. SPIS TREŚCI 1. Wstęp 2. Preliminaria 2.1. Optymalizacja 2.2 Funkcje celu i powierzchnie odpowiedzi 2.3. Twierdzenie No free lunch 3. Heurystyki i metaheurystyki 3.1. Definicje 3.2. Klasyfikacja metaheurystyk 3.3. Metaheurystyki popularcyjne 3.4. Eksploracja i eksploatacja 3.5. Analiza teoretyczna metaheurystyk 3.6. Parametry 4. Algorytmy ewolucyjne 4.1. Inspiracje 4.2. Ogólne idee 4.3. Główne rodzaje algorytmów ewolucyjnych 4.4. Mechanizmy ewolucji 4.5. Analiza teoretyczna 5. Ewolucja różnicowa 5.1. Inspiracje 5.2. Podstawowe idee 5.3. Schematy algorytmów różnicowych 5.4. Parametry 5.5. Warianty algorytmów różnicowych 5.6. Analiza teoretyczna 6. Optymalizacja rojem cząstek 6.1. Inspiracje 6.2. Podstawowe idee 6.3. Parametry metody 6.4. Topologie sąsiedztwa 6.5. Stagnacja i inne ograniczenia 6.6. Warianty i wersje hybrydowe 6.7. Analiza teoretyczna 7. Algorytmy mrówkowe 7.1. Inspiracje 7.2. Podstawowe idee 7.3. Warianty i wersje hybrydowe 7.4. Analiza teoretyczna 8. Inne metaheurystyki populacyjne 8.1. Algorytmy pszczół 8.2. Algorytmy świetlikowe 8.3. Algorytmy kukułcze