چکیده:
پیچیدگی و دشواری روزافزون مسائل بهینه‌سازی که بشر با آن مواجه است، تقاضا برای الگوریتمهای
بهینه‌سازی کارآمد و دقیق را به طور قابل‌توجهی افزایش داده است. در طول دو دهه گذشته، تکنیک‌های
بهینه‌سازی تصادفی الهام‌گرفته از طبیعت به‌طور گسترده برای حل مسائل مختلف در علم و صنعت استفاده
شده‌اند.
آنها در واقع جایگزین های قابل اعتمادی برای الگوریتم های بهینه سازی سنتی شده اند. علیرغم محبوبیت و
تأثیر قابل توجه چنین روش هایی، بهینه سازی مسائل دنیای واقعی شامل پرداختن به تعداد زیادی از مشکلات
است، از جمله راه حل های بهینه محلی، اهداف متعدد، محدودیت ها، توابع هدف بسیار پیچیده، داده های نویزی،
فضاهای جستجوی پویا و غیر مقید.
در این سخنرانی، ابتدا چنین مشکلاتی همراه با تأثیر آنها بر کل فرآیند بهینه سازی ارائه می شود. سپس
ایده جریان‌های کاری بهینه‌سازی چابک و تکراری بین کارشناسان بهینه‌سازی و تصمیم‌گیرندگان برای اطمینان
از استفاده مؤثر از الگوریتمهای بهینه‌سازی و به حداقل رساندن خطر شکست مورد بحث قرار می‌گیرد.. سپس
چالش‌ها و پیشرفت‌های اخیر در طراحی و توسعه الگوریتمهای بهینه‌سازی دقیق، اکتشافی، فراابتکاری و
فراابتکاری شرح داده خواهد شد و نهایتا اطلاعاتی در مورد دلیل اینکه چرا اکثر الگوریتمهای بهینه‌سازی
اخیر تمایل به الهام از طبیعت دارند و آینده تحقیقات در این حوزه ارائه خواهد شد.
لینک دانلود