کتاب الگوریتم های بهینه سازی الهام گرفته از طبیعت

کتاب الگوریتم های بهینه سازی الهام گرفته از طبیعت را ژین شی یانگ نوشته، مجتبی شوریان و مریم جوان صالحی آن را ترجمه کرده‌اند و انتشارات هنر و علوم دانشگاهی آن را منتشر کرده است. این کتاب به تشریح و تبیین انواع الگوریتم‌های ریاضی و نحوۀ استفاده از آن‌ها برای بهینه‌سازی فرایندهای مهندسی می پردازد.

درباره کتاب الگوریتم های بهینه سازی الهام گرفته از طبیعت

ریاضیات نه یک عنوان درسی از سال‌های ابتدایی تحصیل در دوران کودکی تا دانشگاه که روشی برای تفکر و تدبر بیشتر و عمیق‌تر در طبیعت و جهان هستی و تلاش برای کشف رازهای نهفته در آفرینش به منظور به‌کارگیری آن‌ها در زندگی است. از این رو نیاز است تا متخصصان این حوزه که در نقش برنا‌مه‌ریز و محقق و ایده‌پرداز طرح‌های پژوهشی فعالیت می‌‌کنند، الگوریتم‌ها و الگوهای پیدا و پنهان ریاضی در طبیعت را شناخته و مطالعه کنند تا بتوانند به بهینه‌سازی و پیاده کردن این الگوها بپردازند. کتاب الگوریتم های بهینه سازی الهام گرفته از طبیعت به‌قلم ژین شی یانگ و ترجمهٔ مجتبی شوریان و مریم جوان صالحی در ۱۶ فصل به معرفی، توضیح و تشریح انواع الگوریتم‌ها و نحوهٔ به‌کارگیری آن‌ها در حیطه‌هایی از قبیل برنامه‌نویسی پرداخته و در تدوین و ارائهٔ مطالب علاوه بر متن اصلی کتاب به مقالات روز دنیا نیز داشته است.

خواندن کتاب الگوریتم‌های بهینه‌سازی الهام گرفته از طبیعت را به چه کسانی پیشنهاد می‌کنیم

مطالعهٔ این کتاب برای مهندسان و محققان علاقه‌مند به مسائل بهینه‌سازی و دانشجویان مقاطع تحصیلات تکمیلی رشته‌های فنی‌مهندسی که در این حوزه مشغول و علاقه‌مند به پژوهش هستند؛ مفید و کاربردی‌ست.

بخشی از کتاب الگوریتم‌های بهینه سازی الهام گرفته از طبیعت

«طبیعت میلیاردها سال تکامل یافته است و منبع غنی الهام است. محققان برای توسعهٔ طیف متنوعی از الگوریتم‌ها با درجات موفقیت متفاوت، الهام‌های مختلفی گرفته‌اند. الگوریتم‌های بهینه‌سازی الهام‌گرفته از طبیعت در حال گسترش است. از جمله الگوریتم ژنتیک، بازپخت شبیه‌سازی‌شده، بهینه‌سازی کلونی مورچه‌ها، الگوریتم خفاش، جست‌وجوی فاخته، الگوریتم کرم شب‌تاب، بهینه‌سازی ازدحام دستهٔ ذرات، الگوریتم گرده‌افشانی گل، جست‌وجوی گرانشی و بسیاری دیگر. این الگوریتم‌ها ساده، تطبیق‌پذیر و درعین‌حال به‌اندازهٔ‌کافی برای مقابله با طیف گسترده‌ای از مسائل بهینه‌سازی، هوش محاسباتی، داده‌کاوی و یادگیری ماشین کارآمد هستند. پیشرفت قابل‌توجهی در سه‌دههٔ اخیر در این زمینه حاصل شده است.»