|
|
| 도서명 | 메타휴리스틱스 |
| 저자 | 김여근 |
| 분류 | [자연] |
| 발행일 | 2016-01-17 |
판형 | 4×6배판 |
| ISBN | 978-89-6849-367-6 (93530) |
| 페이지 | 476 |
정가 | 33,000원 |
|
|
|
|
|
본서에서는 메타휴리스틱스(metaheuristics)의 주요 기법들을 소개한다. 이들 기법의 개념과 이론과 특징, 그리고 그 적용을 쉽게 이해할 수 있도록 설명한다. 특히 메타휴리스틱의 적용에 있어서 알고리즘의 설계와 구현에서 고려해야 하는 요소들에 관심을 갖는다. 본서는 메타휴리스틱스를 하나의 해를 운용하는 기법과 해의 집단을 운용하는 기법으로 크게 나누어 구성되었다. 지금까지 제안된 모든 메타휴리스틱 기법을 다루지 못하지만, 가능한 대표적인 기법들은 소개하려 노력하였다. 단일해 기반의 메타휴리스틱스로는 시뮬레이티드 어닐링(simulated annealing), 타부서치(tabu search), 반복지역탐색(iterated local search), 가변이웃탐색(variable neighborhood search), 유도지역탐색(guided local search)을 다루고 있으며, 집단 기반의 메타휴리스틱스로는 진화알고리즘(evolutionary algorithms), 입자군집최적화(particle swarm optimization), 개미군체최적화(ant colony optimization), 차분진화(differential evolution), 벌군체최적화(bee colony optimization), 화음탐색(harmony search)을 다루고 있다.
본서는 6부 24장으로 구성되어 있다. 제1부는 하나의 장에서 메타휴리스틱스와 최적화에 대한 개요를 설명한다. 제2부는 단일해 기반 메타휴리스틱스로 2장에서 4장에서 고전적 기법인 시뮬레이티드 어닐링과 타부서치를, 그리고 5장에서 반복지역탐색, 가변이웃탐색, 유도지역탐색 기법을 소개한다. 제3부는 진화알고리즘으로 6장에서 12장에서 여러 형태의 진화알고리즘과 그 적용을 소개한다. 특히 이웃 유전알고리즘, 진화전략, 진화프로그래밍, 유전프로그래밍, 공진화알고리즘, 다목적 진화알고리즘을 포함하고 있다. 제4부는 입자군집최적화에 대해 13장에서 16장에서, 제5부는 개미군체최적화에 대해 17장에서 21장에서 비교적 자세히 다루고 있다. 그리고 제6부는 그 외의 집단기반 메타휴리스틱스로 22장에서 24장까지 각 장에서 차분진화, 벌군체최적화, 화음탐색을 다루고 있다.
본서가 산업공학과 컴퓨터공학에서 최적화와 인공지능 분야의 전공자 뿐 아니라, 시스템의 최적화와 적응에 관심이 있는 공학, 자연과학, 사회과학 분야의 연구자에게도 도움이 되기를 기대한다.
|
| 도서소개 인쇄하기
|
|
|
제1부 메타휴리스틱스 서론
제1장 메타휴리스틱스와 최적화 / 19
제2부 단일해 기반 메타휴리스틱스
제2장 시뮬레이티드 어닐링 / 39
제3장 타부서치의 개요 / 57
제4장 타부서치의 주요 주제 / 77
제5장 반복지역탐색, 가변이웃탐색, 유도지역탐색 / 95
제3부 진화알고리즘
제6장 유전알고리즘의 개요 / 113
제7장 유전표현, 유전연산자, 선택전략 / 131
제8장 유전알고리즘의 변형과 확장 / 161
제9장 진화전략, 진화프로그래밍, 유전프로그래밍 / 179
제10장 공진화알고리즘 / 197
제11장 다목적 진화알고리즘 / 231
제12장 진화알고리즘의 적용 / 259
제4부 입자군집최적화
제13장 입자군집최적화의 개요 / 275
제14장 기본 PSO의 변형과 입자 궤적 / 291
제15장 제약 다루기, 군집 다양화, 이산 PSO / 309
제16장 Multimodal PSO와 다목적 PSO / 323
제5부 개미군체최적화
제17장 개미군체최적화의 개요 / 339
제18장 기본 ACO 알고리즘 / 353
제19장 ACO 알고리즘의 수렴 / 371
제20장 여러 형태의 ACO 알고리즘 / 381
제21장 ACO의 적용 / 403
제6부 그 외의 집단 기반 메타휴리스틱스
제22장 차분진화 / 415
제23장 벌군체최적화 / 433
제24장 화음탐색 / 445
참고문헌 / 452
찾아보기 / 470
|
|
|
|
|
|
|
1,162
