Introduction to Evolutionary Computing (Natural Computing) 2nd Edition

by A E Eiben (Author), J E Smith (Author)

توضیحات فارسی

کتاب «مقدمه‌ای بر محاسبات تکاملی (از مجموعه محاسبات طبیعی) – ویرایش دوم» نوشته آی. ای. ایبن و جی. ای. اسمیت، یکی از منابع بنیادی و مرجع در حوزه‌ی هوش مصنوعی و الگوریتم‌های الهام‌گرفته از طبیعت است. این اثر به‌صورت جامع مفاهیم نظری و کاربردی محاسبات تکاملی را توضیح می‌دهد؛ شاخه‌ای از علوم رایانه که از اصول زیست‌شناسی تکاملی برای حل مسائل پیچیده محاسباتی استفاده می‌کند.

نویسندگان با زبانی روان و ساختاری منظم، مباحثی چون الگوریتم‌های ژنتیک، برنامه‌نویسی تکاملی، استراتژی‌های تکاملی، و الگوریتم‌های ژنتیکی چندهدفه را معرفی می‌کنند. همچنین، مباحث جدیدی مانند بهینه‌سازی چندمعیاره، تکامل جمعیتی و تعامل میان الگوریتم‌های هوشمند و محیط‌های پویا در این ویرایش دوم گنجانده شده است.

کتاب علاوه بر تشریح دقیق مبانی ریاضی و نظری، نمونه‌های متعددی از کاربردهای واقعی محاسبات تکاملی در زمینه‌هایی مانند طراحی مهندسی، رباتیک، یادگیری ماشین و تحلیل داده‌ها ارائه می‌دهد. هر فصل با تمرین‌ها و مثال‌های آموزشی همراه است که فهم عمیق‌تر مفاهیم را ممکن می‌سازد.

این اثر برای دانشجویان کارشناسی ارشد و دکتری علوم رایانه، پژوهشگران هوش مصنوعی، و مهندسان نرم‌افزار منبعی کلیدی به شمار می‌آید و به‌عنوان یکی از مراجع اصلی در آموزش و پژوهش الگوریتم‌های الهام‌گرفته از طبیعت شناخته می‌شود.

توضیحات انگلیسی

Introduction to Evolutionary Computing (Natural Computing, 2nd Edition) by A. E. Eiben and J. E. Smith is a foundational and widely acclaimed textbook in the field of artificial intelligence and nature-inspired algorithms. This comprehensive guide introduces the principles, theory, and applications of evolutionary computing, a computational paradigm that draws on the mechanisms of biological evolution to solve complex optimization and search problems.

The book systematically covers key evolutionary techniques, including genetic algorithms, evolutionary strategies, genetic programming, and multi-objective optimization. The second edition expands on modern topics such as dynamic environments, population-based methods, hybrid algorithms, and real-world applications.

Combining theoretical rigor with practical insight, the authors provide numerous examples, illustrations, and exercises to help readers grasp both the mathematical foundations and the implementation details of evolutionary algorithms. The text also highlights how these techniques are applied across disciplines — from engineering design and robotics to data mining and machine learning.

Ideal for graduate students, researchers, and professionals in computer science and related fields, this book serves as a definitive introduction and reference for anyone seeking to understand or apply evolutionary computation in research or practice.