Parallel Metaheuristics: A New Class of Algorithms

Description:

With the proliferation of parallel computers and faster community networks, parallel metaheuristics are an effective alternative to speed up the search for approximate solutions of optimizations problems and allow solving larger problems while leading to more efficient algorithms.

Parallel Metaheuristics provides a single, up-to-date reference on parallel metaheuristic issues:

• Edited single source to fill a gap on metaheuristics by discussing parallelism (contributors are authors of outstanding cutting-edge works in the field)
• Includes sequential and parallel techniques, up-to-date modern optimization and learning procedures, and complex applications.
• Real-world problem solutions throughout
• For researchers in the field and with introductory parts suited for beginners

 

Table of Contents:

Foreword.

Preface

Contributors.

PART I: INTRODUCTION TO METAHEURISITICS AND PARALLELISM.

1. An Introduction to Metaheuristic Techniques (C. Blum, et al.).

2. Measuring the Performance of Parallel Metaheuristics (E. Alba & G. Luque).

3. New Technologies in Parallelism (E. Alba & A. Nebro).

4. Metaheuristics and Parallelism (E. Alba, et al.). 

PART II: PARALLEL METAHEURISTIC MODELS.

5. Parallel Genetic Algorithms (G. Luque, et al.).

6. Parallel Genetic Programming (F. Fernández, et al.).

7. Parallel Evolution Strategies (G. Rudolph).

8. Parallel Ant Colony Algorithms (S. Janson, et al.).

9. Parallel Estimation of Distribution Algorithms (J. Madera, et al.).

10. Parallel Scatter Search (F. Garcia, et al.).

11. Parallel Variable Neighborhood Search (J. Moreno-Pérez, et al.).

12. Parallel Simulated Annealing (M. Aydin, V. Yigit).

13. Parallel Tabu Search (T. Crainic, et al.).

14. Parallel Greedy Randomized Adaptive Search Procedures (M. Resende & C. Ribeiro).

15. Parallel Hybrid Metaheuristics (C. Cotta, et al.). 

16. Parallel MultiObjective Optimization (A. Nebro, et al.).

17. Parallel Heterogeneous Metaheuristics (F. Luna, et al.).

PART III: THEORY AND APPLICATIONS.

18. Theory of Parallel Genetic Algorithms (E. Cantú-Paz).

19. Parallel Metaheuristics Applications (T. Crainic & N. Hail).

20. Parallel Metaheuristics in Telecommunications (S. Nesmachnow, et al.).

21. Bioinformatics and Parallel Metaheuristics (O. Trelles, A. Rodriguez).

Index.

描述：
隨著並行計算機和更快的社區網絡的普及，並行元啟發式算法成為加速優化問題近似解搜索和解決更大問題的有效替代方案，同時也導致更高效的算法。《並行元啟發式算法》提供了一個單一且最新的參考資料，涵蓋了並行元啟發式算法的問題：
- 編輯單一來源以填補元啟發式算法並行性的空白（貢獻者是該領域傑出前沿作品的作者）
- 包括順序和並行技術、最新的現代優化和學習程序以及複雜的應用
- 全書提供了實際問題的解決方案
- 適合該領域的研究人員，並且有適合初學者的入門部分

目錄：
- 前言
- 前言
- 貢獻者
- 第一部分：元啟發式算法和並行性介紹
- 第1章：元啟發式技術介紹（C. Blum等人）
- 第2章：衡量並行元啟發式算法性能（E. Alba和G. Luque）
- 第3章：並行性的新技術（E. Alba和A. Nebro）
- 第4章：元啟發式算法和並行性（E. Alba等人）
- 第二部分：並行元啟發式模型
- 第5章：並行遺傳算法（G. Luque等人）
- 第6章：並行遺傳編程（F. Fernández等人）
- 第7章：並行進化策略（G. Rudolph）
- 第8章：並行螞蟻群算法（S. Janson等人）
- 第9章：並行分布估計算法（J. Madera等人）
- 第10章：並行散射搜索（F. Garcia等人）
- 第11章：並行變鄰域搜索（J. Moreno-Pérez等人）
- 第12章：並行模擬退火（M. Aydin和V. Yigit）
- 第13章：並行禁忌搜索（T. Crainic等人）
- 第14章：並行貪婪隨機適應搜索程序（M. Resende和C. Ribeiro）
- 第15章：並行混合元啟發式算法（C. Cotta等人）
- 第16章：並行多目標優化（A. Nebro等人）
- 第17章：並行異構元啟發式算法（F. Luna等人）
- 第三部分：理論和應用
- 第18章：並行遺傳算法理論（E. Cantú-Paz）
- 第19章：並行元啟發式算法應用（T. Crainic和N. Hail）
- 第20章：電信中的並行元啟發式算法（S. Nesmachnow等人）
- 第21章：生物信息學和並行元啟發式算法（O. Trelles和A. Rodriguez）
- 索引