"Ant Colony Optimization and Constraint Programming" - это книга, посвященная метаэвристике, называемой "оптимизация муравьиной колонии", которая успешно применяется для решения широкого круга комбинаторных задач оптимизации. Автор описывает эту метаэвристику и исследует ее эффективность при решении некоторых сложных комбинаторных задач, с особым уклоном на ограничения программирования. Текст книги организован в три части.
Первая часть вводит понятие ограничений программирования, которые предоставляют высокоуровневые функции для декларативного моделирования проблем с помощью ограничений. Она описывает основные существующие подходы для решения проблем удовлетворения ограничений, включая полные древовидные поисковые подходы и метаэвристики, и показывает, как они могут быть интегрированы в языки ограничений программирования.
Вторая часть описывает метаэвристику оптимизации муравьиной колонии и иллюстрирует ее возможности на различных проблемах удовлетворения ограничений.
Третья часть показывает, как муравьиная колония может быть интегрирована в язык ограничений программирования, объединяя выразительную мощность языков ограничений программирования для декларативного описания проблем и решающую мощность оптимизации муравьиной колонии для эффективного их решения.
Электронная Книга «Ant Colony Optimization and Constraint Programming» написана автором Christine Solnon в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9781118619667
Описание книги от Christine Solnon
Ant colony optimization is a metaheuristic which has been successfully applied to a wide range of combinatorial optimization problems. The author describes this metaheuristic and studies its efficiency for solving some hard combinatorial problems, with a specific focus on constraint programming. The text is organized into three parts. The first part introduces constraint programming, which provides high level features to declaratively model problems by means of constraints. It describes the main existing approaches for solving constraint satisfaction problems, including complete tree search approaches and metaheuristics, and shows how they can be integrated within constraint programming languages. The second part describes the ant colony optimization metaheuristic and illustrates its capabilities on different constraint satisfaction problems. The third part shows how the ant colony may be integrated within a constraint programming language, thus combining the expressive power of constraint programming languages, to describe problems in a declarative way, and the solving power of ant colony optimization to efficiently solve these problems.
