پاورپوینت تحلیل بررسی مفاهیم اولیه در آسایش حرارتی
 

محاسبات تکاملی، مزایای عملی را برای محققی که با آن مواجه است ارائه می دهد مشکلات بهینه سازی دشوار این مزایا چند برابر هستند، از جمله سادگی رویکرد، پاسخ قوی آن به شرایط در حال تغییر، آن است انعطاف پذیری و بسیاری از جنبه های دیگر. رویکرد تکاملی را می توان اعمال کرد به مشکلاتی که راه حل های اکتشافی در دسترس نیستند یا به طور کلی منجر به آن می شوند نتایج نامناسب در نتیجه، محاسبات تکاملی دریافت شده است افزایش علاقه، به ویژه با توجه به روشی که ممکن است برای حل عملی مشکل استفاده شود.

فهرست مطالب
مقدمه
ایجاد محیط ساختاریافته
گزینه های صرفه جویی در انرژی
بهینه‌سازی طراحی معماری (ADO)
الگوریتم های بهینه سازی فرا ابتکاری
5 گروه اصلی
الگوریتم های تکاملی از محاسبات تکاملی
تعدادی از اعضای جامعه به صورت تصادفی
الگوریتم ژنتیک Genetic Algorithm (GA)
الگوریتم ژنتیک چند جمعیتی  Multi population Genetic Algorithm (MPGA
برنامه ریزی تکاملی و برنامه ریزی ژنتیکیGenetic Programming (GP)  & Evolutionary strategy
الگوریتم مبتنی بر قوانین فیزیک Physics-based algorithm
الگوریتم تبرید Simulated Annealing (SA)
الگوریتم تبرید یا SA( شبیه سازی حرارتی
الگوریتم بهینه سازی جستجوی گرانشی Gravitational search Algorithm (GSA
Harmony Algorithm(HS)
Swarm-based algorithmالگوریتم مبتنی بر ازدحام
الگوریتم ازدحام ذرات Particle swarm optimization (PSO
الگوریتم، از تعداد مشخصی از ذرات
الگوریتم کلنی مورچه ها Ant colony optimization (ACO)
الگوریتم گرگ خاکستری Grey wolf optimization
منابع