با ظهور اقتصاد دادهمحور، اطلاعات به جزء لاینفکی از تعالی کسبوکار تبدیل شدهاند. هر سازمانی، صرف نظر از حوزه فعالیتش، در فعالیتهای روزمره خود حجم زیادی از دادهها را حمل و پردازش میکند. تبدیل مجموعههای داده عظیم به اطلاعات روشنگرانه، نقش مهمی در توسعهی راهکارهای تجاری بهتر ایفا میکند. هوش داده و تحلیل آن چالشهای متعددی را در زمینههای بازنمایی داده، ساخت سیستمهای دانشمحور، حل مسائل و سیستمهای پیشبینیکننده برای تحلیل روندها و تصمیمگیری مطرح میکند. دادههای موجود میتوانند از هر نوعی باشند، به ویژه زمانی که دادهها با حوزههایی مانند بهداشت و درمان، زیستپزشکی، مالی، خردهفروشی، امنیت سایبری، شبکهسازی، مدیریت زنجیره تامین، تولید و غیره مرتبط باشند. بهینهسازی چنین سیستمهایی، بنابراین، برای دستیابی به بهترین نتایج و برداشتها بسیار حیاتی است. در این راستا، روشهای بهینهسازی الهامگرفته از طبیعت مبتنی بر هوش مصنوعی یا روشهای بهینهسازی مبتنی بر تقریب، به ابزارهایی بسیار قدرتمند تبدیل شدهاند. از جمله مهمترین فراراهکارها میتوان به الگوریتمهای ژنتیک، تکامل تفاضلی، بهینهسازی کلونی مورچهها، بهینهسازی ازدحام ذرات، کلونی زنبور عسل مصنوعی، بهینهساز گرگ خاکستری، بهینهساز سیاسی، هوش گروهی و الگوریتم قهرمانی لیگ اشاره کرد. این کتاب به بررسی سیستماتیک کاربرد فراراهکارهای مبتنی بر هوش مصنوعی در طیف گستردهای از زمینهها، از جمله هوش دادههای بزرگ و تحلیل پیشبینیکننده، تحلیل سازمانی، الگوریتمهای بهینهسازی گراف، یادگیری ماشین و یادگیری جمعی، شیوههای سازمانی بینایی کامپیوتر و محکزنی دادهها میپردازد.
