Soft Computing

A Flexible Approach for Computer Science Problems

Soft computing is a branch of computer science that deals with system solutions based on artificial intelligence and natural selection. Soft computing techniques are able to handle imprecision, uncertainty, partial truth, and approximation, which are often encountered in real-life problems. Soft computing techniques are also adaptive, learning from data and experience, and can cope with dynamic and complex environments.

Soft computing includes various methods, such as:

  • Genetic algorithm (GA): A population-based optimization method that mimics the process of natural evolution. GA works by generating and evaluating candidate solutions using operators such as selection, crossover, and mutation.
  • Neural network (NN): A computational model that simulates the structure and function of biological neurons. NN works by processing information through layers of interconnected nodes that can learn from data and adjust their weights accordingly.
  • Fuzzy logic (FL): A logic system that allows for degrees of truth rather than binary values. FL works by using fuzzy sets and rules to represent and reason with vague and uncertain information.
  • Evolutionary algorithms (EA): A type of meta-heuristic algorithm that are inspired by the process of natural evolution. They work by maintaining a population of candidate solutions that undergo selection, crossover, and mutation operators to generate new solutions. Some examples of evolutionary algorithms are differential evolution, particle swarm optimization, and ant colony optimization.

Soft computing has many applications in different domains of computer science, such as:

  • Timetabling: The problem of assigning tasks or events to time slots and resources, such as classes to rooms and teachers. Soft computing can help to find feasible and optimal timetables that satisfy various constraints and preferences.
  • Location problems: The problem of finding the best location for a facility or service, such as a warehouse, a hospital, or a fire station. Soft computing can help to find optimal locations that minimize costs, distances, or risks, while considering various factors and uncertainties.

Here, we will share some of our previous works in the area of soft computing and its applications. We will show how soft computing can help us solve various computer science problems that are challenging and complex. We hope you will find these works interesting and useful. Since a separate post is considered for neural networks and deep learning, we omitted some of our NN works from here.

Fish school photo is from https://www.oceandimensions.com/shoal-or-school/.

(Amintoosi et al., 2004; امین‌طوسی محمود & عزتی هاشم, 2020; Ezzati et al., 2021; حسینی فاطمه‌سادات & امین‌طوسی محمود, 1393; حسینی فاطمه‌سادات & امین‌طوسی محمود, 1393; رضازاده معصومه et al., 1393; منصفی ر. & امین‌طوسی م., 2000; Amintoosi et al., 2007; Amintoosi et al., 2007; Amintoosi & Haddadnnia, 2005; Monsefi & Amintoosi, 2002; منصفی ر. & امین‌طوسی م., 2000; امین‌طوسی م. & صدوقی‌یزدی ه., 2004; فرهادی راضیه et al., 1395; امین‌طوسی محمود et al., 1396; کیخسروی سیدسعید et al., 2019; Farhadi et al., 2018; کیخسروی سید سعید et al., 1399; Farhadi et al., 2019; مقیمی مهدی & امین‌طوسی محمود, 1392)

References

2021

  1. Ezzati99.jpg
    On the Minimum of True Matches in Exact Graph Matching with Simulated Annealing
    Hashem Ezzati, Mahmood Amintoosi, and Hashem Tabasi
    Journal of Algorithms and Computation, بهمن 2021
    HTML PDF

2020

  1. ModifiedGA-iranaict99.jpg
    الگوریتم ژنتیکِ آگاه از بهترین عضو با کاربرد در رنگ‌آمیزی و بعدمتریک گراف
    محمود امین‌طوسی, and هاشم عزتی
    نشریه فناوری اطلاعات و ارتباطات ایران, بهمن 2020
    The aware genetic algorithm of the best member, applied to graph coloring and metric-dimension of the graph problem
    HTML PDF
  2. Nejadkoorki.png
    شبیه سازی و برآورد میزان گردوغبار صنایع با مدل شبکه عصبی چند لایه پرسپترون (مطالعه موردی: کارخانه سیمان سبزوار).
    سید سعید کیخسروی, فرهاد نژاد کورکی, and محمود امین‌طوسی
    مجله سلامت کار ایران, بهمن 2020
    Simulation and Estimation of the amount of Dust in Industry with Multi-layer Neural Network Model (Case Study: Sabzevar Cement Factory)
    DOI HTML PDF

2019

  1. KeykhosraviMLP98.png
    ارزیابی دقت‌ شبکه های عصبی مصنوعی (MLP و RBF) در پیش بینی گرد و غبار کارخانه سیمان سبزوار
    سیدسعید کیخسروی, فرهاد نژادکورکی, and محمود امین‌طوسی
    فصلنامه پژوهش در بهداشت محیط, بهمن 2019
    Estimation of Artificial Neural Networks (MLP and RBF) Accuracy in Anticipation of the Dust of the Sabzevar Cement Factory, Journal of Research in Environmental Health)
    PDF
  2. Farhadi2019.jpg
    Prediction of the Air Quality by Artificial Neural Network Using Instability Indices in the City of Tehran-Iran
    Razieh Farhadi, Mojtaba Hadavifar, Mazaher Moeinaddini, and 1 more author
    AUT Journal of Civil Engineering, بهمن 2019
    DOI HTML

2018

  1. Hadavifar2018SA.png
    Sensitivity Analysis of Meteorological Parameters and Instability Indices on Concentration of Carbon Monoxide, Particulate Matter, and Air Quality Index in Tehran
    R. Farhadi, M. Hadavifar, M. Moeinaddini, and 1 more author
    ECOPERSIA, بهمن 2018
    DOI HTML PDF

2017

  1. Amintoosi96IPRIA-ELM.jpg
    ارزیابی عملکرد ماشین یادگیر نهایی در قطعه‌بندی تصاویر
    محمود امین‌طوسی, سکینه خورسندی, and مهدی زعفرانیه
    In سومین کنفرانس بین المللی بازشناسی الگو و تحلیل تصویر ایران , بهمن 2017
    ELM Evaluation for Image Segmentation
    PDF

2016

  1. Farhadi95ANN.png
    پیش بینی غلظت آلاینده های هوای شهر تهران بر اساس عوامل اقلیمی با استفاده از شبکه عصبی مصنوعی
    راضیه فرهادی, مجتبی هادوی‌فر, مظاهر معین‌الدینی, and 1 more author
    In سومین همایش یافته های نوین در محیط زیست و اکوسیستم های کشاورزی, بهمن 2016
    Prediction of Meteorological Parameters in Tehran using ANN

2014

  1. Hoseini93mincutSA.png
    برش کمینه‌ی گراف با شبیه‌سازی تبریدی
    فاطمه‌سادات حسینی, and محمود امین‌طوسی
    In هفتمین کنفرانس بین‌المللی انجمن ایرانی تحقیق در عملیات, بهمن 2014
    Graph Minumum Cut using SA
    PDF
  2. Hoseini93mincutTS.png
    برش کمینه‌ی گراف باجستجوی ممنوعه
    فاطمه‌سادات حسینی, and محمود امین‌طوسی
    In هفتمین کنفرانس بین‌المللی انجمن ایرانی تحقیق در عملیات, بهمن 2014
    Graph Minumum Cut using Tabu Search
    PDF
  3. IMS.png
    مسئله مکان‌یابی p -هاب با ظرفیت نامتناهی در حضور صف M/G/1
    معصومه رضازاده, محمود امین‌طوسی, and مهدی زعفرانیه
    In چهل و پنجمین کنفرانس ریاضی ایران, بهمن 2014
    Facility Location Problem in M/G/1 Queue
    PDF

2013

  1. Moghimi92MRIPCNN.jpg
    تشخیص ناحیه چربی در تصاویر MRI با استفاده از شبكه عصبی با كوپلاژ پالسی
    مهدی مقیمی, and محمود امین‌طوسی
    In پنجمین کنفرانس ملی مهندسی برق و الکترونیک ایران, بهمن 2013
    MRI image Segmentation using PCNN
    PDF

2007

  1. fish-school.jpg
    A Fish School Clustering Algorithm: Applied to Student Sectioning Problem
    M. Amintoosi, M. Fathy, N. Mozayani, and 1 more author
    Dynamics of Continuous Discrete & Impulse Systems, series B: Applications and Algorithms, Dec 2007
    Post Proceeding of LSMS2007, Life System Modeling and Simulation 2007, China
    PDF
  2. tiling.png
    Using Pattern Matching for Tiling and Packing Problems
    M. Amintoosi, H. SadoghiYazdi,  M.Fathy, and 1 more author
    European Journal of Operational Research, Dec 2007
    Indexed by DBLP and SCOPUS
    PDF

2005

  1. pubs.png
    Feature Selection in A Fuzzy Student Sectioning Algorithm
    M. Amintoosi, and J. Haddadnnia
    Lecture Notes in Computer Science, Dec 2005
    Indexed by DBLP
    PDF

2004

  1. pubs.png
    Fuzzy Student Sectioning
    M. Amintoosi, H. Sadoghi Yazdi, and J. Haddadnnia
    In PATAT04: Practice and Theory of Automated Timetabling, Aug 2004
  2. pubs.png
    کلاسه‌بندی فازی بهینه دانشجویان با استفاده از یک تابع فازی در حل مسئله برنامه‌ریزی ژنتیکی دروس هفتگی دانشگاه
    م. امین‌طوسی, and ه. صدوقی‌یزدی
    In نهمین كنفرانس سالانه انجمن كامپیوتر ایران, اسفند 2004
    Student’s sectioning using fuzzy inference system
    PDF

2002

  1. Pentomino_Puzzle_Solution_8x8_Minus_Center.svg.png
    A Genetic-Neuro Algorithm for Tiling Problems with Rotation and Reflection of Figures
    R. Monsefi, and M. Amintoosi
    Iranian Journal of Science and Technology, Transaction B, Dec 2002
    Indexed by ACM
    PDF

2000

  1. tiling.png
    جورچینی قطعات راست گوشه با استفاده از شبكه های عصبی و الگوریتم ژنتیك
    ر. منصفی, and م. امین‌طوسی
    In پنجمین کنفرانس سالانه انجمن کامپیوتر ایران, بهمن 2000
    Tiling Problem using Neural Networks and Genetic Algorithm