ZASTOSOWANIE ALGORYTMÓW GENETYCZNYCH DO OPTYMALIZACJI SIECI KOMPUTEROWYCH
|
|
- Halina Paluch
- 7 lat temu
- Przeglądów:
Transkrypt
1 Algorytmy genetyczne, optymalizacja sieci omputerowych Krzysztof Pytel Grzegorz Klua Jerzy Kisilewicz*** ZASTOSOWANIE ALGORYTMÓW GENETYCZNYCH DO OPTYMALIZACJI SIECI KOMPUTEROWYCH W artyule zaproponowano wyorzystanie algorytmów genetycznych do minimalizacji średniego opóźnienia paietu w sieci omputerowej. Dla zapewnienia więszej zbieżności algorytmu zastosowano zmodyfiowany algorytm genetyczny, wyorzystujący sterowni rozmyty oceniający poszczególnych osobniów w populacji. W zależności od oceny osobnia modyfiowane jest prawdopodobieństwo jego selecji do puli rodzicielsiej, dzięi czemu do puli rodzicielsiej powinno trafić więcej osobniów dobrze przystosowanych a mniej słabiej przystosowanych. Metoda ta pozwala na wyorzystanie wiedzy zgromadzonej przez algorytm genetyczny we wcześniejszych pooleniach do przewidywania ierunu, w tórym powinno zmierzać rozwiązanie optymalne. 1. WSTĘP Optymalizacja sieci omputerowych posiada duże znaczenie pratyczne. Podstawowym celem optymalizacji sieci jest zapewnienie jej sprawnego i efetywnego funcjonowania. W artyule przeanalizujemy możliwość zastosowania algorytmów genetycznych, w tórych zastosowano sterownii rozmyte do wspomagania ewolucji osobniów do rozwiązywania zadań optymalizacji sieci omputerowych. Do testów wyorzystano zadanie minimalizacji średniego opóźnienia paietu. Zadanie to opisane zostało w pracy [2]. Wyższa Szoła Humanistyczno-Eonomiczna w Łodzi ul Rewolucji 1905 nr 64, Łódź, pytel_@poczta.onet.pl Społeczna Wyższa Szoła Przedsiębiorczości i Zarządzania, ul. Sieniewicza 9, Łódź, lua_g@sop.swspiz.pl *** Politechnia Wrocławsa, ul. Wybrzeże Wyspiańsiego 27, Wrocław, isilewicz@zss.pwr.wroc.pl
2 W dalszych rozważaniach przyjmiemy, że dana jest sieć reprezentowana przez graf właściwy i zorientowany G(N w, L, C l ), gdzie: N w jest zbiorem węzłów reprezentujących przełącznii, L jest zbiorem łuów reprezentujących łącza natomiast C l jest wetorem wag. Wagi łuów mogą reprezentować odległości, opóźnienia, przepustowości lub inną wybraną miarę. Oznaczmy: - łu o początu w węźle x i ońcu w węźle y, gdzie x, y Nw, c( x, C l - przepustowość łuu, f - przepływ w łuu. 2. ZADANIE MINIMALIZACJI ŚREDNIEGO OPÓŹNIENIA PAKIETU R = [ r mxn Oznaczmy przez ij ] r macierz z zewnątrz wprowadzanych natężeń oraz ij średnie natężenie strumienia danych ierowanych z węzła i do węzła j. Poszczególne rij sładnii możemy ponumerować od 1 do q. Z -tym sładniiem związana będzie s para węzłów i u jao źródło i ujście. Przez r oznaczmy średnie natężenie -tego r = rij i = s sładnia tzn. gdzie j = u,. Przepływem wielosładniowym w sieci S realizującym macierz z zewnątrz wprowadzanych natężeń R nazywamy zespół funcji f : L R + {0} = 1,..., q, (1) tórych wartości f = 1,..., q przypisane poszczególnym łuom spełniają następujący uład warunów: r x = s f f ( y, x) = r dla x = u A( x) y B ( x) 0 w pozostaych przypadach y dla (2) dla ażdego x N, =1,... q
3 Zbiór A( x) = { y : y N i } jest zbiorem węzłów sieci, do tórych prowadzą łui wychodzące z węzła x, zbiór B( x) = { y : y N i } jest zbiorem węzłów sieci, do tórych prowadzą łui sierowane do węzła x. Problem minimalizacji średniego opóźnienia paietu polega na minimalizacji funcji T = 1 γ f L c( x, f, (3) gdzie: γ = q r i i= 1 - jest natężeniem sumarycznego strumienia paietów wprowadzanych do sieci, przy spełnieniu warunów: r x = s f f ( y, x) = r dla x = u A( x) y B ( x) 0 w pozostaych przypadach y dla (4) dla ażdego x N, =1,... q, f 0 dla ażdego, =1,...,q, f c( x, dla ażdego. 3. ALGORYTM GENETYCZNY WYKORZYSTANY DO OPTYMALIZACJI ŚREDNIEGO OPÓŹNIENIA PAKIETU Algorytmy genetyczne umożliwiają wyszuiwanie przybliżonych rozwiązań złożonych problemów optymalizacyjnych. Swoje istnienie zawdzięczają obserwacji i próbie naśladowania naturalnych procesów zachodzących w świecie organizmów żywych - ewolucji i związanej z nią naturalnej selecji występującej w populacjach żywych osobniów. Algorytmy genetyczne operują na całych populacjach rozwiązań zwanych osobniami. Rozwiązania odowane są w strutury zwane ciągami odowymi. Algorytm genetyczny poszuuje coraz lepszych rozwiązań, generując olejne ich poolenia. Pierwsze poolenie tworzy się losowo lub wybiera w inny sposób. Dla ażdego olejnego poolenia wybiera się pewną liczbę osobniów najlepiej przystosowanych (proces selecji lub reproducji). Osobnii te są ojarzone - 3 -
4 w pary (losowo), po czym następuje wymiana (wymieszanie się) materiału genetycznego rodziców, w wyniu czego otrzymujemy dwa nowe ciągi odowe (odpowiadające genotypowi dzieci). Więcej informacji na temat algorytmów genetycznych można znaleźć w literaturze [1, 3]. W esperymencie tym rozwiązywano zadanie testowe przy pomocy algorytmu genetycznego wyorzystującego logią rozmytą do modyfiowania prawdopodobieństwa selecji. Schemat bloowy zmodyfiowanego algorytmu genetycznego poazany został na Rys.1. START Wybór populacji początowej Ocena stopnia przystosowania T WARUNEK ZATRZYMANIA N Wyprowadzenie "najlepszego" osobnia Analiza prawdopodobieństwa selecji dla ażdego osobnia populacji (blo logii rozmytej) STOP Selecja do puli rodzicielsiej Utworzenie nowej populacji poprzez operatory rzyżowania i mutacji Rys.1. Zmodyfiowany algorytm genetyczny Fig. 1. Modified genetic algorithm Sterowni rozmyty (na schemacie bloowym na ciemnym tle) ocenia ażdego osobnia w populacji i wyznacza dla niego współczynni adaptacji prawdopodobieństwa selecji. Do wyznaczenia współczynnia adaptacji wyorzystywane są: - przyrost funcji przystosowania populacji (oreśla szybość zmian funcji przystosowania) µ ( T ) ( T 1) pop = µ pop µ pop, (5) - 4 -
5 - wsaźni stopnia przystosowania osobnia (oreśla na ile dany osobni jest lepszy niż przeciętn W = µ µ os ( T ) ( T ) os pop. (6) Zmodyfiowane prawdopodobieństwo selecji osobnia obliczane jest na podstawie wzoru: ps ' = ps * wps dla =1...N (7) gdzie: ps' - zmodyfiowane prawdopodobieństwo selecji osobnia, ps - prawdopodobieństwo selecji osobnia, wps - współczynni prawdopodobieństwa selecji osobnia wyznaczony przez sterowni rozmyty. Więcej informacji o algorytmach genetycznych, w tórych zastosowano sterowni rozmyty do modyfiacji prawdopodobieństwa selecji osobniów można znaleźć w pracy [4]. 4. EKSPERYMENT Esperyment polegał na optymalizacji przepływu wielosładniowego bez rozgałęzień. Jao ryterium optymalizacji przyjęto średnie opóźnienie paietu. W zadaniu testowym optymalizowano sieć sładającą się z 58 węzłów. Łui pomiędzy węzłami posiadają różną przepustowość przy czym nie wszystie węzły połączone są bezpośrednio. Z zewnątrz wprowadzono do sieci obciążenie z 9 sładniów o różnym natężeniu. Dla ażdego ze sładniów zdefiniowano po 8 dopuszczalnych tras. Esperymenty przeprowadzono na omputerze AMD Athlon 1.33 GHz pracującym pod ontrolą systemu RedHat Linux. Czas potrzebny do znalezienia rozwiązania optymalnego wynosił od 0,58 do 2,31 [s]. Przyjęto następujące parametry algorytmu genetycznego: - geny reprezentowane są przez ciągi 9 liczb z przedziału <0, 7>, - funcja przystosowania dla osobnia obliczana na podstawie zależności (3), - prawdopodobieństwo rzyżowania 0,8, - prawdopodobieństwo mutacji 0,15, - liczebności populacji
6 Wyres na Rys. 2. poazuje wartość funcji przystosowania osobnia (średniego opóźnienia paietu) oraz średnią wartość przystosowania dla populacji dla pierwszych 200 pooleń algorytmu Śerdnie opóźnienie paietu Najlepszy dotychczasowy osobni Średnia w populacji Linia trendu dla średniej w polulacji Liczba pooleń Rys. 2. Wartość funcji przystosowania osobniów (średniego opóźnienia paietu) Fig. 2. Fitness function of individuals (average delay of pacet) Wniosi i spostrzeżenia 1. Algorytm genetyczny znalazł rozwiązanie optymalne testowego problemu. 2. Średnia wartość funcji optymalizowanej w pierwszym pooleniu wynosiła 963 a wartość optymalna 732, co oznacza, że algorytm znalazł rozwiązanie o ooło 24% lepsze od rozwiązania początowego (wartość odniesiona do wartości początowej). 3. Algorytmy genetyczne mogą być zastosowane do zadań optymalizacji sieci o więszej liczbie węzłów i sładniów. Możliwe jest również orzystanie z innych ryteriów optymalizacji np.: przepustowości sieci, oszt budowy, oszt orzystania z usług omuniacyjnych. Problem optymalizacji przepływu wielosładniowego jest zadaniem trudnym do rozwiązania metodami tradycyjnymi ze względu na bardzo dużą przestrzeń rozwiązań. Dla przyjętych w esperymencie warunów czas potrzebny na obliczenie wszystich możliwych rozwiązań (metoda brute force) wynosi ooło 3,5 godziny
7 Przepustowości łączy oferowanych przez firmy teleomuniacyjne są wielościami zmieniającymi się soowo, ponadto poszczególne sładnii przepływu mogą wyorzystywać te same łącza, co powoduje że funcja optymalizowana nie jest funcją ciągłą. W algorytmach genetycznych często stosowana jest zasada mówiąca o tym, że mutacja powodująca niewielie zmiany funcji optymalizowanej (potome jest podobny do rodzica) jest bardziej prawdopodobna niż mutacja powodująca duże zmiany. Zasada ta ułatwia dostrojenie algorytmu. W problemie optymalizacji przepływu trudno jest ustalić, tóra mutacja spowoduje niewielie zmiany funcji optymalizowanej. Dlatego w esperymencie zastosowano model mutacji, w tórym mutowany gen przyjmuje dowolną spośród dopuszczalnych wartości genu z jednaowym prawdopodobieństwem. Zastosowanie sterownia rozmytego modyfiującego prawdopodobieństwo selecji pozwoliło na zmniejszenie o ooło 15% liczby pooleń potrzebnych do uzysania rozwiązania, co w onsewencji spowodowało srócenie czasu działania algorytmu o ooło 6,5% w stosunu do lasycznego algorytmu genetycznego. 5. LITERATURA [1] GOLDBERG D.E., Algorytmy genetyczne i ich zastosowania, Wydawnictwa Nauowo Techniczne, Warszawa [2] KASPRZAK A., Rozległe sieci omputerowe z omutacją paietów. Oficyna Wydawnicza Politechnii Wrocławsiej, Wrocław [3] MICHALEWICZ Z., Algorytmy genetyczne + strutury danych = programy ewolucyjne, Wydawnictwa Nauowo Techniczne, Warszawa [4] PYTEL K., KLUKA G., Wyorzystanie logii rozmytej do wspomagania ewolucji osobniów w algorytmach genetycznych, w Studia z Automatyi i Informatyi tom 27, Poznańsie Towarzystwo Przyjaciół Nau, Poznań THE APPLICATION OF THE MODIFIED GENETIC ALGORITHMS TO OPTIMIZATION OF COMPUTER NETWORKS In the article we proposed the application of the genetic algorithms to the minimization of the average delay of pacet in the computer networ. We use the modified genetic algorithm, that employs the fuzzy logic controller for evaluating of all individuals in the population to increase algorithm convergence. In the dependence from the estimation of the individual, the controller modifies the probability of his selection to the parents' pool, so to the parents' pool should be chosen more of above-average and less wea individuals. This method lets on the utilization of the aggregated nowledge by the genetic algorithm in earlier generations to foreseeing of the direction, wherein should aim evolution. The modified genetic algorithm gives better results in the shorter time than the elementary algorithm and can be used also to the optimization of large networs
OPTYMALIZACJA PRZEPUSTOWOŚCI SIECI KOMPUTEROWYCH ZA POMOCĄ ALGORYTMÓW GENETYCZNYCH
OPTYMALIZACJA PRZEPUSTOWOŚCI SIECI KOMPUTEROWYCH ZA POMOCĄ ALGORYTMÓW GENETYCZNYCH Andrzej SZYMONIK, Krzysztof PYTEL Streszczenie: W złożonych sieciach omputerowych istnieje problem doboru przepustowości
Bardziej szczegółowoLABORATORIUM 4: Wpływ operatorów mutacji na skuteczność poszukiwań AE
Instytut Mechanii i Inżynierii Obliczeniowej Wydział Mechaniczny Technologiczny, Politechnia Śląsa www.imio.polsl.pl OBLICZENIA EWOLUCYJNE LABORATORIUM 4: Wpływ operatorów mutacji na suteczność poszuiwań
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
ZTUCZNA INTELIGENCJA WYKŁAD 6. ALGORYTMY GENETYCZNE - CHEMATY, METODY ELEKCJI Częstochowa 204 Dr hab. inż. Grzegorz Dude Wydział Eletryczny Politechnia Częstochowsa CHEMATY chemat zbór chromosomów o wspólnych
Bardziej szczegółowoPORÓWNANIE WYBRANYCH ALGORYTMÓW OPTYMALIZACJI ROZPŁYWU MOCY W SYSTEMIE ELEKTROENERGETYCZNYM A COMPARISON OF SELECTED OPTIMAL POWER FLOW ALGORITHMS
ELEKRYKA 2013 Zeszyt 4 (228) Ro LIX Artur PASIERBEK, Marcin POŁOMSKI, Radosław SOKÓŁ Politechnia Śląsa w Gliwicach PORÓWNANIE WYBRANYCH ALGORYMÓW OPYMALIZACJI ROZPŁYWU MOCY W SYSEMIE ELEKROENERGEYCZNYM
Bardziej szczegółowo( ) + ( ) T ( ) + E IE E E. Obliczanie gradientu błędu metodą układu dołączonego
Obliczanie gradientu błędu metodą uładu dołączonego /9 Obliczanie gradientu błędu metodą uładu dołączonego Chodzi o wyznaczenie pochodnych cząstowych funcji błędu E względem parametrów elementów uładu
Bardziej szczegółowoALGORYTMY GENETYCZNE ćwiczenia
ćwiczenia Wykorzystaj algorytmy genetyczne do wyznaczenia minimum globalnego funkcji testowej: 1. Wylosuj dwuwymiarową tablicę 100x2 liczb 8-bitowych z zakresu [-100; +100] reprezentujących inicjalną populację
Bardziej szczegółowoOCENA JAKOŚCI PROCESU LOGISTYCZNEGO PRZEDSIĘBIORSTWA PRZEMYSŁOWEGO METODĄ UOGÓLNIONEGO PARAMETRU CZĘŚĆ II
B A D A N I A O P E R A C Y J N E I D E C Y Z J E Nr 2 2004 Anna DOBROWOLSKA* Jan MIKUŚ* OCENA JAKOŚCI PROCESU LOGISTYCZNEGO PRZEDSIĘBIORSTWA PRZEMYSŁOWEGO METODĄ UOGÓLNIONEGO PARAMETRU CZĘŚĆ II Przedstawiono
Bardziej szczegółowoAlgorytmy genetyczne. Materiały do laboratorium PSI. Studia niestacjonarne
Algorytmy genetyczne Materiały do laboratorium PSI Studia niestacjonarne Podstawowy algorytm genetyczny (PAG) Schemat blokowy algorytmu genetycznego Znaczenia, pochodzących z biologii i genetyki, pojęć
Bardziej szczegółowoOptymalizacja harmonogramów budowlanych - problem szeregowania zadań
Mieczysław POŁOŃSKI Wydział Budownictwa i Inżynierii Środowisa, Szoła Główna Gospodarstwa Wiejsiego, Warszawa, ul. Nowoursynowsa 159 e-mail: mieczyslaw_polonsi@sggw.pl Założenia Optymalizacja harmonogramów
Bardziej szczegółowoMODYFIKACJA KOSZTOWA ALGORYTMU JOHNSONA DO SZEREGOWANIA ZADAŃ BUDOWLANYCH
MODYFICJ OSZTOW LGORYTMU JOHNSON DO SZEREGOWNI ZDŃ UDOWLNYCH Michał RZEMIŃSI, Paweł NOW a a Wydział Inżynierii Lądowej, Załad Inżynierii Producji i Zarządzania w udownictwie, ul. rmii Ludowej 6, -67 Warszawa
Bardziej szczegółowoSCHEMAT ROZWIĄZANIA ZADANIA OPTYMALIZACJI PRZY POMOCY ALGORYTMU GENETYCZNEGO
SCHEMAT ROZWIĄZANIA ZADANIA OPTYMALIZACJI PRZY POMOCY ALGORYTMU GENETYCZNEGO. Rzeczywistość (istniejąca lub projektowana).. Model fizyczny. 3. Model matematyczny (optymalizacyjny): a. Zmienne projektowania
Bardziej szczegółowoAlgorytmy genetyczne. Materiały do laboratorium PSI. Studia stacjonarne i niestacjonarne
Algorytmy genetyczne Materiały do laboratorium PSI Studia stacjonarne i niestacjonarne Podstawowy algorytm genetyczny (PAG) Schemat blokowy algorytmu genetycznego Znaczenia, pochodzących z biologii i genetyki,
Bardziej szczegółowoA. Cel ćwiczenia. B. Część teoretyczna
A. Cel ćwiczenia Celem ćwiczenia jest zapoznanie się z wsaźniami esploatacyjnymi eletronicznych systemów bezpieczeństwa oraz wyorzystaniem ich do alizacji procesu esplatacji z uwzględnieniem przeglądów
Bardziej szczegółowoPLAN WYKŁADU OPTYMALIZACJA GLOBALNA ALGORYTM MRÓWKOWY (ANT SYSTEM) ALGORYTM MRÓWKOWY. Algorytm mrówkowy
PLAN WYKŁADU Algorytm mrówowy OPTYMALIZACJA GLOBALNA Wyład 8 dr inż. Agniesza Bołtuć (ANT SYSTEM) Inspiracja: Zachowanie mrówe podczas poszuiwania żywności, Zachowanie to polega na tym, że jeśli do żywności
Bardziej szczegółowoSterowanie Ciągłe. Używając Simulink a w pakiecie MATLAB, zasymulować układ z rysunku 7.1. Rys.7.1. Schemat blokowy układu regulacji.
emat ćwiczenia nr 7: Synteza parametryczna uładów regulacji. Sterowanie Ciągłe Celem ćwiczenia jest orecja zadanego uładu regulacji wyorzystując następujące metody: ryterium amplitudy rezonansowej i metodę
Bardziej szczegółowoFOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2009, Oeconomica 275 (57), 53 58
FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2009, Oeconomica 275 (57), 53 58 Anna LANDOWSKA ROZWIĄZANIE PROBLEMU OPTYMALNEGO PRZYDZIAŁU ZA POMOCĄ KLASYCZNEGO
Bardziej szczegółowoZASTOSOWANIE ALGORYTMU GENETYCZNEGO DO OPTYMALNEJ DYSKRETYZACJI WSPÓŁCZYNNIKÓW WAGOWYCH CYFROWYCH FILTRÓW SOI
XIII Sympozjum Modelowanie i Symulacja Systemów Pomiarowych 8-11 września 23r., Kraów ZASTOSOWANIE ALGORYTMU GENETYCZNEGO DO OPTYMALNEJ DYSKRETYZACJI WSPÓŁCZYNNIKÓW WAGOWYCH CYFROWYCH FILTRÓW SOI Jace
Bardziej szczegółowoStrategie ewolucyjne. Gnypowicz Damian Staniszczak Łukasz Woźniak Marek
Strategie ewolucyjne Gnypowicz Damian Staniszczak Łukasz Woźniak Marek Strategie ewolucyjne, a algorytmy genetyczne Podobieństwa: Oba działają na populacjach rozwiązań Korzystają z zasad selecji i przetwarzania
Bardziej szczegółowoPodstawy rachunku prawdopodobieństwa (przypomnienie)
. Zdarzenia odstawy rachunu prawdopodobieństwa (przypomnienie). rawdopodobieństwo 3. Zmienne losowe 4. rzyład rozładu zmiennej losowej. Zdarzenia (events( events) Zdarzenia elementarne Ω - zbiór zdarzeń
Bardziej szczegółowoGrupowanie sekwencji czasowych
BIULETYN INSTYTUTU AUTOMATYKI I ROBOTYKI NR 3, 006 Grupowanie sewencji czasowych Tomasz PAŁYS Załad Automatyi, Instytut Teleinformatyi i Automatyi WAT, ul. Kalisiego, 00-908 Warszawa STRESZCZENIE: W artyule
Bardziej szczegółowoAlgorytm genetyczny (genetic algorithm)-
Optymalizacja W praktyce inżynierskiej często zachodzi potrzeba znalezienia parametrów, dla których system/urządzenie będzie działać w sposób optymalny. Klasyczne podejście do optymalizacji: sformułowanie
Bardziej szczegółowoWykład 21: Studnie i bariery cz.1.
Wyład : Studnie i bariery cz.. Dr inż. Zbigniew Szlarsi Katedra Eletronii, paw. C-, po.3 szla@agh.edu.pl http://layer.uci.agh.edu.pl/z.szlarsi/ 3.6.8 Wydział Informatyi, Eletronii i Równanie Schrödingera
Bardziej szczegółowoAlgorytmy genetyczne
9 listopada 2010 y ewolucyjne - zbiór metod optymalizacji inspirowanych analogiami biologicznymi (ewolucja naturalna). Pojęcia odwzorowujące naturalne zjawiska: Osobnik Populacja Genotyp Fenotyp Gen Chromosom
Bardziej szczegółowoAlgorytmy ewolucyjne NAZEWNICTWO
Algorytmy ewolucyjne http://zajecia.jakubw.pl/nai NAZEWNICTWO Algorytmy ewolucyjne nazwa ogólna, obejmująca metody szczegółowe, jak np.: algorytmy genetyczne programowanie genetyczne strategie ewolucyjne
Bardziej szczegółowo6. Klasyczny algorytm genetyczny. 1
6. Klasyczny algorytm genetyczny. 1 Idea algorytmu genetycznego została zaczerpnięta z nauk przyrodniczych opisujących zjawiska doboru naturalnego i dziedziczenia. Mechanizmy te polegają na przetrwaniu
Bardziej szczegółowoIMPLIKACJE ZASTOSOWANIA KODOWANIA OPARTEGO NA LICZBACH CAŁKOWITYCH W ALGORYTMIE GENETYCZNYM
IMPLIKACJE ZASTOSOWANIA KODOWANIA OPARTEGO NA LICZBACH CAŁKOWITYCH W ALGORYTMIE GENETYCZNYM Artykuł zawiera opis eksperymentu, który polegał na uyciu algorytmu genetycznego przy wykorzystaniu kodowania
Bardziej szczegółowoZASTOSOWANIE ALGORYTMU SZARYCH WILKÓW DO ROZWIĄZANIA ZADAŃ OPTYMALIZACJI URZĄDZEŃ ELEKTROMAGNETYCZNYCH
POZNAN UNIVERSITY OF TECHNOLOGY ACADEMIC JOURNALS No 100 Electrical Engineering 2019 DOI 10.21008/j.1897-0737.2019.100.0012 Łuasz KNYPIŃSKI *, Lech NOWAK * ZASTOSOWANIE ALGORYTMU SZARYCH WILKÓW DO ROZWIĄZANIA
Bardziej szczegółowo(U.3) Podstawy formalizmu mechaniki kwantowej
3.10.2004 24. (U.3) Podstawy formalizmu mechanii wantowej 33 Rozdział 24 (U.3) Podstawy formalizmu mechanii wantowej 24.1 Wartości oczeiwane i dyspersje dla stanu superponowanego 24.1.1 Założenia wstępne
Bardziej szczegółowoALGORYTMY EWOLUCYJNE W ZASTOSOWANIU DO ROZWIĄZYWANIA WYBRANYCH ZADAŃ OPTYMALIZACJI1
Acta Sci. Pol., Geodesia et Descriptio Terrarum 12 (2) 2013, 21-28 ISSN 1644 0668 (print) ISSN 2083 8662 (on-line) ALGORYTMY EWOLUCYJNE W ZASTOSOWANIU DO ROZWIĄZYWANIA WYBRANYCH ZADAŃ OPTYMALIZACJI1 Józef
Bardziej szczegółowoProgramowanie wielocelowe lub wielokryterialne
Programowanie wielocelowe lub wieloryterialne Zadanie wielocelowe ma co najmniej dwie funcje celu nazywane celami cząstowymi. Cele cząstowe f numerujemy indesem = 1, 2, K. Programowanie wielocelowe ciągłe
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Kierunek: Mechatronika Rodzaj przedmiotu: obowiązkowy Rodzaj zajęć: wykład, laboratorium I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK PO PRZEDMIOCIE C1. Zapoznanie studentów z inteligentnymi
Bardziej szczegółowoOptymalizacja harmonogramów budowlanych - problem szeregowania zadań
Mieczysław OŁOŃSI Wydział Budownictwa i Inżynierii Środowisa, Szoła Główna Gospodarstwa Wiejsiego, Warszawa, ul. Nowoursynowsa 159 e-mail: mieczyslaw_polonsi@sggw.pl Założenia Optymalizacja harmonogramów
Bardziej szczegółowoAlgorytm Genetyczny. zastosowanie do procesów rozmieszczenia stacji raportujących w sieciach komórkowych
Algorytm Genetyczny zastosowanie do procesów rozmieszczenia stacji raportujących w sieciach komórkowych Dlaczego Algorytmy Inspirowane Naturą? Rozwój nowych technologii: złożone problemy obliczeniowe w
Bardziej szczegółowoProgramowanie wielocelowe lub wielokryterialne
Programowanie wielocelowe lub wieloryterialne Zadanie wielocelowe ma co najmniej dwie funcje celu nazywane celami cząstowymi. Cele cząstowe f numerujemy indesem = 1, 2, K. Programowanie wielocelowe ciągłe.
Bardziej szczegółowoAutomatyczny dobór parametrów algorytmu genetycznego
Automatyczny dobór parametrów algorytmu genetycznego Remigiusz Modrzejewski 22 grudnia 2008 Plan prezentacji Wstęp Atrakcyjność Pułapki Klasyfikacja Wstęp Atrakcyjność Pułapki Klasyfikacja Konstrukcja
Bardziej szczegółowoZASTOSOWANIE SIECI NEURONOWEJ RBF W REGULATORZE KURSU STATKU
Mirosław Tomera Aademia Morsa w Gdyni Wydział Eletryczny Katedra Automatyi Orętowej ZASTOSOWANIE SIECI NEURONOWEJ RBF W REGULATORZE KURSU STATKU W pracy przedstawiona została implementacja sieci neuronowej
Bardziej szczegółowoAlgorytmy genetyczne
Algorytmy genetyczne Motto: Zamiast pracowicie poszukiwać najlepszego rozwiązania problemu informatycznego lepiej pozwolić, żeby komputer sam sobie to rozwiązanie wyhodował! Algorytmy genetyczne służą
Bardziej szczegółowoAlgorytmy genetyczne (AG)
Algorytmy genetyczne (AG) 1. Wprowadzenie do AG a) ewolucja darwinowska b) podstawowe definicje c) operatory genetyczne d) konstruowanie AG e) standardowy AG f) przykład rozwiązania g) naprawdę bardzo,
Bardziej szczegółowoAlgorytmy ewolucyjne - algorytmy genetyczne. I. Karcz-Dulęba
Algorytmy ewolucyjne - algorytmy genetyczne I. Karcz-Dulęba Algorytmy klasyczne a algorytmy ewolucyjne Przeszukiwanie przestrzeni przez jeden punkt bazowy Przeszukiwanie przestrzeni przez zbiór punktów
Bardziej szczegółowoWykorzystanie metod ewolucyjnych w projektowaniu algorytmów kwantowych
Wykorzystanie metod ewolucyjnych w projektowaniu algorytmów kwantowych mgr inż. Robert Nowotniak Politechnika Łódzka 1 października 2008 Robert Nowotniak 1 października 2008 1 / 18 Plan referatu 1 Informatyka
Bardziej szczegółowoZASTOSOWANIE ALGORYTMU EWOLUCYJNEGO W REKONFIGURACJI SIECI DYSTRYBUCYJNEJ
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 78 Electrical Engineering 2014 Wojciech BĄCHOREK* Janusz BROŻEK* ZASTOSOWANIE ALGORYTMU EWOLUCYJNEGO W REKONFIGURACJI SIECI DYSTRYBUCYJNEJ Elektroenergetyczne
Bardziej szczegółowoCHARAKTERYSTYKA I ZASTOSOWANIA ALGORYTMÓW OPTYMALIZACJI ROZMYTEJ. E. ZIÓŁKOWSKI 1 Wydział Odlewnictwa AGH, ul. Reymonta 23, Kraków
36/3 Archives of Foundry, Year 004, Volume 4, 3 Archiwum Odlewnictwa, Rok 004, Rocznik 4, Nr 3 PAN Katowice PL ISSN 64-5308 CHARAKTERYSTYKA I ZASTOSOWANIA ALGORYTMÓW OPTYMALIZACJI ROZMYTEJ E. ZIÓŁKOWSKI
Bardziej szczegółowo13. 13. BELKI CIĄGŁE STATYCZNIE NIEWYZNACZALNE
Część 3. BELKI CIĄGŁE STATYCZNIE NIEWYZNACZALNE 3. 3. BELKI CIĄGŁE STATYCZNIE NIEWYZNACZALNE 3.. Metoda trzech momentów Rozwiązanie wieloprzęsłowych bele statycznie niewyznaczalnych można ułatwić w znaczącym
Bardziej szczegółowoWyznaczanie optymalnej trasy problem komiwojażera
Wyznaczanie optymalnej trasy problem komiwojażera Optymalizacja w podejmowaniu decyzji Opracowała: mgr inż. Natalia Malinowska Wrocław, dn. 28.03.2017 Wydział Elektroniki Politechnika Wrocławska Plan prezentacji
Bardziej szczegółowoDobór parametrów algorytmu ewolucyjnego
Dobór parametrów algorytmu ewolucyjnego 1 2 Wstęp Algorytm ewolucyjny posiada wiele parametrów. Przykładowo dla algorytmu genetycznego są to: prawdopodobieństwa stosowania operatorów mutacji i krzyżowania.
Bardziej szczegółowowtedy i tylko wtedy, gdy rozwiązanie i jest nie gorsze od j względem k-tego kryterium. 2) Macierz części wspólnej Utwórz macierz
Temat: Programowanie wieloryterialne. Ujęcie dysretne.. Problem programowania wieloryterialnego. Z programowaniem wieloryterialnym mamy do czynienia, gdy w problemie decyzyjnym występuje więcej niż jedno
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Zadanie Rozważmy następujący model strzelania do tarczy. Współrzędne puntu trafienia (, Y ) są niezależnymi zmiennymi losowymi o jednaowym rozładzie normalnym N ( 0, σ ). Punt (0,0) uznajemy za środe tarczy,
Bardziej szczegółowoGenerowanie i optymalizacja harmonogramu za pomoca
Generowanie i optymalizacja harmonogramu za pomoca na przykładzie generatora planu zajęć Matematyka Stosowana i Informatyka Stosowana Wydział Fizyki Technicznej i Matematyki Stosowanej Politechnika Gdańska
Bardziej szczegółowoPrognozowanie notowań pakietów akcji poprzez ortogonalizację szeregów czasowych 1
Prognozowanie notowań paietów acji poprzez ortogonalizację szeregów czasowych Andrzej Kasprzyci. WSĘP Dynamię rynu finansowego opisuje się indesami agregatowymi: cen, ilości i wartości. Indes giełdowy
Bardziej szczegółowoDRGANIA WŁASNE RAM OBLICZANIE CZĘSTOŚCI KOŁOWYCH DRGAŃ WŁASNYCH
Część 5. DRGANIA WŁASNE RAM OBLICZANIE CZĘSTOŚCI KOŁOWYCH... 5. 5. DRGANIA WŁASNE RAM OBLICZANIE CZĘSTOŚCI KOŁOWYCH DRGAŃ WŁASNYCH 5.. Wprowadzenie Rozwiązywanie zadań z zaresu dynamii budowli sprowadza
Bardziej szczegółowoAlgorytmy genetyczne. Dariusz Banasiak. Katedra Informatyki Technicznej Wydział Elektroniki
Dariusz Banasiak Katedra Informatyki Technicznej Wydział Elektroniki Obliczenia ewolucyjne (EC evolutionary computing) lub algorytmy ewolucyjne (EA evolutionary algorithms) to ogólne określenia używane
Bardziej szczegółowoMatematyka dyskretna. Wykład 2: Kombinatoryka. Gniewomir Sarbicki
Matematya dysretna Wyład 2: Kombinatorya Gniewomir Sarbici Kombinatorya Definicja Kombinatorya zajmuje się oreślaniem mocy zbiorów sończonych, w szczególności mocy zbiorów odwzorowań jednego zbioru w drugi
Bardziej szczegółowo4.15 Badanie dyfrakcji światła laserowego na krysztale koloidalnym(o19)
256 Fale 4.15 Badanie dyfracji światła laserowego na rysztale oloidalnym(o19) Celem ćwiczenia jest wyznaczenie stałej sieci dwuwymiarowego ryształu oloidalnego metodą dyfracji światła laserowego. Zagadnienia
Bardziej szczegółowoProblemy z ograniczeniami
Problemy z ograniczeniami 1 2 Dlaczego zadania z ograniczeniami Wiele praktycznych problemów to problemy z ograniczeniami. Problemy trudne obliczeniowo (np-trudne) to prawie zawsze problemy z ograniczeniami.
Bardziej szczegółowoMetody Rozmyte i Algorytmy Ewolucyjne
mgr inż. Wydział Matematyczno-Przyrodniczy Szkoła Nauk Ścisłych Uniwersytet Kardynała Stefana Wyszyńskiego Podstawowe operatory genetyczne Plan wykładu Przypomnienie 1 Przypomnienie Metody generacji liczb
Bardziej szczegółowoWykorzystanie logiki rozmytej w badaniach petrofizycznych
NAFTA-GAZ, ROK LXXII, Nr / DOI: 1.1/NG...1 Barbara Darła, Małgorzata Kowalsa-Włodarczy Instytut Nafty i Gazu Państwowy Instytut Badawczy Wyorzystanie logii rozmytej w badaniach petrofizycznych Praca ta
Bardziej szczegółowoRozwiązanie problemu komiwojażera przy użyciu algorytmu genetycznego 2
Joanna Ochelska-Mierzejewska 1 Politechnika Łódzka Rozwiązanie problemu komiwojażera przy użyciu algorytmu genetycznego 2 Wprowadzenie Jednym z podstawowych ogniw usług logistycznych jest transport [7].
Bardziej szczegółowoAlgorytmy wyznaczania centralności w sieci Szymon Szylko
Algorytmy wyznaczania centralności w sieci Szymon Szylko Zakład systemów Informacyjnych Wrocław 10.01.2008 Agenda prezentacji Cechy sieci Algorytmy grafowe Badanie centralności Algorytmy wyznaczania centralności
Bardziej szczegółowoZastosowanie syntetycznych mierników dynamiki struktury w analizie zmian aktywności ekonomicznej ludności wiejskiej
Ewa Wasilewsa Katedra Eonometrii i Statystyi SGGW Zastosowanie syntetycznych mierniów dynamii strutury w analizie zmian atywności eonomicznej ludności wiejsiej Wstęp Przeobrażenia gospodari polsiej po
Bardziej szczegółowoOPTYMALIZACJA STRUKTUR ELEKTROENERGETYCZNYCH SIECI PROMIENIOWYCH
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 78 Electrical Engineering 2014 Janusz BROŻEK* Wojciech BĄCHOREK* OPTYMALIZACJA STRUKTUR ELEKTROENERGETYCZNYCH SIECI PROMIENIOWYCH Optymalizacja promieniowych
Bardziej szczegółowoFOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2011, Oeconomica 285 (62), 45 50
FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2011, Oeconomica 285 (62), 45 50 Anna Landowska KLASYCZNY ALGORYTM GENETYCZNY W DYNAMICZNEJ OPTYMALIZACJI MODELU
Bardziej szczegółowoAlgorytm wyznaczania krotności diagnostycznej struktury opiniowania diagnostycznego typu PMC 1
BIULETYN INSTYTUTU AUTOMATYKI I ROBOTYKI NR 18, 2003 Algoryt wyznaczania rotności diagnostycznej strutury opiniowania diagnostycznego typu PMC 1 Artur ARCIUCH Załad Systeów Koputerowych, Instytut Teleinforatyi
Bardziej szczegółowoAlgorytm hybrydowy dla alokacji portfela inwestycyjnego przy ograniczonych zasobach
Adam Stawowy Algorytm hybrydowy dla alokacji portfela inwestycyjnego przy ograniczonych zasobach Summary: We present a meta-heuristic to combine Monte Carlo simulation with genetic algorithm for Capital
Bardziej szczegółowoANALIZA METROLOGICZNA UKŁADU DO DIAGNOSTYKI ŁOŻYSK OPARTEJ NA POMIARACH MOCY CHWILOWEJ
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 7 Electrical Engineering 01 Ariel DZWONKOWSKI* ANALIZA METROLOGICZNA UKŁADU DO DIAGNOSTYKI ŁOŻYSK OPARTEJ NA POMIARACH MOCY CHWILOWEJ W artyule przedstawiono
Bardziej szczegółowoMetody numeryczne. Instytut Sterowania i Systemów Informatycznych Wydział Elektrotechniki, Informatyki i Telekomunikacji Uniwersytet Zielonogórski
Metody numeryczne Instytut Sterowania i Systemów Informatycznych Wydział Eletrotechnii, Informatyi i Teleomuniacji Uniwersytet Zielonogórsi Eletrotechnia stacjonarne-dzienne pierwszego stopnia z tyt. inżyniera
Bardziej szczegółowoKoła rowerowe malują fraktale
Koła rowerowe malują fratale Mare Berezowsi Politechnia Śląsa Rozważmy urządzenie sładającego się z n ół o różnych rozmiarach, obracających się z różnymi prędościami. Na obręczy danego oła, obracającego
Bardziej szczegółowoWyznaczenie prędkości pojazdu na podstawie długości śladów hamowania pozostawionych na drodze
Podstawy analizy wypadów drogowych Instrucja do ćwiczenia 1 Wyznaczenie prędości pojazdu na podstawie długości śladów hamowania pozostawionych na drodze Spis treści 1. CEL ĆWICZENIA... 3. WPROWADZENIE...
Bardziej szczegółowoTEORIA OBWODÓW I SYGNAŁÓW LABORATORIUM
EORI OBWODÓW I SYGNŁÓW LBORORIUM KDEMI MORSK Katedra eleomuniacji Morsiej Ćwiczenie nr 2: eoria obwodów i sygnałów laboratorium ĆWICZENIE 2 BDNIE WIDM SYGNŁÓW OKRESOWYCH. Cel ćwiczenia Celem ćwiczenia
Bardziej szczegółowoSchemat programowania dynamicznego (ang. dynamic programming)
Schemat programowania dynamicznego (ang. dynamic programming) Jest jedną z metod rozwiązywania problemów optymalizacyjnych. Jej twórcą (1957) był amerykański matematyk Richard Ernest Bellman. Schemat ten
Bardziej szczegółowoa) 7 b) 19 c) 21 d) 34
Zadanie 1. Pytania testowe dotyczące podstawowych własności grafów. Zadanie 2. Przy każdym z zadań może się pojawić polecenie krótkiej charakterystyki algorytmu. Zadanie 3. W zadanym grafie sprawdzenie
Bardziej szczegółowoNUMERYCZNA SYMULACJA STOPNIOWEGO USZKADZANIA SIĘ LAMINATÓW KOMPOZYTOWYCH NUMERICAL SIMULATION OF PROGRESSIVE DAMAGE IN COMPOSITE LAMINATES
JANUSZ GERMAN, ZBIGNIEW MIKULSKI NUMERYCZNA SYMULACJA STOPNIOWEGO USZKADZANIA SIĘ LAMINATÓW KOMPOZYTOWYCH NUMERICAL SIMULATION OF PROGRESSIVE DAMAGE IN COMPOSITE LAMINATES S t r e s z c z e n i e A b s
Bardziej szczegółowoWYKORZYSTANIE STEROWNIKÓW ROZMYTYCH DO OPTYMALIZACJI PRACY LINII DO EKSTRUDOWANIA PRODUKTÓW ROŚLINNYCH
InŜynieria Rolnicza 7/2006 Adam Eielsi Katedra Organizacji i InŜynierii Producji Szoła Główna Gospodarstwa Wiejsiego w Warszawie WYKORZYSTANIE STEROWNIKÓW ROZMYTYCH DO OPTYMALIZACJI PRACY LINII DO EKSTRUDOWANIA
Bardziej szczegółowoALGEBRA Z GEOMETRIĄ ANALITYCZNĄ
ALGEBRA Z GEOMETRIĄ ANALITYCZNĄ LISTA ZADAŃ 1 1 Napisać w formie rozwiniętej następujące wyrażenia: 4 (a 2 + b +1 =0 5 a i b j =1 n a i b j =1 n =0 (a nb 4 3 (! + ib i=3 =1 2 Wyorzystując twierdzenie o
Bardziej szczegółowoAlgorytmy stochastyczne, wykład 01 Podstawowy algorytm genetyczny
Algorytmy stochastyczne, wykład 01 J. Piersa Wydział Matematyki i Informatyki, Uniwersytet Mikołaja Kopernika 2014-02-21 In memoriam prof. dr hab. Tomasz Schreiber (1975-2010) 1 2 3 Różne Orientacyjny
Bardziej szczegółowoELEKTROTECHNIKA I ELEKTRONIKA
UNIWERSYTET TECHNOLOGICZNO-PRZYRODNICZY W BYDGOSZCZY WYDZIŁ INŻYNIERII MECHNICZNEJ INSTYTUT EKSPLOTCJI MSZYN I TRNSPORTU ZKŁD STEROWNI ELEKTROTECHNIK I ELEKTRONIK ĆWICZENIE: E2 POMIRY PRĄDÓW I NPIĘĆ W
Bardziej szczegółowoPodstawy Automatyki Zbiór zadań dla studentów II roku AiR oraz MiBM
Aademia GórniczoHutnicza im. St. Staszica w Kraowie Wydział Inżynierii Mechanicznej i Robotyi Katedra Automatyzacji Procesów Podstawy Automatyi Zbiór zadań dla studentów II rou AiR oraz MiBM Tomasz Łuomsi
Bardziej szczegółowoRozjazdy z nieliniową krzywizną toru zwrotnego dla różnych prędkości jazdy pociągów
PROBLEMY KOLEJNICTWA RAILWAY REPORT Zeszyt 181 (grudzień 018) ISSN 055-145 (dru) ISSN 544-9451 (on-line) Rozjazdy z nieliniową rzywizną toru zwrotnego dla różnych prędości jazdy pociągów Władysław KOC
Bardziej szczegółowoLABORATORIUM 2: Wpływ wielkości populacji i liczby pokoleń na skuteczność poszukiwań AE. opracował: dr inż. Witold Beluch
OBLICZENIA EWOLUCYJNE LABORATORIUM 2: Wpływ wielkości populacji i liczby pokoleń na skuteczność poszukiwań AE opracował: dr inż. Witold Beluch witold.beluch@polsl.pl Gliwice 12 OBLICZENIA EWOLUCYJNE LABORATORIUM
Bardziej szczegółowoAlgorytmy ewolucyjne 1
Algorytmy ewolucyjne 1 2 Zasady zaliczenia przedmiotu Prowadzący (wykład i pracownie specjalistyczną): Wojciech Kwedlo, pokój 205. Konsultacje dla studentów studiów dziennych: poniedziałek,środa, godz
Bardziej szczegółowoZadanie 5 - Algorytmy genetyczne (optymalizacja)
Zadanie 5 - Algorytmy genetyczne (optymalizacja) Marcin Pietrzykowski mpietrzykowski@wi.zut.edu.pl wersja 1.0 1 Cel Celem zadania jest zapoznanie się z Algorytmami Genetycznymi w celu rozwiązywanie zadania
Bardziej szczegółowoĆwiczenie 4 Badanie wpływu asymetrii obciążenia na pracę sieci
Ćwiczenie 4 - Badanie wpływu asymetrii obciążenia na pracę sieci Strona 1/13 Ćwiczenie 4 Badanie wpływu asymetrii obciążenia na pracę sieci Spis treści 1.Cel ćwiczenia...2 2.Wstęp...2 2.1.Wprowadzenie
Bardziej szczegółowoIMPLEMENTACJA FUNKCJI ZBIORÓW POZIOMICOWYCH W ALGORYTMACH KONSTRUKCJI OBRAZU TOMOGRAFICZNEGO
Tomasz RYMARCZYK Stefan F. FLPOWCZ MPLEMENTACJA FUNKCJ ZBORÓW POZOMCOWYCH W ALGORYTMACH KONSTRUKCJ OBRAZU TOMOGRAFCZNEGO STRESZCZENE W pracy przedstawiono metodę rozwiązania zagadnienia odwrotnego w tomografii
Bardziej szczegółowoStrefa pokrycia radiowego wokół stacji bazowych. Zasięg stacji bazowych Zazębianie się komórek
Problem zapożyczania kanałów z wykorzystaniem narzędzi optymalizacji Wprowadzenie Rozwiązanie problemu przydziału częstotliwości prowadzi do stanu, w którym każdej stacji bazowej przydzielono żądaną liczbę
Bardziej szczegółowoWstęp do Sztucznej Inteligencji
Wstęp do Sztucznej Inteligencji Algorytmy Genetyczne Joanna Kołodziej Politechnika Krakowska Wydział Fizyki, Matematyki i Informatyki Metody heurystyczne Algorytm efektywny: koszt zastosowania (mierzony
Bardziej szczegółowoMetody komputerowe i obliczeniowe Metoda Elementów Skoczonych. Element jednowymiarowy i jednoparametrowy : spryna
Metody omputerowe i obliczeniowe Metoda Elementów Soczonych Element jednowymiarowy i jednoparametrowy : spryna Jest to najprostszy element: współrzdne loalne i globalne jego wzłów s taie same nie potrzeba
Bardziej szczegółowoWAE Jarosław Arabas Pełny schemat algorytmu ewolucyjnego
WAE Jarosław Arabas Pełny schemat algorytmu ewolucyjnego Algorytm ewolucyjny algorytm ewolucyjny inicjuj P 0 {P 0 1, P 0 2... P 0 μ } t 0 H P 0 while! stop for (i 1: λ) if (a< p c ) O t i mutation(crossover
Bardziej szczegółowoUczenie sieci typu MLP
Uczenie sieci typu MLP Przypomnienie budowa sieci typu MLP Przypomnienie budowy neuronu Neuron ze skokową funkcją aktywacji jest zły!!! Powszechnie stosuje -> modele z sigmoidalną funkcją aktywacji - współczynnik
Bardziej szczegółowoWYMAGANIA Z WIEDZY I UMIEJĘTNOŚCI NA POSZCZEGÓLNE STOPNIE SZKOLNE DLA KLASY 3g. zakres rozszerzony
WYMAGANIA Z WIEDZY I UMIEJĘTNOŚCI NA POSZCZEGÓLNE STOPNIE SZKOLNE DLA KLASY 3g zares rozszerzony 1. Wielomiany bardzo zna pojęcie jednomianu jednej zmiennej; potrafi wsazać jednomiany podobne; potrafi
Bardziej szczegółowoKARTA MODUŁU KSZTAŁCENIA
KARTA MODUŁU KSZTAŁCENIA I. Informacje ogólne 1 Nazwa modułu kształcenia Sztuczna inteligencja 2 Nazwa jednostki prowadzącej moduł Instytut Informatyki, Zakład Informatyki Stosowanej 3 Kod modułu (wypełnia
Bardziej szczegółowoGospodarcze zastosowania algorytmów genetycznych
Marta Woźniak Gospodarcze zastosowania algorytmów genetycznych 1. Wstęp Ekonometria jako nauka zajmująca się ustalaniem za pomocą metod statystycznych ilościowych prawidłowości zachodzących w życiu gospodarczym
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: INTELIGENTNE SYSTEMY OBLICZENIOWE Systems Based on Computational Intelligence Kierunek: Inżynieria Biomedyczna Rodzaj przedmiotu: obowiązkowy moduł specjalności informatyka medyczna Rodzaj
Bardziej szczegółowoPOZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 72 Electrical Engineering 2012
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 72 Electrical Engineering 2012 Wiktor HUDY* Kazimierz JARACZ* ANALIZA WYNIKÓW SYMULACJI EWOLUCYJNEJ OPTYMALIZACJI PARAMETRYCZNEJ UKŁADU STEROWANIA
Bardziej szczegółowoNEURONOWE MODELOWANIE OCENY JAKOŚCI USŁUG TRANSPORTOWYCH
Andrzej ŚWIDERSKI Wojsowa Aademia Techniczna Wydział Mechaniczny Załad Systemów Jaości i Zarządzania 02-010 Warszawa, ul. Nowowiejsa 26 aswidersi@wat.edu.pl NEURONOWE MODELOWANIE OCENY JAKOŚCI USŁUG TRANSPORTOWYCH
Bardziej szczegółowoLABORATORIUM TECHNIKI CIEPLNEJ INSTYTUTU TECHNIKI CIEPLNEJ WYDZIAŁ INŻYNIERII ŚRODOWISKA I ENERGETYKI POLITECHNIKI ŚLĄSKIEJ
INSTYTUTU TECHNIKI CIEPLNEJ WYDZIAŁ INŻYNIERII ŚRODOWISKA I ENERGETYKI POLITECHNIKI ŚLĄSKIEJ INSTRUKCJA LABORATORYJNA Temat ćwiczenia: WYZNACZANIE WSPÓŁCZYNNIKA PRZENIKANIA CIEPŁA PODCZAS SKRAPLANIA PARY
Bardziej szczegółowoTechniki optymalizacji
Techniki optymalizacji Wprowadzenie Maciej Hapke maciej.hapke at put.poznan.pl Literatura D.E. Goldberg Algorytmy genetyczne i zastosowania, WNT, 1995 Z. Michalewicz Algorytmy genetyczne + struktury danych
Bardziej szczegółowoOptymalizacja parametrów w strategiach inwestycyjnych dla event-driven tradingu - metodologia badań
Raport 1/2015 Optymalizacja parametrów w strategiach inwestycyjnych dla event-driven tradingu - metodologia badań autor: Michał Osmoła INIME Instytut nauk informatycznych i matematycznych z zastosowaniem
Bardziej szczegółowoAlgorytmy ewolucyjne. Łukasz Przybyłek Studenckie Koło Naukowe BRAINS
Algorytmy ewolucyjne Łukasz Przybyłek Studenckie Koło Naukowe BRAINS 1 Wprowadzenie Algorytmy ewolucyjne ogólne algorytmy optymalizacji operujące na populacji rozwiązań, inspirowane biologicznymi zjawiskami,
Bardziej szczegółowoALGORYTMY GENETYCZNE (wykład + ćwiczenia)
ALGORYTMY GENETYCZNE (wykład + ćwiczenia) Prof. dr hab. Krzysztof Dems Treści programowe: 1. Metody rozwiązywania problemów matematycznych i informatycznych.. Elementarny algorytm genetyczny: definicja
Bardziej szczegółowoRÓWNOLEGŁY ALGORYTM PRZESZUKIWANIA Z ZABRONIENIAMI DLA CYKLICZNEGO PROBLEMU GNIAZDOWEGO
RÓWNOLEGŁY ALGORYTM PRZESZUKIWANIA Z ZABRONIENIAMI DLA CYKLICZNEGO PROBLEMU GNIAZDOWEGO Wojciech BOŻEJKO, Andrzej GNATOWSKI, Mieczysław WODECKI Streszczenie: W pracy rozpatrujemy cyliczny problemem gniazdowy,
Bardziej szczegółowoDrzewa spinające MST dla grafów ważonych Maksymalne drzewo spinające Drzewo Steinera. Wykład 6. Drzewa cz. II
Wykład 6. Drzewa cz. II 1 / 65 drzewa spinające Drzewa spinające Zliczanie drzew spinających Drzewo T nazywamy drzewem rozpinającym (spinającym) (lub dendrytem) spójnego grafu G, jeżeli jest podgrafem
Bardziej szczegółowo