OPTYMALIZACJA KONFIGURACJI ALGORYTMU EWOLUCYJNEGO DO PLANOWANIA PROCESU MONTAŻU
|
|
- Dominik Kozak
- 8 lat temu
- Przeglądów:
Transkrypt
1 OPTYMALIZACJA KONFIGURACJI ALGORYTMU EWOLUCYJNEGO DO PLANOWANIA PROCESU MONTAŻU Tomasz JANKOWSKI Streszczenie Jednym z pierwszych zadań, jakie należy wykonać w trakcie projektowania procesu technologicznego montażu, jest ustalenie kolejności wchodzenia poszczególnych części do procesu montażu, czyli zaplanowanie sekwencji montażowej. Problem planowania sekwencji montażu, jak większość problemów optymalizacji kombinatorycznej, należy do klasy problemów trudno rozwiązywalnych w rozsądnym czasie, co oznacza, że ich dokładne rozwiązanie za pomocą algorytmów o złożoności wielomianowej jest najprawdopodobniej niemożliwe. Przedstawiony w niniejszym artykule koncepcyjny model ewolucyjny umożliwi w opinii autora efektywne rozwiązywanie zagadnienia planowania sekwencji montażowej. Praca skupia się na przedstawieniu znaczenia właściwej konfiguracji algorytmu ewolucyjnego, na przykładzie operacji krzyżowania i różnych wersji jej realizacji. Przeprowadzono badania numeryczne wpływu wybranych sposobów realizacji operatora krzyżowania, jakie w źródłach literaturowych uznawane są za najlepsze dla kodowania permutacyjnego problemów optymalizacji kombinatorycznej, do których należy zadanie planowania sekwencji montażowej oraz zadanie testowe planowania trasy komiwojażera. Wyniki przeprowadzonych badań numerycznych pozwoliły ustalić najbardziej efektywną konfigurację operatora krzyżowania z porządkowaniem (OX) oraz wartości parametrów prawdopodobieństw krzyżowania i mutacji, dla których algorytm uzyskuje rozwiązania optymalne ze stuprocentową powtarzalnością, przy jak najniższym koszcie symulacji. Słowa kluczowe algorytmy ewolucyjne, planowanie procesu, optymalizacja 1. Wstęp Intensywny rozwój elastycznych i komputerowo zintegrowanych systemów produkcyjnych oraz komputerowych systemów wspomagających wytwarzanie wymaga efektywnych algorytmów do rozwiązywania wielu problemów planowania i szeregowania zadań produkcyjnych [1]. W planowaniu i sterowaniu produkcją, z powodu coraz szerszego zastosowania komputerowego wspomagania w rozwiązywaniu problemów decyzyjnych, konieczne jest wykorzystanie efektywnych i szybkich algorytmów. Dotyczy to szczególnie poziomów planowania taktycznego, związanego z przygotowaniem systemu do wykonywania konkretnych zadań w krótkim czasie i sterowania operacyjnego związanego z bieżącym funkcjonowaniem systemu produkcyjnego [2]. 2. Model ewolucyjny dla zagadnienia planowania sekwencji montażowej Przedstawiony w niniejszym rozdziale model ewolucyjny umożliwia w opinii autora efektywne rozwiązywanie zagadnienia planowania sekwencji montażowej. Zamieszczony na rys. 1 schemat przedstawia strukturę funkcjonalną modelu z wyszczególnieniem dwóch obszarów: przestrzeni fizycznej, zawierającej informacje o strukturze montowanego wyrobu, sposób modelowania sekwencji montażowej, przyjęte kryteria optymalizacji i inne potrzebne dane wejściowe dotyczące wyrobu lub procesu montażu; przestrzeni ewolucyjnej, w której zawarte są procedury tworzenia populacji początkowej, procedury iteracyjnego powtarzania procesu optymalizacji ewolucyjnej i definicje warunków zakończenia oraz definicje wielu wersji operatorów genetycznych: krzyżowania, mutacji, reprodukcji i sukcesji. Niniejszy artykuł skupia się na przedstawieniu znaczenia właściwej konfiguracji algorytmu ewolucyjnego, na przykładzie operacji krzyżowania i różnych wersji jej realizacji. Inne elementy modelu ewolucyjnego opisane są szczegółowo w następujących publikacjach [3, 4]. 3. Konfiguracja algorytmu ewolucyjnego Bardzo ważnym etapem przygotowania algorytmu ewolucyjnego do pracy jest jego strojenie, tzn. optymalne określenie takich wielkości, jak: sposób realizacji reprodukcji i sukcesji, rodzaj zastosowanego krzyżowania, rodzaj zastosowanej mutacji, wielkość populacji, prawdopodobieństwo krzyżowania, prawdopodobieństwo mutacji, mających decydujący wpływ na pracę algorytmu i jakość uzyskiwanych rezultatów. Wyznaczenie optymalnych wartości, dla tak wielu wielkości mających wpływ na pracę algorytmu, wymaga wielu czasochłonnych eksperymentów [5, 6]. Wymienione wielkości dzielą się na: nieciągłe, określane mianem zmiennych decyzyjnych, ciągłe, określane mianem parametrów. Na podstawie analizy literatury, do realizacji eksperymentów wybrano następującą grupę różnych wariantów realizacji zmiennych decyzyjnych: 15
2 3/2014 Technologia i Automatyzacja Montażu Rys. 1. Schemat modelu ewolucyjnego dla zagadnienia planowania sekwencji montażowej Fig. 1. Flow chart of evolutionary model for assembly sequence planning 3 sposoby realizacji operacji reprodukcji: ruletkowa, turniejowa, rangowa; 3 sposoby realizacji operatora krzyżowania: z porządkowaniem (OX), z częściowym odwzorowaniem (PMX), cykliczne (CX); 2 sposoby realizacji operacji sukcesji: trywialna, elitarna. Na podstawie wybranej grupy zmiennych decyzyjnych określono 18 wariantów konfiguracji algorytmu do przeprowadzenia badań symulacyjnych efektywności poszczególnych konfiguracji. Niezależny rozwój algorytmów ewolucyjnych w różnych ośrodkach naukowych przyczynił się do powstania różnych schematów realizacji operatora krzyżowania, który będzie obiektem niżej omawianych analiz. Jednymi ze źródeł tych różnic były: liczba osobników rodzicielskich, będąca źródłem danych dla operacji krzyżowania, oraz liczba osobników potomnych, powstałych w wyniku wykonania krzyżowania. W niniejszej pracy przyjęto, najczęściej stosowany schemat, że w krzyżowaniu biorą udział dwa osobniki rodzicielskie i w rezultacie otrzymuje się dwa osobniki potomne. Krzyżowanie z częściowym odwzorowaniem (PMX) Operator krzyżowania z częściowym odwzorowaniem PMX, autorstwa Goldberga i Lingle a [7], tworzy potomka, wybierając podsekwencję od jednego rodzica i pozostawiając porządek i pozycje tak wielu elementów drugiego rozwiązania rodzicielskiego, jak to tylko możliwe. Krzyżowanie z porządkowaniem (OX) Operator krzyżowania z porządkowaniem OX, który został zaproponowany przez Davisa [8], tworzy rozwiązanie potomne, wybierając podsekwencję od jednego rodzica i pozostawiając wzajemne uporządkowanie elementów z drugiego rodzica. Krzyżowanie cykliczne (CX) Operator krzyżowania cyklicznego CX, zaproponowany przez Olivera [9], tworzy rozwiązania potomne w taki sposób, że każdy element potomka i jego pozycja pochodzi od jednego z rodziców. Jako zadanie testowe wykorzystano, bardzo popularne w badaniu algorytmów optymalizacji kombinatorycznej, zagadnienie komiwojażera. Złożoność problemu określono dla 36 punktów (miast), gdzie wielkość przeszukiwanej przestrzeni rozwiązań wynosi 36! 3,7* Dla wygenerowanego planu miast wyznaczono najkrótszą trasę o wartości równej 360, będącą rozwiązaniem optymalnym, co następnie wykorzystano do oceny, czy algorytm jest w stanie znaleźć rozwiązanie optymalne. Dodatkowo znajomość wartości optymalnej dla badanego zadania testowego wykorzystano jako dodatkowy warunek zatrzymania pracy algorytmu w momencie osiągnięcia optimum. 4. Analiza uzyskanych wyników Na rys. 2 7 przedstawiono porównanie uzyskanych rezultatów, dla analizowanych sposobów realizacji operatora krzyżowania (OX, PMX, CX), w różnych konfiguracjach operatorów reprodukcji i sukcesji. 16
3 Rys. 2. Porównanie operatorów krzyżowania w konfiguracji z reprodukcją ruletkową i sukcesją trywialną Fig. 2. Comparison of crossover operators in configuration with roulette reproduction and trivial succession Trudno wyciągać bezpośrednie wnioski na podstawie wykresów przedstawionych na rys. 2 i 3, w których algorytm nie osiągał lub osiągał ze stosunkowo niską powtarzalnością rozwiązania optymalne. Na rys. 2 widoczna jest pewna niejednoznaczność. Konfiguracja z krzyżowaniem PMX, która jako jedyna z porównywanych osiągnęła jeden raz wartość optymalną, jednocześnie uzyskała najgorszą wartość średnią z wyników jakości rozwiązania. Dla lepszej interpretacji wyników dodatkowo posłużono się określeniem miar dyspersji uzyskanych wyników poprzez wyznaczenie odchyleń standardowych dla wartości jakości rozwiązania i kosztu symulacji będących wartościami średnimi z próby 10 eksperymentów, w celu określenia niepewności przypadkowej uzyskanych wyników. Wyniki dotyczące jakości rozwiązania z zastosowaniem krzyżowania PMX pokazują kilkakrotnie większy zakres niepewności uzyskanych wyników niż zastosowanie pozostałych operatorów krzyżowania OX i CX. Informacja ta daje potwierdzenie, że mimo wysokiej wartości średniej dla jakości rozwiązania (844,1±228,3), a jednocześnie przy dużej dyspersji uzyskiwanych wyników, algorytm był w stanie osiągnąć wartość optymalną w jednym z pomiarów. Co do wyników kosztu symulacji widać, że jeśli chodzi o wartość średnią, która w przypadku nieosiągania wartości optymalnych pokazuje numer iteracji algorytmu, w którym nastąpiła ostatnia poprawa wartości funkcji oceny, że w porównaniu operatorów krzyżowania najwyższą wartość uzyskano dla krzyżowania OX. Jeśli chodzi o wartość niepewności, to najmniejszą uzyskano dla krzyżowania OX i to prawie o rząd wielkości niższą od pozostałych operatorów, a więc znacznie lepsze skupienie wyników niż dla pozostałych operatorów krzyżowania. Rys. 4. Porównanie operatorów krzyżowania w konfiguracji z reprodukcją turniejową i sukcesją trywialną Fig. 4. Comparison of crossover operators in configuration with tournament reproduction and elite succession Rys. 3. Porównanie operatorów krzyżowania w konfiguracji z reprodukcją ruletkową i sukcesją elitarną Fig. 3. Comparison of crossover operators in configuration with roulette reproduction and elite succession Rys. 5. Porównanie operatorów krzyżowania w konfiguracji z reprodukcją turniejową i sukcesją elitarną Fig. 5. Comparison of crossover algorithms in configuration with tournament reproduction and elite succession W przypadku wyników dla konfiguracji z reprodukcją ruletkową i sukcesją elitarną (rys. 3) widać lepsze rezultaty niż w przypadku wcześniejszej konfiguracji, chociaż nie uzyskano stuprocentowej powtarzalności w osiąganiu optimum. Jak w przypadku rys. 2, uzupełniono przedstawione rezultaty o wartości niepewności dla wyznaczonych wyników w celu pełniejszej oceny. W odróżnieniu od poprzedniego wykresu, wykres z rys. 3 przedstawia znacznie lepsze rezultaty w powtarzalności osiągania optimum. Zastosowanie operatora OX pozwoliło uzyskać powtarzalność na poziomie 80%, co daje dwukrotnie lepszy wynik niż zastosowanie operatorów PMX lub CX. Znajduje to także swoje odbicie w wartości średniej funkcji jakości rozwiązania i jej niepewności. 17
4 3/2014 Technologia i Automatyzacja Montażu Znacznie łatwiej interpretować wyniki przedstawione na rys Wszystkie 4 konfiguracje uzyskiwały wynik optymalny ze stuprocentową powtarzalnością niezależnie od zastosowanego krzyżowania, co praktycznie sprowadza analizę do porównania i oceny pod kątem kosztu symulacji, jaki był konieczny do osiągnięcia przedstawionych wyników. W każdej konfiguracji zastosowanie krzyżowania OX powodowało uzyskanie najniższego kosztu symulacji. Koszt symulacji prowadzonych z zastosowaniem operatorów PMX lub CX był gorszy o 24 80% w zależności od konfiguracji operatorów reprodukcji i sukcesji. Najwolniej przebiegało osiąganie optimum z zastosowaniem operatora CX, poza jednym przypadkiem konfiguracji z reprodukcją rangową i sukcesją elitarną (patrz rys. 7), kiedy uzyskano niższy koszt symulacji z zastosowaniem operatora CX niż z zastosowaniem operatora PMX. Rys. 6. Porównanie operatorów krzyżowania w konfiguracji z reprodukcją rangową i sukcesją trywialną Fig. 6. Comparison of crossover operators in configuration with rank reproduction and trivial succession Rys. 7. Porównanie operatorów krzyżowania w konfiguracji z reprodukcją rangową i sukcesją elitarną Fig. 7. Comparison of crossover operators in configuration with rank reproduction and elite succession 5. Podsumowanie Przeprowadzono badania numeryczne wpływu wybranych sposobów realizacji operatora krzyżowania, jakie w źródłach literaturowych uznawane są za najlepsze dla kodowania permutacyjnego problemów optymalizacji kombinatorycznej, do których należy zadanie planowania sekwencji montażowej oraz zadanie testowe planowania trasy komiwojażera. Wyniki przeprowadzonych badań numerycznych pozwoliły ustalić najbardziej efektywną konfigurację operatora krzyżowania z porządkowaniem (OX) oraz wartości parametrów prawdopodobieństw krzyżowania i mutacji, dla których algorytm uzyskuje rozwiązania optymalne ze stuprocentową powtarzalnością, przy jak najniższym koszcie symulacji. LITERATURA 1. Nowicki E.: Metoda tabu w problemach szeregowania zadań produkcyjnych. Prace Naukowe Instytutu Cybernetyki Technicznej Politechniki Wrocławskiej. Monografie nr 27, Oficyna Wydawnicza Politechniki Wrocławskiej, Wrocław Łebkowski P.: Metody komputerowego wspomagania montażu mechanicznego w elastycznych systemach produkcyjnych. Uczelniane Wydawnictwa Naukowo-Dydaktyczne AGH, Kraków Jankowski T.: Memetic algorithm for assembly sequence planning. Journal of Machine Engineering, vol. 8, no. 3, pp , Jankowski T., Jędrzejewski J.: Hybrid evolutionary optimization in efficient task planning. Sustanable production and logistics in global networks: 43rd CIRP International Conference on Manufacturing Systems, W. Sihn and P. Kuhlang, Ed., pp , Pawlak M.: The search for the best decision variables values of the evolution program. Materiały I. Krajowej Konferencji pt.: Algorytmy Ewolucyjne, pp , Murzasichle, Pawlak M.: Algorytmy ewolucyjne jako narzędzie harmonogramowania produkcji. Wydawnictwo Naukowe PWN, Warszawa Goldberg D. E., Lingle R.: Alleles, Loci, and the {TSP}. Proceedings of the First International Conference on Genetic Algorithms, J. J. Grefenstette, Ed., pp , Lawrence Erlbaum Associates, Davis L.: Applying Adaptive Algorithms to Epistatic Domains. Proceedings of the International Joint Conference on Artificial Intelligence, pp , Oliver I. M., Smith D. J., Holland J. R. C.: A Study of Permutation Crossover Operators on the Travelling Salesman Problem. Proceedings of the Second International Conference on Genetic Algorithms, J. J. Grefenstette, Ed., pp , Lawrence Erlbaum Associates, Dr inż. Tomasz Jankowski adiunkt, Instytut Technologii Maszyn i Automatyzacji, Politechnika Wrocławska, ul. Wybrzeże Wyspiańskiego 27, Wrocław, tel , tomasz.jankowski@pwr.wroc.pl. 18
5 OPTIMIZATION OF THE EVOLUTIONARY ALGORITHM CONFIGURATION FOR ASSEMBLY PROCESS PLANNING Abstract One of the first steps, which should be done when designing an assembly process, is to determine the order in which the particular parts enter the assembly process, i.e. to plan the assembly sequence. As most combinatorial optimization problems, the assembly sequence-planning problem is difficult to solve in a reasonable amount of time, which means that their exact solution by means of algorithms with polynomial complexity is almost impossible. According to the author, the conceptual evolutionary model presented in this section makes possible to solve effectively the assembly sequence-planning problem. This paper emphasizes the importance of the proper configuration of the evolutionary algorithm, using the crossover operation and the different methods of conduction. Numerical studies have shown that the selective implementation effect of the crossover operator is generally considered to be the best for the permutational encoding of combinatorial optimization problems. The assembly sequence planning task, and the travelling salesman route planning test task that corresponds to the process have been carried out in this study. The numerical simulations led to determine the most effective configuration of the OX crossover operator, the values of the crossover, and mutation probability parameters for which the algorithm generates optimal solutions with one hundred per cent repeatability at the lowest simulation cost. Keywords evolutionary algorithms, process planning, optimization 19
IMPLIKACJE 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 szczegółowoNieklasyczne podejście ewolucyjne do problemu szeregowania zadań w systemach produkcyjnych
Andrzej Jardzioch, Bartosz Skobiej Zachodniopomorski Uniwersytet Technologiczny w Szczecinie Nieklasyczne podejście ewolucyjne do problemu szeregowania zadań w systemach produkcyjnych Wstęp Problematyka
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 szczegółowoLABORATORIUM 5: Wpływ reprodukcji na skuteczność poszukiwań AE. opracował: dr inż. Witold Beluch
OBLICZENIA EWOLUCYJNE LABORATORIUM 5: Wpływ reprodukcji na skuteczność poszukiwań AE opracował: dr inż. Witold Beluch witold.beluch@polsl.pl Gliwice 2012 OBLICZENIA EWOLUCYJNE LABORATORIUM 5 2 Cel ćwiczenia
Bardziej szczegółowoZASTOSOWANIE METOD OPTYMALIZACJI W DOBORZE CECH GEOMETRYCZNYCH KARBU ODCIĄŻAJĄCEGO
MODELOWANIE INŻYNIERSKIE ISSN 1896-771X 40, s. 43-48, Gliwice 2010 ZASTOSOWANIE METOD OPTYMALIZACJI W DOBORZE CECH GEOMETRYCZNYCH KARBU ODCIĄŻAJĄCEGO TOMASZ CZAPLA, MARIUSZ PAWLAK Katedra Mechaniki Stosowanej,
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 szczegółowoLABORATORIUM 3: Wpływ operatorów krzyżowania na skuteczność poszukiwań AE
Instytut Mechaniki i Inżynierii Obliczeniowej Wydział Mechaniczny Technologiczny, Politechnika Śląska www.imio.polsl.pl OBLICZENIA EWOLUCYJNE LABORATORIUM 3: Wpływ operatorów krzyżowania na skuteczność
Bardziej szczegółowoZastosowanie sztucznej inteligencji w testowaniu oprogramowania
Zastosowanie sztucznej inteligencji w testowaniu oprogramowania Problem NP Problem NP (niedeterministycznie wielomianowy, ang. nondeterministic polynomial) to problem decyzyjny, dla którego rozwiązanie
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 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 szczegółowoZmodyfikowany algorytm genetyczny dla dwuwymiarowego nieregularnego problemu optymalnego rozkroju
Zmodyfikowany algorytm genetyczny dla dwuwymiarowego nieregularnego problemu optymalnego rozkroju Sławomir Żak Politechnika Krakowska Międzywydziałowy Kierunek Informatyka Stosowana, Rok IV slawomir.zak@gmail.com
Bardziej szczegółowoPEWNE METODY HYBRYDOWE W JEDNOKRYTERIALNEJ OPTYMALIZACJI KONSTRUKCJI SOME HYBRID METHODS FOR SINGLE CRITERIA DESIGN OPTIMIZATION
STANISŁAW KRENICH PEWNE METODY HYBRYDOWE W JEDNOKRYTERIALNEJ OPTYMALIZACJI KONSTRUKCJI SOME HYBRID METHODS FOR SINGLE CRITERIA DESIGN OPTIMIZATION S t r e s z c z e n i e A b s t r a c t W artykule przedstawiono
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 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 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 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 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 szczegółowoXII International PhD Workshop OWD 2010, 23 26 October 2010. Metodyka pozyskiwania i analizy wyników badań symulacyjnych ścieżek klinicznych
XII International PhD Workshop OWD 2010, 23 26 October 2010 Metodyka pozyskiwania i analizy wyników badań symulacyjnych ścieżek klinicznych Methodology of Acquiring and Analyzing Results of Simulation
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 szczegółowoPORÓWNANIE ALGORYTMÓW OPTYMALIZACJI GLOBALNEJ W MODELOWANIU ODWROTNYM PROCESÓW SUSZENIA PRODUKTÓW ROLNICZYCH
Inżynieria Rolnicza 7(125)/2010 PORÓWNANIE ALGORYTMÓW OPTYMALIZACJI GLOBALNEJ W MODELOWANIU ODWROTNYM PROCESÓW SUSZENIA PRODUKTÓW ROLNICZYCH Michał Siatkowski, Jerzy Weres, Sebastian Kujawa Zakład Informatyki
Bardziej szczegółowoLABORATORIUM 4: Algorytmy ewolucyjne cz. 2 wpływ operatorów krzyżowania i mutacji na skuteczność poszukiwań AE
Instytut Mechaniki i Inżynierii Obliczeniowej Wydział Mechaniczny Technologiczny, Politechnika Śląska www.imio.polsl.pl METODY HEURYSTYCZNE LABORATORIUM 4: Algorytmy ewolucyjne cz. 2 wpływ operatorów krzyżowania
Bardziej szczegółowoAlgorytmy genetyczne dla problemu komiwojażera (ang. traveling salesperson)
Algorytmy genetyczne dla problemu komiwojażera (ang. traveling salesperson) 1 2 Wprowadzenie Sztandarowy problem optymalizacji kombinatorycznej. Problem NP-trudny. Potrzeba poszukiwania heurystyk. Chętnie
Bardziej szczegółowoOPTYMALIZACJA ZBIORNIKA NA GAZ PŁYNNY LPG
Leon KUKIEŁKA, Krzysztof KUKIEŁKA, Katarzyna GELETA, Łukasz CĄKAŁA OPTYMALIZACJA ZBIORNIKA NA GAZ PŁYNNY LPG Streszczenie Praca dotyczy optymalizacji kształtu zbiornika toroidalnego na gaz LPG. Kryterium
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 szczegółowoModyfikacje i ulepszenia standardowego algorytmu genetycznego
Modyfikacje i ulepszenia standardowego algorytmu genetycznego 1 2 Przypomnienie: pseudokod SGA t=0; initialize(p 0 ); while(!termination_condition(p t )) { evaluate(p t ); T t =selection(p t ); O t =crossover(t
Bardziej szczegółowoMODEL OPTYMALIZACYJNY SYNCHRONIZACJI LINII TRAMWAJOWYCH
Poznań - Rosnówko, 17-19.06.2015 r. Politechnika Poznańska Wydział Maszyn Roboczych i Transportu Zakład Systemów Transportowych MODEL OPTYMALIZACYJNY SYNCHRONIZACJI LINII TRAMWAJOWYCH mgr inż. Kamil Musialski
Bardziej szczegółowoAlgorytmy ewolucyjne
Algorytmy ewolucyjne wprowadzenie Piotr Lipiński lipinski@ii.uni.wroc.pl Piotr Lipiński Algorytmy ewolucyjne p.1/16 Cel wykładu zapoznanie studentów z algorytmami ewolucyjnymi, przede wszystkim nowoczesnymi
Bardziej szczegółowoALGORYTM EWOLUCYJNY DLA PROBLEMU SZEREGOWANIA ZADAŃ W SYSTEMIE PRZEPŁYWOWYM
ALGORYTM EWOLUCYJNY DLA PROBLEMU SZEREGOWANIA ZADAŃ W SYSTEMIE PRZEPŁYWOWYM Adam STAWOWY, Marek ŚWIĘCHOWICZ Streszczenie: W pracy zaprezentowano algorytm strategii ewolucyjnej do problemu szeregowania
Bardziej szczegółowoWYKORZYSTANIE METOD OPTYMALIZACJI DO ESTYMACJI ZASTĘPCZYCH WŁASNOŚCI MATERIAŁOWYCH UZWOJENIA MASZYNY ELEKTRYCZNEJ
MODELOWANIE INŻYNIERSKIE ISNN 1896-771X 3, s. 71-76, Gliwice 006 WYKORZYSTANIE METOD OPTYMALIZACJI DO ESTYMACJI ZASTĘPCZYCH WŁASNOŚCI MATERIAŁOWYCH UZWOJENIA MASZYNY ELEKTRYCZNEJ TOMASZ CZAPLA MARIUSZ
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 szczegółowoRok akademicki: 2013/2014 Kod: JIS AD-s Punkty ECTS: 4. Kierunek: Informatyka Stosowana Specjalność: Modelowanie i analiza danych
Nazwa modułu: Algorytmy genetyczne i ich zastosowania Rok akademicki: 2013/2014 Kod: JIS-2-201-AD-s Punkty ECTS: 4 Wydział: Fizyki i Informatyki Stosowanej Kierunek: Informatyka Stosowana Specjalność:
Bardziej szczegółowoWÓJCIK Ryszard 1 KĘPCZAK Norbert 2
WÓJCIK Ryszard 1 KĘPCZAK Norbert 2 Wykorzystanie symulacji komputerowych do określenia odkształceń otworów w korpusie przekładni walcowej wielostopniowej podczas procesu obróbki skrawaniem WSTĘP Właściwa
Bardziej szczegółowoPolitechnika Wrocławska Wydział Elektroniki INFORMATYKA SYSTEMÓW AUTONOMICZNYCH. Heurystyka, co to jest, potencjalne zastosowania
Politechnika Wrocławska Wydział Elektroniki INFORMATYKA SYSTEMÓW AUTONOMICZNYCH Autor: Łukasz Patyra indeks: 133325 Prowadzący zajęcia: dr inż. Marek Piasecki Ocena pracy: Wrocław 2007 Spis treści 1 Wstęp
Bardziej szczegółowoALGORYTM EWOLUCYJNY DLA PROBLEMU SZEREGOWANIA ZADAŃ W SYSTEMIE PRZEPŁYWOWYM 1. WPROWADZENIE
szeregowanie zadań, algorytmy ewolucyjne Adam STAWOWY * ALGORYTM EWOLUCYJNY DLA PROBLEMU SZEREGOWANIA ZADAŃ W SYSTEMIE PRZEPŁYWOWYM W pracy zaprezentowano algorytm programowania ewolucyjnego do problemu
Bardziej szczegółowoXIII International PhD Workshop OWD 2011, October 2011 METODA REEINGINEERINGU ORGANIZACJI Z WYKORZYSTANIEM SYMULATORA PROCESÓW BIZNESOWYCH
XIII International PhD Workshop OWD 2011, 22 25 October 2011 METODA REEINGINEERINGU ORGANIZACJI Z WYKORZYSTANIEM SYMULATORA PROCESÓW BIZNESOWYCH METHOD OF REEINGINEERING ORGANIZATION USING BUSINESS PROCESS
Bardziej szczegółowoZASTOSOWANIE TECHNOLOGII WIRTUALNEJ RZECZYWISTOŚCI W PROJEKTOWANIU MASZYN
MODELOWANIE INŻYNIERSKIE ISSN 1896-771X 37, s. 141-146, Gliwice 2009 ZASTOSOWANIE TECHNOLOGII WIRTUALNEJ RZECZYWISTOŚCI W PROJEKTOWANIU MASZYN KRZYSZTOF HERBUŚ, JERZY ŚWIDER Instytut Automatyzacji Procesów
Bardziej szczegółowoKOMPUTEROWO WSPOMAGANE MODELOWANIE I SYMULACJA PROCESÓW PRODUKCYJNYCH
Z E S Z Y T Y N A U K O W E P O L I T E C H N I K I P O Z N AŃSKIEJ Nr 6 Budowa Maszyn i Zarządzanie Produkcją 2007 OLAF CISZAK KOMPUTEROWO WSPOMAGANE MODELOWANIE I SYMULACJA PROCESÓW PRODUKCYJNYCH W pracy
Bardziej szczegółowoPRÓBA WERYFIKACJI WYNIKÓW SYMULACJI PROCESU WTRYSKIWANIA W WARUNKACH RZECZYWISTYCH
DARIUSZ SYKUTERA * PRÓBA WERYFIKACJI WYNIKÓW SYMULACJI PROCESU WTRYSKIWANIA W WARUNKACH RZECZYWISTYCH THE ATTEMPTION OF THE VERYFICATION RESULTS OF THE INJECTION MOULDING SYMULATION IN REAL ENVIROMENT
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 szczegółowoPLANOWANIE PRZEZBROJEŃ LINII PRODUKCYJNYCH Z WYKORZYSTANIEM METODY MODELOWANIA I SYMULACJI
Dariusz PLINTA Sławomir KUKŁA Akademia Techniczno-Humanistyczna w Bielsku-Białej PLANOWANIE PRZEZBROJEŃ LINII PRODUKCYJNYCH Z WYKORZYSTANIEM METODY MODELOWANIA I SYMULACJI 1. Planowanie produkcji Produkcja
Bardziej szczegółowoAlgorytm Grovera. Kwantowe przeszukiwanie zbiorów. Robert Nowotniak
Wydział Fizyki Technicznej, Informatyki i Matematyki Stosowanej Politechnika Łódzka 13 listopada 2007 Plan wystapienia 1 Informatyka Kwantowa podstawy 2 Opis problemu (przeszukiwanie zbioru) 3 Intuicyjna
Bardziej szczegółowoP R A C A D Y P L O M O W A
POLITECHNIKA POZNAŃSKA Wydział Maszyn Roboczych i Transportu P R A C A D Y P L O M O W A Autor: inż. METODA Ε-CONSTRAINTS I PRZEGLĄDU FRONTU PARETO W ZASTOSOWANIU DO ROZWIĄZYWANIA PROBLEMU OPTYMALIZACJI
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 szczegółowoPodejście memetyczne do problemu DCVRP - wstępne wyniki. Adam Żychowski
Podejście memetyczne do problemu DCVRP - wstępne wyniki Adam Żychowski Na podstawie prac X. S. Chen, L. Feng, Y. S. Ong A Self-Adaptive Memeplexes Robust Search Scheme for solving Stochastic Demands Vehicle
Bardziej szczegółowoWykorzystanie testu Levene a i testu Browna-Forsythe a w badaniach jednorodności wariancji
Wydawnictwo UR 2016 ISSN 2080-9069 ISSN 2450-9221 online Edukacja Technika Informatyka nr 4/18/2016 www.eti.rzeszow.pl DOI: 10.15584/eti.2016.4.48 WIESŁAWA MALSKA Wykorzystanie testu Levene a i testu Browna-Forsythe
Bardziej szczegółowoEwolucja Różnicowa Differential Evolution
Ewolucja Różnicowa Differential Evolution Obliczenia z wykorzystaniem metod sztucznej inteligencji Arkadiusz Kalinowski Szczecin, 2016 Zachodniopomorski Uniwersytet Technologiczny w Szczecinie 1 / 22 Plan
Bardziej szczegółowoMODYFIKACJA WARIANTÓW SUKCESJI W EWOLUCYJNEJ METODZIE PLANOWANIA ŚCIEŻKI PRZEJŚCIA
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej Nr 36 XXIII Seminarium ZASTOSOWANIE KOMPUTERÓW W NAUCE I TECHNICE 213 Oddział Gdański PTETiS Referat nr 23 MODYIKACJA WARIANTÓW
Bardziej szczegółowoMetody Programowania
POLITECHNIKA KRAKOWSKA - WIEiK KATEDRA AUTOMATYKI i TECHNIK INFORMACYJNYCH Metody Programowania www.pk.edu.pl/~zk/mp_hp.html Wykładowca: dr inż. Zbigniew Kokosiński zk@pk.edu.pl Wykład 8: Wyszukiwanie
Bardziej szczegółowoTechniki optymalizacji
Techniki optymalizacji Algorytm kolonii mrówek Idea Smuga feromonowa 1 Sztuczne mrówki w TSP Sztuczna mrówka agent, który porusza się z miasta do miasta Mrówki preferują miasta połączone łukami z dużą
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 szczegółowoThe development of the technological process in an integrated computer system CAD / CAM (SerfCAM and MTS) with emphasis on their use and purpose.
mgr inż. Marta Kordowska, dr inż. Wojciech Musiał; Politechnika Koszalińska, Wydział: Mechanika i Budowa Maszyn; marteczka.kordowska@vp.pl wmusiał@vp.pl Opracowanie przebiegu procesu technologicznego w
Bardziej szczegółowoBADANIE WYDAJNOŚCI GNIAZDA MONTAŻU WRZECIENNIKA GŁÓWNEGO CENTRUM TOKARSKIEGO
KOMISJA BUDOWY MASZYN PAN ODDZIAŁ W POZNANIU Vol. 28 nr 4 Archiwum Technologii Maszyn i Automatyzacji 2008 OLAF CISZAK *, JAN ŻUREK ** BADANIE WYDAJNOŚCI GNIAZDA MONTAŻU WRZECIENNIKA GŁÓWNEGO CENTRUM TOKARSKIEGO
Bardziej szczegółowoKryteria optymalizacji w systemach sterowania rozmytego piecami odlewniczymi
A R C H I V E S of F O U N D R Y E N G I N E E R I N G Published quarterly as the organ of the Foundry Commission of the Polish Academy of Sciences ISSN (1897-3310) Volume 14 Special Issue 2/2014 95 100
Bardziej szczegółowoHARMONOGRAMOWANIE ROBÓT BUDOWLANYCH Z MINIMALIZACJĄ ŚREDNIEGO POZIOMU ZATRUDNIENIA
HARMONOGRAMOWANIE ROBÓT BUDOWLANYCH Z MINIMALIZACJĄ ŚREDNIEGO POZIOMU ZATRUDNIENIA Wojciech BOśEJKO, Zdzisław HEJDUCKI, Michał PODOLSKI, Mariusz UCHROŃSKI Streszczenie: w pracy proponujemy zastosowanie
Bardziej szczegółowoZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 4(90)/2012
ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 4(9)/212 Katarzyna Rutczyńska-Wdowiak 1, Michał Makowski 2 ANALIZA WPŁYWU METODY SELEKCJI W PROBLEMIE IDENTYFIKACJI MODELU TŁUMIKA MR Z ZASTOSOWANIEM ALGORYTMU GENETYCZNEGO
Bardziej szczegółowoOptymalizacja. Wybrane algorytmy
dr hab. inż. Instytut Informatyki Politechnika Poznańska www.cs.put.poznan.pl/mkomosinski, Andrzej Jaszkiewicz Problem optymalizacji kombinatorycznej Problem optymalizacji kombinatorycznej jest problemem
Bardziej szczegółowoPlan. Zakres badań teorii optymalizacji. Teoria optymalizacji. Teoria optymalizacji a badania operacyjne. Badania operacyjne i teoria optymalizacji
Badania operacyjne i teoria optymalizacji Instytut Informatyki Poznań, 2011/2012 1 2 3 Teoria optymalizacji Teoria optymalizacji a badania operacyjne Teoria optymalizacji zajmuje się badaniem metod optymalizacji
Bardziej szczegółowoWYBÓR PUNKTÓW POMIAROWYCH
Scientific Bulletin of Che lm Section of Technical Sciences No. 1/2008 WYBÓR PUNKTÓW POMIAROWYCH WE WSPÓŁRZĘDNOŚCIOWEJ TECHNICE POMIAROWEJ MAREK MAGDZIAK Katedra Technik Wytwarzania i Automatyzacji, Politechnika
Bardziej szczegółowoROZWIĄZYWANIE ZAGADNIEŃ UKŁADANIA TRAS POJAZDÓW Z WYKORZYSTANIEM ALGORYTMÓW EWOLUCYJNYCH. Wstęp
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 3 4 2005 Radosław JADCZAK* ROZWIĄZYWANIE ZAGADNIEŃ UKŁADANIA TRAS POJAZDÓW Z WYKORZYSTANIEM ALGORYTMÓW EWOLUCYJNYCH W artykule poruszono zagadnienie
Bardziej szczegółowoKatedra Informatyki Stosowanej. Algorytmy ewolucyjne. Inteligencja obliczeniowa
Wydział Zarządzania AGH Katedra Informatyki Stosowanej Algorytmy ewolucyjne Treść wykładu Wprowadzenie Zasada działania Podział EA Cechy EA Algorytm genetyczny 2 EA - wprowadzenie Algorytmy ewolucyjne
Bardziej szczegółowoRównoważność algorytmów optymalizacji
Równoważność algorytmów optymalizacji Reguła nie ma nic za darmo (ang. no free lunch theory): efektywność różnych typowych algorytmów szukania uśredniona po wszystkich możliwych problemach optymalizacyjnych
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 szczegółowoSYSTEM WSPOMAGANIA HARMONOGRAMOWANIA PRZEDSIĘWZIĘĆ BUDOWLANYCH
SYSTEM WSPOMAGANIA HARMONOGRAMOWANIA PRZEDSIĘWZIĘĆ BUDOWLANYCH Wojciech BOŻEJKO, Zdzisław HEJDUCKI, Mariusz UCHROŃSKI, Mieczysław WODECKI Streszczenie: W pracy przedstawiamy system wspomagający harmonogramowanie
Bardziej szczegółowoZadania laboratoryjne i projektowe - wersja β
Zadania laboratoryjne i projektowe - wersja β 1 Laboratorium Dwa problemy do wyboru (jeden do realizacji). 1. Water Jug Problem, 2. Wieże Hanoi. Water Jug Problem Ograniczenia dla każdej z wersji: pojemniki
Bardziej szczegółowoZaawansowane programowanie
Zaawansowane programowanie wykład 1: wprowadzenie + algorytmy genetyczne Plan wykładów 1. Wprowadzenie + algorytmy genetyczne 2. Metoda przeszukiwania tabu 3. Inne heurystyki 4. Jeszcze o metaheurystykach
Bardziej szczegółowoNOWE WARIANTY OPERATORÓW GENETYCZNYCH DLA PROBLEMÓW Z KRYTERIUM SUMACYJNYM
NOWE WARIANTY OPERATORÓW GENETYCZNYCH DLA PROBLEMÓW Z KRYTERIUM SUMACYJNYM Mariusz MAKUCHOWSKI Streszczenie: W pracy analizuje się własności sumacyjnego kryterium w permutacyjnym problemie przepływowym.
Bardziej szczegółowoPLAN WYKŁADU OPTYMALIZACJA GLOBALNA ZADANIE KOMIWOJAŻERA METODY ROZWIĄZYWANIA. Specyfika zadania komiwojażera Reprezentacje Operatory
PLAN WYKŁADU Specyfika zadania komiwojażera Reprezentacje Operatory OPTYMALIZACJA GLOBALNA Wykład 5 dr inż. Agnieszka Bołtuć ZADANIE KOMIWOJAŻERA Koncepcja: komiwojażer musi odwiedzić każde miasto na swoim
Bardziej szczegółowoAlgorytm indukcji klasyfikatora za pomocą EA z automatycznym przełączaniem ukierunkowań
Algorytm indukcji klasyfikatora za pomocą EA z automatycznym przełączaniem ukierunkowań Anna Manerowska, Michal Kozakiewicz 2.12.2009 1 Wstęp Jako projekt na przedmiot MEUM (Metody Ewolucyjne Uczenia Maszyn)
Bardziej szczegółowoK.Pieńkosz Badania Operacyjne Wprowadzenie 1. Badania Operacyjne. dr inż. Krzysztof Pieńkosz
K.Pieńkosz Wprowadzenie 1 dr inż. Krzysztof Pieńkosz Instytut Automatyki i Informatyki Stosowanej Politechniki Warszawskiej pok. 560 A tel.: 234-78-64 e-mail: K.Pienkosz@ia.pw.edu.pl K.Pieńkosz Wprowadzenie
Bardziej szczegółowoAlgorytmy ewolucyjne Część II
Wydział Zarządzania AGH Katedra Informatyki Stosowanej Algorytmy ewolucyjne Część II Metaheurystyki Treść wykładu Zastosowania Praktyczne aspekty GA Reprezentacja Funkcja dopasowania Zróżnicowanie dopasowania
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 szczegółowoKONTROLING I MONITOROWANIE ZLECEŃ PRODUKCYJNYCH W HYBRYDOWYM SYSTEMIE PLANOWANIA PRODUKCJI
KONTROLING I MONITOROWANIE ZLECEŃ PRODUKCYJNYCH W HYBRYDOWYM SYSTEMIE PLANOWANIA PRODUKCJI Adam KONOPA, Jacek CZAJKA, Mariusz CHOLEWA Streszczenie: W referacie przedstawiono wynik prac zrealizowanych w
Bardziej szczegółowoPLANY I PROGRAMY STUDIÓW
WYDZIAŁ INŻYNIERII PRODUKCJI I LOGISTYKI PLANY I PROGRAMY STUDIÓW STUDY PLANS AND PROGRAMS KIERUNEK STUDIÓW FIELD OF STUDY - ZARZĄDZANIE I INŻYNIERIA PRODUKCJI - MANAGEMENT AND PRODUCTION ENGINEERING Studia
Bardziej szczegółowoWyznaczanie sił w przegubach maszyny o kinematyce równoległej w trakcie pracy, z wykorzystaniem metod numerycznych
kinematyka równoległa, symulacja, model numeryczny, sterowanie mgr inż. Paweł Maślak, dr inż. Piotr Górski, dr inż. Stanisław Iżykowski, dr inż. Krzysztof Chrapek Wyznaczanie sił w przegubach maszyny o
Bardziej szczegółowoZASTOSOWANIE ALGORYTMÓW GENETYCZNYCH DO PROJEKTOWANIA UKŁADÓW ANALOGOWYCH
ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ Seria: ELEKTRONIKA z.5 1996 Nr kol. 1341 Jan MACHNIEWSKI Benedykt NOWAK Instytut Elektroniki Politechniki Śląskiej ZASTOSOWANIE ALGORYTMÓW GENETYCZNYCH DO PROJEKTOWANIA
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 szczegółowoStrategie ewolucyjne (ang. evolution strategies)
Strategie ewolucyjne (ang. evolution strategies) 1 2 Szybki przegląd Rozwijane w Niemczech w latach 60-70. Wcześni badacze: I. Rechenberg, H.-P. Schwefel (student Rechenberga). Typowe zastosowanie: Optymalizacja
Bardziej szczegółowoTENDENCJE I KIERUNKI INFROMATYCZNEGO WSPOMAGANIA FUNKCJONOWANIA PRZEDSIĘBIORSTW PRODUKCYJNYCH CZ. 2. ZARZĄDZANIE PRODUKCJĄ
Piotr Bernat 1 TENDENCJE I KIERUNKI INFROMATYCZNEGO WSPOMAGANIA FUNKCJONOWANIA PRZEDSIĘBIORSTW PRODUKCYJNYCH CZ. 2. ZARZĄDZANIE PRODUKCJĄ Streszczenie. W artykule przedstawiono tendencje w zakresie informatycznego
Bardziej szczegółowoWYKORZYSTANIE ALGORYTMÓW GENETYCZNYCH I MRÓWKOWYCH W PROBLEMACH TRANSPORTOWYCH
Inżynieria Rolnicza 7(105)/2008 WYKORZYSTANIE ALGORYTMÓW GENETYCZNYCH I MRÓWKOWYCH W PROBLEMACH TRANSPORTOWYCH Justyna Zduńczuk, Wojciech Przystupa Katedra Zastosowań Matematyki, Uniwersytet Przyrodniczy
Bardziej szczegółowoHybrydowy algorytm mrówkowy wykorzystujący algorytm genetyczny do wyznaczania trasy w systemie nawigacji
Hybrydowy algorytm mrówkowy wykorzystujący algorytm genetyczny do wyznaczania trasy w systemie nawigacji A hybrid ant algorithm using genetic algorithm to determine the route in navigation system Daniel
Bardziej szczegółowoLABORATORIUM 7: Problem komiwojażera (TSP) cz. 2
Instytut Mechaniki i Inżynierii Obliczeniowej Wydział Mechaniczny Technologiczny, Politechnika Śląska www.imio.polsl.pl OBLICZENIA EWOLUCYJNE LABORATORIUM 7: Problem komiwojażera (TSP) cz. 2 opracował:
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 17. ALGORYTMY EWOLUCYJNE Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska KODOWANIE BINARNE Problem różnych struktur przestrzeni
Bardziej szczegółowoBADANIA SYMULACYJNE PROCESU HAMOWANIA SAMOCHODU OSOBOWEGO W PROGRAMIE PC-CRASH
BADANIA SYMULACYJNE PROCESU HAMOWANIA SAMOCHODU OSOBOWEGO W PROGRAMIE PC-CRASH Dr inż. Artur JAWORSKI, Dr inż. Hubert KUSZEWSKI, Dr inż. Adam USTRZYCKI W artykule przedstawiono wyniki analizy symulacyjnej
Bardziej szczegółowoPLAN WYKŁADU OPTYMALIZACJA GLOBALNA OPERATOR KRZYŻOWANIA ETAPY KRZYŻOWANIA
PLAN WYKŁADU Operator krzyżowania Operator mutacji Operator inwersji Sukcesja Przykłady symulacji AG Kodowanie - rodzaje OPTYMALIZACJA GLOBALNA Wykład 3 dr inż. Agnieszka Bołtuć OPERATOR KRZYŻOWANIA Wymiana
Bardziej szczegółowoWybrane podstawowe rodzaje algorytmów
Wybrane podstawowe rodzaje algorytmów Tomasz Głowacki tglowacki@cs.put.poznan.pl Zajęcia finansowane z projektu "Rozwój i doskonalenie kształcenia na Politechnice Poznańskiej w zakresie technologii informatycznych
Bardziej szczegółowoProgramowanie genetyczne, gra SNAKE
STUDENCKA PRACOWNIA ALGORYTMÓW EWOLUCYJNYCH Tomasz Kupczyk, Tomasz Urbański Programowanie genetyczne, gra SNAKE II UWr Wrocław 2009 Spis treści 1. Wstęp 3 1.1. Ogólny opis.....................................
Bardziej szczegółowoPROJEKTOWANIE ROZBUDOWY SIECI TRANSPORTOWYCH
PROJEKTOWANIE POLSKIE ROZBUDOWY TOWARZYSTWO SIECI TRANSPORTOWYCH INFORMACJI ZA POMOC PRZESTRZENNEJ ALGORYTMU EWOLUCYJNEGO ROCZNIKI GEOMATYKI 2011 m TOM IX m ZESZYT 4(48) 85 PROJEKTOWANIE ROZBUDOWY SIECI
Bardziej szczegółowoWEKTOROWE KODOWANIE PERMUTACJI. NOWE OPERATORY GENETYCZNE
WEKTOROWE KODOWANIE PERMUTACJI. NOWE OPERATORY GENETYCZNE Mariusz MAKUCHOWSKI Streszczenie: W pracy proponuje się alternatywny sposób kodowania permutacji. Prezentuje się szereg jego własności niewystępujących
Bardziej szczegółowoALHE Z11 Jarosław Arabas wykład 11
ALHE Z11 Jarosław Arabas wykład 11 algorytm ewolucyjny inicjuj P 0 {x 1, x 2... x } t 0 while! stop for i 1: if a p c O t,i mutation crossover select P t, k else O t,i mutation select P t,1 P t 1 replacement
Bardziej szczegółowoMIO - LABORATORIUM. Imię i nazwisko Rok ak. Gr. Sem. Komputer Data ... 20 / EC3 VIII LAB...
MIO - LABORATORIUM Temat ćwiczenia: TSP - Problem komiwojażera Imię i nazwisko Rok ak. Gr. Sem. Komputer Data Podpis prowadzącego... 20 / EC3 VIII LAB...... Zadanie Zapoznać się z problemem komiwojażera
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 szczegółowoLABORATORIUM 7: Problem komiwojażera (TSP)
Instytut Mechaniki i Inżynierii Obliczeniowej Wydział Mechaniczny Technologiczny, Politechnika Śląska www.imio.polsl.pl METODY HEURYSTYCZNE LABORATORIUM 7: Problem komiwojażera (TSP) opracował: dr inż.
Bardziej szczegółowoAUTOMATYZACJA PROCESÓW DYSKRETNYCH 2016
AUTOMATYZACJA PROCESÓW DYSKRETNYCH 2016 Adam PRUS, Krzysztof PIEŃKOSZ Politechnika Warszawska SZEREGOWANIE ZADAŃ CZĘŚCIOWO PODZIELNYCH NA PROCESORACH RÓWNOLEGŁYCH Streszczenie. W pracy jest rozpatrywany
Bardziej szczegółowoPROGRAMOWANIE DYNAMICZNE W ROZMYTYM OTOCZENIU DO STEROWANIA STATKIEM
Mostefa Mohamed-Seghir Akademia Morska w Gdyni PROGRAMOWANIE DYNAMICZNE W ROZMYTYM OTOCZENIU DO STEROWANIA STATKIEM W artykule przedstawiono propozycję zastosowania programowania dynamicznego do rozwiązywania
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 memetyczny w grach wielokryterialnych z odroczoną preferencją celów. Adam Żychowski
Algorytm memetyczny w grach wielokryterialnych z odroczoną preferencją celów Adam Żychowski Definicja problemu dwóch graczy: P 1 (minimalizator) oraz P 2 (maksymalizator) S 1, S 2 zbiory strategii graczy
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 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. Paweł Cieśla. 8 stycznia 2009
Algorytmy genetyczne Paweł Cieśla 8 stycznia 2009 Genetyka - nauka o dziedziczeniu cech pomiędzy pokoleniami. Geny są czynnikami, które decydują o wyglądzie, zachowaniu, rozmnażaniu każdego żywego organizmu.
Bardziej szczegółowo