Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Sawicki, Marcin" wg kryterium: Autor


Wyświetlanie 1-1 z 1
Tytuł:
Handling insensitivity in multi-physics inverse problems using a complex evolutionary strategy
Rozpoznawanie niewrażliwości w wielokryterialnych problemach odwrotnych przy użyciu złożonej strategii ewolucyjnej
Autorzy:
Sawicki, Jakub
Smołka, Maciej
Łoś, Marcin
Schaefer, Robert
Powiązania:
https://bibliotekanauki.pl/articles/29520322.pdf
Data publikacji:
2019
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
multi-objective optimization
evolutionary algorithm
inverse problem
Opis:
In this paper we present a complex strategy for the solution of ill posed, in-verse problems formulated as multiobjective global optimization ones. The strategy is capable of identifying the shape of objective insensitivity regions around connected components of Pareto set. The goal is reached in two phases. In the first, global one, the connected components of the Pareto set are localized and separated in course of the multi-deme, hierarchic memetic strategy HMS. In the second, local phase, the random sample uniformly spread over each Pareto component and its close neighborhood is obtained in the specially profiled evolutionary process using multiwinner selection. Finally, each local sample forms a base for the local approximation of a dominance function. Insensitivity region surrounding each connected component of the Pareto set is estimated by a sufficiently low level set of this approximation. Capabilities of the whole procedure was verified using specially-designed two-criterion benchmarks.
Artykuł prezentuje złożoną strategię rozwiązywania źle postawionych problemów odwrotnych sformułowanych jako wielokryterialne zadania optymalizacji globalnej. Opisana strategia umożliwia identyfikację obszarów niewrażliwości funkcji celu wokół spójnych składowych zbioru Pareto. Cel jest osiągany w dwu etapach. W pierwszym z nich — globalnym — składowe spójne zbioru Pareto są lokalizowane i separowane przy pomocy wielopopulacyjnej hierarchicznej strategii memetycznej HMS. W etapie drugim — lokalnym — przy użyciu specjalnie sprofilowanego procesu ewolucyjnego wykorzystującego operator selekcji wyborczej z wieloma zwycięzcami produkowana jest losowa próbka rozłożona jednostajnie na każdej składowej i jej bliskim otoczeniu. Finalnie każda lokalna próbka jest użyta jako baza do zbudowania lokalnej aproksymacji funkcji dominacji. Zbiory poziomicowe tej aproksymacji dla odpowiednio niskich poziomów stanowią przybliżenie zbiorów niewrażliwości wokół składowych spójnych. Możliwości strategii zostały zweryfikowane przy użyciu specjalnie zaprojektowanych dwukryterialnych funkcji testowych.
Źródło:
Computer Methods in Materials Science; 2019, 19, 1; 2-11
2720-4081
2720-3948
Pojawia się w:
Computer Methods in Materials Science
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-1 z 1

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies