Informacja

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

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "genetic optimization algorithm" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    Passivity-based optimal control of discrete-time nonlinear systems
    Autorzy:
    Binazadeh, T.
    Shafiei, M. H.
    Powiązania:
    https://bibliotekanauki.pl/articles/205917.pdf
    Data publikacji:
    2013
    Wydawca:
    Polska Akademia Nauk. Instytut Badań Systemowych PAN
    Tematy:
    nonlinear discrete-time systems optimal passivity-based control
    genetic optimization algorithm
    Opis:
    In this paper, a passivity-based optimal controlmethod for a broad class of nonlinear discrete-time systems is proposed. The resulting control law is a static output feedback law which is practically preferred with respect to the state feedback law and is simple to implement. The control law has a general structure with adjustable parameters which are tuned, using an optimization method (genetic algorithm), to minimize an arbitrary cost function. By choosing this cost function it is possible to shape the transient response of the closed-loop system, as it is desirable. An illustrative ex ample shows the effectiveness of the proposed approach.
    Źródło:
    Control and Cybernetics; 2013, 42, 3; 627-637
    0324-8569
    Pojawia się w:
    Control and Cybernetics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Adaptive robust PID sliding control of a liquid level system based on multi-objective genetic algorithm optimization
    Autorzy:
    Mahmoodabadi, M. J.
    Taherkhorsandi, M.
    Talebipour, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/206697.pdf
    Data publikacji:
    2017
    Wydawca:
    Polska Akademia Nauk. Instytut Badań Systemowych PAN
    Tematy:
    sliding mode control
    PID control
    adaptive control
    genetic algorithm
    multi-objective optimization
    liquid level system
    Opis:
    Adaptive robust PID sliding mode control optimized by means of multi-objective genetic algorithm is presented in this paper to control a three-tank liquid level system with external disturbances. While PID constitutes a reliable and stable controller, when compared to sliding mode control (SMC); robustness and tracking performance of SMC are higher than those of the PID control. To use the unique features of both controllers, optimal sliding mode control is executed in terms of a supervisory controller to enhance the performance of optimal adaptive PID control and to provide the necessary control inputs. After the design of the control law, control coefficients of all four involved controllers are optimized by using the multi-objective genetic algorithm so as to minimize errors and the input of the controller. Simulations illustrate that the adaptive robust PID sliding controller based on multi-objective genetic algorithm optimization provides a superior response in comparison to the results obtained separately by PID control, sliding mode control, and adaptive PID control, respectively.
    Źródło:
    Control and Cybernetics; 2017, 46, 3; 227-246
    0324-8569
    Pojawia się w:
    Control and Cybernetics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Correlational parameter tuning by genetic meta-algorithm
    Autorzy:
    Kieś, P.
    Kosiński, W.
    Powiązania:
    https://bibliotekanauki.pl/articles/206578.pdf
    Data publikacji:
    2000
    Wydawca:
    Polska Akademia Nauk. Instytut Badań Systemowych PAN
    Tematy:
    adaptacja
    algorytm genetyczny
    optymalizacja
    permutacja kodowa
    strojenie parametrów
    adaptation
    code permutation
    genetic algorithm
    optimization
    parameter tuning
    Opis:
    The general problem of an off-line parameter tuning in the Binary Genetic Algorithm (BGA) is introduced. An example of such a tuning: a class of Correlational Tuning Methods (CTMs) is proposed. The main idea of a CTM is that it uses a mapping called measurement function as an assessment of the BGA's effciency. An example of a measurement function is described and two examples of CTMs: a modified "trials and errors" method and a modified genetic meta-algoritlm (metaBGA) are shown. Finally, experimental results with the metaBGA for four kinds of test fitness functions, where the code permutation is the tuned parameter, are presented.
    Źródło:
    Control and Cybernetics; 2000, 29, 4; 1031-1042
    0324-8569
    Pojawia się w:
    Control and Cybernetics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Optimization using chaotic neural network and its application to lighting design
    Autorzy:
    Nanba, R.
    Hasegawa, M.
    Nishita, T.
    Aihara, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/205753.pdf
    Data publikacji:
    2002
    Wydawca:
    Polska Akademia Nauk. Instytut Badań Systemowych PAN
    Tematy:
    algorytm genetyczny
    denaturacja symulowana
    grafika komputerowa
    metoda energetyczna
    model świetlny
    sieć neuronowa chaotyczna
    zagadnienie optymalizacji kombinatorycznej
    chaotic neural networks
    combinatorial optimization problem
    computer graphics
    genetic algorithm
    lighting design
    radiosity method
    simulated annealing
    Opis:
    We have developed a chaotic neurodynamical searching method for solving the lighting design problems. The goal of this method is to design interior lighting that satisfies required illuminance distribution. We can obtain accurate illuminance distribution by using the radiosity method to calculate interreflection of lights. We formulate the lighting design problem that considers the interreflection of lights as a combinatorial optimization problem, and construct a chaotic neural network which searches the optimum solution of the lighting design problem. The calculated illuminance distribution is visualized using computer graphics. We compare this optimization method with the conventional neural network with gradient dynamics, simulated annealing, and the genetic algorithm, and clarify the effectiveness of the proposed method based on the chaotic neural network.
    Źródło:
    Control and Cybernetics; 2002, 31, 2; 249-269
    0324-8569
    Pojawia się w:
    Control and Cybernetics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-4 z 4

      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