Temat: genetic optimization algorithm - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: A Comparative Study of PID Controller Tuning Using GA, EP, PSO and ACO
Autorzy:: Nagaraj, B.
Vijayakumar, P.
Powiązania:: https://bibliotekanauki.pl/articles/384767.pdf
Data publikacji:: 2011
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:: ant colony algorithm
evolutionary program
genetic algorithm particle swarm optimization and soft computing
Opis:: Proportional - Integral - Derivative control schemes continue to provide the simplest and effective solutions to most of the control engineering applications today. How ever PID controller are poorly tuned in practice with most of the tuning done manually which is difficult and time consuming. This article comes up with a hybrid approach involving Genetic Algorithm (GA), Evolutionary Pro gramming (EP), Particle Swarm Optimization (PSO) and Ant Colony Optimization (ACO). The proposed hybrid algorithm is used to tune the PID parameters and its per formance has been compared with the conventional me thods like Ziegler Nichols and Cohen Coon method. The results obtained reflect that use of heuristic algorithm based controller improves the performance of process in terms of time domain specifications, set point tracking, and regulatory changes and also provides an optimum stability. Speed control of DC motor process is used to assess the efficacy of the heuristic algorithm methodology
Źródło:: Journal of Automation Mobile Robotics and Intelligent Systems; 2011, 5, 2; 42-48
1897-8649
2080-2145
Pojawia się w:: Journal of Automation Mobile Robotics and Intelligent Systems
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Analog Circuit Based on Computational Intelligence Techniques
Autorzy:: Oltean, G.
Hintea, S.
Şipos, E.
Powiązania:: https://bibliotekanauki.pl/articles/385049.pdf
Data publikacji:: 2009
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:: analog circuit design
optimization
genetic algorithm
neuro-fuzzy systems
Opis:: This paper presents a new method for analog circuit design optimization. Our approach turns to good account the advantages offered by computational intelligence techniques. Design objectives can be expressed in a flexible manner using fuzzy sets. This way appears the possibility to consider different degrees for requirement achievements and acceptability degree for a particular solution. Neuro-fuzzy systems (universal approximators) are used to model the complex multi-variable and nonlinear circuit performances. These models satisfy two main requirements: high accuracy and low computation complexity. An efficient and robust genetic algorithm does avoiding local minima the exploration of the large, multidimensional solution space in quest for the optimal solution.
Źródło:: Journal of Automation Mobile Robotics and Intelligent Systems; 2009, 3, 2; 63-69
1897-8649
2080-2145
Pojawia się w:: Journal of Automation Mobile Robotics and Intelligent Systems
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: Some efficient algorithms to deal with redundancy allocation problems
Autorzy:: Es-Sadqi, Mustapha
Idrissi, Abdellah
Benhassine, Ahlem
Powiązania:: https://bibliotekanauki.pl/articles/2141899.pdf
Data publikacji:: 2020
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:: redundancy allocation problem
constraint programming
forward checking
optimization
genetic algorithm
top_k
Opis:: In this paper, we will discuss some algorithms in order to better optimize the problems of redundancy allocation in multi-state systems. The goal is to find the optimal configuration of the system that maximizes the availability and minimizes the investment cost. The availability will be evaluated using the universal generating function. In first step, our contribution consists in improving the genetic algorithm. In a second step, in the framework of the Constraint Programming, we propose a new method of optimization based on the Forward Checking as solver. Finally, we used the top-k method in our choice that helps us to get the best k elements from all possible values with highest availability. In comparison with the chosen study, our methods yield better results that satisfy the constraints of the problem in a shorter time.
Źródło:: Journal of Automation Mobile Robotics and Intelligent Systems; 2020, 14, 4; 48-57
1897-8649
2080-2145
Pojawia się w:: Journal of Automation Mobile Robotics and Intelligent Systems
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 4.

Tytuł:: Comparative Study of Optimised Artificial Intelligence Based First Order Sliding Mode Controllers for Position Control of a DC Motor Actuator
Autorzy:: Nyong-Bassey, B. E.
Akinloye, B.
Powiązania:: https://bibliotekanauki.pl/articles/385114.pdf
Data publikacji:: 2016
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:: adaptive fuzzy control
DC motor position control
genetic algorithm
particle swarm optimization (PSO)
sliding mode control
Opis:: This paper aims at critically reviewing various sliding mode control measures applied to Permanent Magnet DC Motor actuator for position control. At first, a hybrid sliding mode controller was examined with its advantages and disadvantages. Then, the smooth sliding mode controller in the same manner. The shortcomings of the two methods were overcome by proper switch design and also using tanh-sinh hyperbolic function. The sliding mode controller switches on when either disturbance or noise is detected. Genetic Algorithm Computational tuning technique is employed to optimize the gains of the controllers for optimal response.The performance of the proposed controller architecture, as well as the reviewed controllers, have been compared for performance evaluation with respect to several operating conditions. This includes load torque disturbance injection, noise injection in a feedback loop, motor nonlinearity exhibited by parameters variation, and a step change in reference input demand.
Źródło:: Journal of Automation Mobile Robotics and Intelligent Systems; 2016, 10, 3; 58-71
1897-8649
2080-2145
Pojawia się w:: Journal of Automation Mobile Robotics and Intelligent Systems
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 5.

Tytuł:: Decentralized PID control by using GA optimization applied to a quadrotor
Autorzy:: Hasseni, S. E. I.
Abdou, L.
Powiązania:: https://bibliotekanauki.pl/articles/384905.pdf
Data publikacji:: 2018
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:: quadrotor
non-linear systems
decentralized control
PID
optimization
genetic algorithm
systemy nieliniowe
kontrola zdecentralizowana
optymalizacja
algorytm genetyczny
Opis:: Quadrotors represent an effective class of aerial robots because of their abilities to work in small areas. We suggested in this research paper to develop an algorithm to control a quadrotor, which is a nonlinear MIMO system and strongly coupled, by a linear control technique (PID), while the parameters are tuned by the Genetic Algorithm (GA). The suggested technique allows a decentralized control by decoupling the linked interactions to effect angles on both altitude and translation position. Moreover, the using a meta-heuristic technique enables a certain ability of the system controllers design without being limited by working on just the small angles and stabilizing just the full actuated subsystem. The simulations were implemented in MATLAB/Simulink tool to evaluate the control technique in terms of dynamic performance and stability. Although the controllers design (PID) is simple, it shows the effect of the proposed technique in terms of tracking errors and stability, even with large angles, subsequently, high velocity response and high dynamic performances with practically acceptable rotors speed.
Źródło:: Journal of Automation Mobile Robotics and Intelligent Systems; 2018, 12, 2; 33-44
1897-8649
2080-2145
Pojawia się w:: Journal of Automation Mobile Robotics and Intelligent Systems
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 6.

Tytuł:: Zastosowanie metod sztucznej inteligencji w energetyce
The applications of artificial intelligence techniques in energy systems
Autorzy:: Ściążko, A.
Powiązania:: https://bibliotekanauki.pl/articles/276892.pdf
Data publikacji:: 2011
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:: energetyka
sztuczna inteligencja
sieci neuronowe
algorytmy genetyczne
modelowanie
optymalizacja
odnawialne źródła energii
energy science
artificial intelligence
neural network
genetic algorithm
modeling
optimization
renewable energy
Opis:: Artykuł prezentuje możliwości wykorzystania metod sztucznej inteligencji w energetyce. Zastosowania te można podzielić na trzy grupy: modelowanie, przewidywanie i planowanie (optymalizacja) oraz kontrola procesów. W artykule pokazano typowe przykłady użycia sztucznej inteligencji, charakterystyczne dla każdej z grup. Przedstawiono także możliwe przyszłe wykorzystania tego typu metodologii, w szczególności w inteligentnych systemach elektroenergetycznych - Smart Grid. Druga część artykułu przedstawia i omawia przykład wykorzystania sztucznej inteligencji w modelowaniu systemu elektroenergetycznego, złożonego z następujących elementów: elektrociepłownia geotermalna, źródło geotermalne, miejska sieć ciepłownicza oraz zakład przemysłowy. Zadanie polegało na przygotowaniu modelu komputerowego rozważanego systemu oraz wielokryte-rialnej optymalizacji problemu. Jakość każdego z rozwiązań była oceniana na podstawie dwóch różnych funkcji dopasowania: obliczonej wartości kosztów inwestycyjnych oraz sprawności egzergetycznej systemu. Pokazano w jaki sposób można wykorzystać genetyczny algorytm optymalizacji wielokryterialnej oraz modelowanie zastępcze z wykorzystaniem sztucznej sieci neuronowej do analizy zadanego problemu. Rezultaty optymalizacji zostały zobrazowane na diagramie Pareto, na ich podstawie pokazano kilka typów możliwych rozwiązań projektowych (niewielkie koszty inwestycyjne i niska sprawność, wysokie koszty inwestycyjne ale wysoka sprawność oraz rozwiązanie pośrednie). Dla modelu zastępczego określono jego dokładność oraz dopasowanie do oczekiwanych rezultatów.
Paper presents possible applications of artificial intelligence techniques in the energy science problems. Those applications can be divided into three groups: modeling, predictions and planning (optimization) and process control. Article shows typical examples of use artificial intelligence in each group. Moreover there are presented the future possibilities of application, for example in Smart Grid's problems. Second part of the article introduces the case study of using artificial intelligence techniques in real life problem of analysis of complicated energy system. Its main elements are geothermal power plant, district heating system, industrial plant and electrical grid. The task was to model the system and run the multi criteria optimization. The quality of each solution was graded by the different objective functions: investment cost and energy efficiency. The paper presents multi criteria genetic optimization algorithm and neural network surrogate modeling for given problem. The optimization's results can be found in the Pareto diagram - they show different possible solutions (with low investment cost and low efficiency, with high cost and high efficiency or with mediumvalues). The quality of surrogate model is presented on the regression graph for neural network.
Źródło:: Pomiary Automatyka Robotyka; 2011, 15, 7-8; 53-59
1427-9126
Pojawia się w:: Pomiary Automatyka Robotyka
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 7.

Tytuł:: An Analytical Study for the Role of Fuzzy Logic in Improving Metaheuristic Optimization Algorithms
Autorzy:: Vij, Sonakshi
Jain, Amita
Tayal, Devendra
Castillo, Oscar
Powiązania:: https://bibliotekanauki.pl/articles/385121.pdf
Data publikacji:: 2018
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:: fuzzy logic
metaheuristics
evolutionary computing
genetic algorithm
particle swarm optimization (PSO)
ant colony optimization
fuzzy evolutionary algorithm
fuzzy cuckoo
fuzzy simulated annealing
fuzzy swarm intelligence
fuzzy differential evolution
tabu
fuzzy mutation
fuzzy natural selection
fuzzy fitness function
big bang big crunch
fuzzy bacterial
neuro fuzzy logic
logika rozmyta
metaheurystyka
obliczenia ewolucyjne
algorytm genetyczny
optymalizacja roju cząstek
optymalizacja kolonii mrówek
Opis:: The research applications of fuzzy logic have always been multidisciplinary in nature due to its ability in handling vagueness and imprecision. This paper presents an analytical study in the role of fuzzy logic in the area of metaheuristics using Web of Science (WoS) as the data source. In this case, 178 research papers are extracted from it in the time span of 1989-2016. This paper analyzes various aspects of a research publication in a scientometric manner. The top cited research papers, country wise contribution, topmost organizations, top research areas, top source titles, control terms and WoS categories are analyzed. Also, the top 3 fuzzy evolutionary algorithms are extracted and their top research papers are mentioned along with their topmost research domain. Since neuro fuzzy logic poses feasible options for solving numerous research problems, hence a section is also included by the authors to present an analytical study regarding research in it. Overall, this study helps in evaluating the recent research patterns in the field of fuzzy metaheuristics along with envisioning the future trends for the same. While on one hand this helps in providing a new path to the researchers who are beginners in this field as they can start exploring it through the analysis mentioned here, on the other hand it provides an insight to professional researchers too who can dig a little deeper in this field using knowledge from this study.
Źródło:: Journal of Automation Mobile Robotics and Intelligent Systems; 2018, 12, 4; 11-27
1897-8649
2080-2145
Pojawia się w:: Journal of Automation Mobile Robotics and Intelligent Systems
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "genetic optimization algorithm" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język