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 "Particle Swarm" wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-6 z 6
    Tytuł:
    A hybrid PSO-GA algorithm for Reversible Circuits Synthesis
    Hybrydowy algorytm PSO-GA dla syntezy układów odwracalnych
    Autorzy:
    Podlaski, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/153468.pdf
    Data publikacji:
    2014
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    reversible circuits
    reversible logic synthesis
    particle swarm optimization (PSO)
    genetic algorithms
    układy odwracalne
    synteza układów odwracalnych
    particle swarm optimization
    algorytmy genetyczne
    Opis:
    In the domain of Reversible Circuits there is still lack of good synthesis algorithms. There are many heuristic propositions, unfortunately, their results for a given reversible function usually are circuits far from optimal implementations. There are some propositions of using Particle Swarm Optimization (PSO) and Genetic Algorithms (GA) for this purpose. In this paper a new hybrid PSO-GA algorithm is proposed. Comparison of the proposed algorithm with the existing ones gives promising results.
    W dobie poszukiwania układów cyfrowych o niskim zużyciu energii układy odwracalne stanowią ciekawą alternatywę dla aktualnie stosowanych układów cyfrowych. Jednym z najistotniejszych zagadnień w dziedzinie budowy układów cyfrowych jest synteza układu reprezentującego zadaną funkcję. Niestety do dzisiaj nie ma dobrych rozwiązań w dziedzinie syntezy układów odwracalnych, istniejące rozwiązania są bardzo czasochłonne bądź generują układy o dużej redundancji. Ciekawą alternatywą dla obecnie stosowanych metod heurystycznych jest wykorzystanie algorytmów ewolucyjnych np. Particle Swarm Optimization (PSO) lub algorytmów genetycznych (GA). W niniejszym artykule zaproponowano nowy hybrydowy algorytm PSO-GA dostosowany do syntezy odwracalnych układów cyfrowych. Stworzony algorytm zastosowano do syntezy układów dla wybranych funkcji testowych (tzw. benchmarków) a wyniki porównano z wynikami otrzymywanymi za pomocą algorytmów heurystycznych. Wygenerowane układy okazały się mniej redundantne niż układy otrzymane w syntezie metodami heurystycznymi.
    Źródło:
    Pomiary Automatyka Kontrola; 2014, R. 60, nr 7, 7; 474-476
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Designing fuzzy rule-based controllers from data using particle swarm optimization
    Projektowanie rozmytych regulatorów regułowych na bazie danych z wykorzystaniem tzw. optymalizacji rojowej
    Autorzy:
    Gorzałczany, M. B.
    Głuszek, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/153296.pdf
    Data publikacji:
    2010
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    inteligencja obliczeniowa
    regulatory rozmyte
    systemy wieloagentowe
    inteligencja rojowa
    dane pomiarowe
    computational intelligence
    fuzzy controllers
    multi-agent systems
    swarm intelligence
    measurement data
    Opis:
    The paper presents a hybrid combination of fuzzy rule-based systems and particle swarm optimization (PSO) approach - referred to as PSO fuzzy rule-based technique - for optimizing sets of fuzzy control rules synthesized from control data. The application of the proposed technique to a complex and non-linear problem of the control of backing up a truck to a loading dock is also presented in the paper.
    Artykuł prezentuje hybrydowe połączenie rozmytych systemów regułowych z metodami tzw. optymalizacji rojowej w celu optymalizowania zestawów rozmytych reguł sterujących syntetyzowanych z danych opisujących procesy sterowania. Zatem, artykuł proponuje rozszerzenie tradycyjnego zestawu komponentów wykorzystywanych dotychczas w budowie systemów tzw. inteligencji obliczeniowej obejmującego sztuczne sieci neuronowe, systemy rozmyte, algorytmy ewolucyjne (przede wszystkim, algorytmy genetyczne) czy też tzw. zbiory przybliżone o nowe narzędzie przeszukiwania rozważanych przestrzeni rozwiązań. Najpierw sformułowany został problem budowy regulatorów, których funkcjonowanie opisywane jest przy pomocy zestawów reguł rozmytych, na bazie danych opisujących procesy sterowania. Następnie przedstawiono zarys procesu syntezy rozmytych reguł sterowania z wykorzystaniem metod tzw. optymalizacji rojowej. Z kolei, zaprezentowano zastosowanie proponowanego podejścia do złożonego i nieliniowego problemu sterowania cofaniem ciężarówki do rampy załadowczej. Przedstawiono uzyskaną bazę reguł regulatora rozmytego, kształty funkcji przynależności zbiorów rozmytych występujących w regułach sterowania oraz wybrane przykłady trajektorii ruchu ciężarówki ze sterowaniem rozmytym.
    Źródło:
    Pomiary Automatyka Kontrola; 2010, R. 56, nr 12, 12; 1424-1426
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Porównanie skuteczności wybranych dwu metod optymalizacji
    Comparison of effectiveness of two selected optimisation methods
    Autorzy:
    Grzyb, A.
    Kuczek, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/153768.pdf
    Data publikacji:
    2011
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    optymalizacja
    algorytmy genetyczne
    algorytm roju cząstek
    algorytm różnicowy
    optimisation
    genetic algorithms
    particle swarm optimisation
    differential evolution
    Opis:
    W artykule zaprezentowano dwa stosunkowo nowe algorytmy stosowane do optymalizacji bez ograniczeń funkcji jednej lub wielu zmiennych. Są to algorytmy: ewolucji różnicowej oraz roju cząstek. Przedstawiono w skrócie cechy charakterystyczne algorytmów, najważniejsze informacje dotyczące zasad ich działania. Ponadto opisano sposób ich badania, mający na celu ocenę skuteczności tych algorytmów. Zamieszczono wyniki badań dotyczące kilku wybranych funkcji testowych oraz sformułowano uwagi dotyczące porównania skuteczności badanych metod.
    The paper presents two relatively new algorithms used for optimisation without limitations of single- or multi-variable functions. They are algorithms of differential evolution and particle swarm optimisation. The paper describes characteristic features of the two algorithms and provides vital information about their functioning. Moreover, the paper presents methods used to estimate the algorithm effectiveness. The comparison of efficiency was conducted on the basis of several specially selected test functions. The functions can be found in [5]. The optimum point is known for these functions. For each of the functions, numerous optimisations using various sequences of pseudorandom numbers were conducted [1]. The examination results for a few test function are given and the effectiveness of the tested methods is discussed. The algorithm of the differential evolution method is more reliable than that of the particle swarm method because the latter is often ineffective with multi-variable functions.
    Źródło:
    Pomiary Automatyka Kontrola; 2011, R. 57, nr 11, 11; 1421-1424
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wild Image Retrieval with HAAR Features and Hybrid DBSCAN Clustering For 3D Cultural Artefact Landmarks Reconstruction
    Autorzy:
    Pitchandi, Perumal
    Powiązania:
    https://bibliotekanauki.pl/articles/2201730.pdf
    Data publikacji:
    2022
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    outliers removal
    culturalartefact objects
    3D reconstruction
    particle swarm optimization
    PSO
    spatial clustering
    density based spatial clustering
    noise clustering algorithm
    Opis:
    In this digital age large amounts of information, images and videos can be found in the web repositories which accumulate this information. These repositories include personal, historic, cultural, and business event images. Image mining is a limited field in research where most techniques look at processing images instead of mining. Very limited tools are found for mining these images, specifically 3D (Three Dimensional) images. Open source image datasets are not structured making it difficult for query based retrievals. Techniques extracting visual features from these datasets result in low precision values as images lack proper descriptions or numerous samples exist for the same image or images are in 3D. This work proposes an extraction scheme for retrieving cultural artefact based on voxel descriptors. Image anomalies are eliminated with a new clustering technique and the 3D images are used for reconstructing cultural artefact objects. Corresponding cultural 3D images are grouped for a 3D reconstruction engine’s optimized performance. Spatial clustering techniques based on density like PVDBSCAN (Particle Varied Density Based Spatial Clustering of Applications with Noise) eliminate image outliers. Hence, PVDBSCAN is selected in this work for its capability to handle a variety of outliers. Clustering based on Information theory is also used in this work to identify cultural object’s image views which are then reconstructed using 3D motions. The proposed scheme is benchmarked with DBSCAN (Density-Based Spatial Clustering of Applications with Noise) to prove the proposed scheme’s efficiency. Evaluation on a dataset of about 31,000 cultural heritage images being retrieved from internet collections with many outliers indicate the robustness and cost effectiveness of the proposed method towards a reliable and just-in-time 3D reconstruction than existing state-of-the-art techniques.
    Źródło:
    Advances in Science and Technology. Research Journal; 2022, 16, 3; 269--281
    2299-8624
    Pojawia się w:
    Advances in Science and Technology. Research Journal
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Cross‐Comparison of Evolutionary Algorithms for Optimizing Design of Sustainable Supply Chain Network under Disruption Risks
    Autorzy:
    Al-Zuheri, Atiya
    Powiązania:
    https://bibliotekanauki.pl/articles/2023790.pdf
    Data publikacji:
    2021
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    comparison
    genetic algorithm
    particle swarm optimization
    sustainable supply chain design
    disruption risk
    porównanie
    algorytm genetyczny
    optymalizacja rojem cząstek
    projektowanie zrównoważonego łańcucha dostaw
    ryzyko zakłóceń
    Opis:
    Optimization of a sustainable supply chain network design (SSCND) is a complex decision-making process which can be done by the optimal determination of a set of decisions and constraints such as the selection of suppliers, transportation-related facilities and distribution centres. Different optimization techniques have been applied to handle various SSCND problems. Meta- heuristic algorithms are developed from these techniques that are commonly used to solving supply chain related problems. Among them, Genetic algorithms (GA) and particle swarm optimization (PSO) are implemented as optimization solvers to obtain supply network design decisions. This paper aims to compare the performance of these two evolutionary algorithms in optimizing such problems by minimizing the total cost that the system faces to potential disruption risks. The mechanism and implementation of these two evolutionary algorithms is presented in this paper. Also, using an optimization considers ordering, purchasing, inventory, transportation, and carbon tax cost, a numerical real-life case study is presented to demonstrate the validity of the effectiveness of these algorithms. A comparative study for the algorithms performance has been carried out based on the quality of the obtained solution and the results indicate that the GA performs better than PSO in finding lower-cost solution to the addressed SSCND problem. Despite a lot of research literature being done regarding these two algorithms in solving problems of SCND, few studies have compared the optimization performance between GA and PSO, especially the design of sustainable systems under risk disruptions.
    Źródło:
    Advances in Science and Technology. Research Journal; 2021, 15, 4; 342-351
    2299-8624
    Pojawia się w:
    Advances in Science and Technology. Research Journal
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Estymacja czasów wykonywania algorytmu sterującego w zależności od platformy sprzętowej na użytek diagnostyki obiektu mechanicznego
    Estimation of control algorithm execution times in dependence on the hardware platform for use in mechanical object diagnostics
    Autorzy:
    Kozłowska, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/157438.pdf
    Data publikacji:
    2013
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    algorytm optymalizacji rojem cząstek
    funkcje testowe
    karta graficzna
    procesor
    czas obróbki
    maszyny wieloosiowe
    particle swarm optimization (PSO)
    test functions
    graphic cards
    processor
    processing time
    multi-axis machines
    Opis:
    Opracowanie systemów sterowania obiektami mechanicznymi polega na znalezieniu kompromisu między szybkością działania, a wymaganą dokładnością i jest zagadnieniem o dużej złożoności obliczeniowej. W artykule przedstawiono różne implementacje algorytmu Optymalizacji Rojem Cząstek PSO (ang. Particle Swarm Optimization), który stworzono w celu uzyskania minimalnego czasu obróbki przy zachowaniu zadanej dokładności odtwarzania trajektorii ruchu. Jego działanie zostało porównane w językach: C, C++ i C# oraz na procesorze i karcie graficznej. Z przeprowadzonych badań wynika, że dla małej liczby punktów obliczenia na karcie graficznej są wolniejsze niż na procesorze.
    : Finding the compromise between speed and accuracy is the most important problem in designing control systems. This is a problem of high computational complexity. The paper presents implementation of the algorithm PSO (Particle Swarm Optimization) whose action has been compared in several programming environments (C / OpenCL and C # / Cloo and in C + +) and hardware platforms (CPU and graphics card processor - GPU). PSO is able to achieve the minimum processing time and best possible mapping of a given trajectory. To compare the speed of the PSO algorithm there was made a measurement of the time of test function minimization. The paper describes three test functions commonly used to test the optimization effectiveness. The results show that for a small number of points the calculations on a graphic card are slower than those performed on the CPU. The appropriate use of available parallel computing technologies can significantly improve the characteristics of a multi-axis machine and the expenses incurred for optimization of the PSO can quickly result in important profits. It should be noted that optimization of the processing speed is most needed where the treatment is most complicated. The profit will be negligible for simple trajectories. In special cases, the optimization may extend the processing time without apparent improvement of the characteristics of trajectory mapping.
    Źródło:
    Pomiary Automatyka Kontrola; 2013, R. 59, nr 5, 5; 466-469
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-6 z 6

      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