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 Optimization" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-6 z 6
    Tytuł:
    Bainite transformation time model optimization for Austempered Ductile Iron with the use of heuristic algorithms
    Autorzy:
    Olejarczyk-Wożeńska, Izabela
    Opaliński, Andrzej
    Mrzygłód, Barbara
    Regulski, Krzysztof
    Kurowski, Wojciech
    Powiązania:
    https://bibliotekanauki.pl/articles/29520068.pdf
    Data publikacji:
    2022
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    heuristic optimization
    bainite
    ADI
    Particle Swarm Optimization
    Evolutionary Optimization Algorithm
    Opis:
    The paper presents the application of heuristic optimization methods in identifying the parameters of a model for bainite transformation time in ADI (Austempered Ductile Iron). Two algorithms were selected for parameter optimization – Particle Swarm Optimization and Evolutionary Optimization Algorithm. The assumption of the optimization process was to obtain the smallest normalized mean square error (objective function) between the time calculated on the basis of the identified parameters and the time derived from the experiment. As part of the research, an analysis was also made in terms of the effectiveness of selected methods, and the best optimization strategies for the problem to be solved were selected on their basis.
    Źródło:
    Computer Methods in Materials Science; 2022, 22, 3; 125-136
    2720-4081
    2720-3948
    Pojawia się w:
    Computer Methods in Materials Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Problem strojenia algorytmu optymalizacji rojem cząstek w optymalizacji ciągłej
    The problem of tuning the particle swarm optimization algorithm in continuous optimization
    Autorzy:
    Mrozek, Adam
    Badura, Dariusz
    Powiązania:
    https://bibliotekanauki.pl/articles/592187.pdf
    Data publikacji:
    2018
    Wydawca:
    Uniwersytet Ekonomiczny w Katowicach
    Tematy:
    Optymalizacja
    Optymalizacja rojem cząstek
    Strojenie
    Optimization
    Particle Swarm Optimization
    Tuning
    Opis:
    Optymalizacja wybranego zagadnienia, polegająca na znalezieniu analitycznego rozwiązania wyznaczającego ekstremum opisującego to zagadnienie funkcji, jest bardzo często złożona. Analityczne rozwiązanie staje się czasem niemożliwe, szczególnie w przypadku, gdy funkcja jest sformułowana w sposób uwikłany. W wielu przypadkach nie istnieją też metody automatycznego rozwiązywania takich formuł. Do rozwiązywania wielu problemów optymalizacyjnych skutecznym narzędziem okazała się optymalizacja rojem cząstek (ang. Particle Swarm Optimization, PSO). Sam algorytm bywa także stosowany jako część innych niedeterministycznych algorytmów, tworząc konstrukcje hybrydowe. Biorąc pod uwagę skuteczność znajdowania rozwiązania, wśród innych podobnych metod optymalizacji algorytm PSO nie plasuje się na czołowym miejscu. Stąd liczne próby modyfikacji oraz ustalenia najbardziej optymalnych i uniwersalnych parametrów algorytmu PSO. W artykule przedstawiono wyniki badań efektywności podstawowej wersji algorytmu optymalizacji rojem cząstek (PSO) dla problemów ciągłych o różnej skali złożoności. Autorzy podjęli także próbę oceny kosztu strojenia tego algorytmu dla małych problemów.
    The optimization of the chosen issue of finding an analytical solution to determine the extreme describing this function is very often complex. An analytical solution is sometimes impossible, especially when the function is formulated in an entangled way. In many cases, there are no methods for automatically solving such formulas. Optimization of the particle swarm (Particle Swarm Optimization, PSO) has proved to be an effective tool for solving many optimization problems. Hence numerous attempts to modify and determine the most optimal and universal parameters of the PSO algorithm. The algorithm itself is also used as a part of other non-deterministic algorithms to create hybrid constructions. The article presents the results of research on the effectiveness of the basic version of the particle swarm optimization algorithm (PSO) for continuous problems of varying complexity scale. The authors also attempted to evaluate the cost of tuning this algorithm for small problems. The carried out computational experiments confirm the hypotheses advanced.
    Źródło:
    Studia Ekonomiczne; 2018, 355; 61-80
    2083-8611
    Pojawia się w:
    Studia Ekonomiczne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Traffic fatalities prediction based on support vector machine
    Autorzy:
    Li, T.
    Yang, Y.
    Wang, Y.
    Chen, C.
    Yao, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/223743.pdf
    Data publikacji:
    2016
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    traffic accident
    support vector machine
    SVM
    particle swarm optimization (PSO)
    PSO
    prediction model
    optimal parameters
    wypadek drogowy
    Particle Swarm Optimization
    model prognostyczny
    optymalne parametry
    Opis:
    To effectively predict traffic fatalities and promote the friendly development of transportation, a prediction model of traffic fatalities is established based on support vector machine (SVM). As the prediction accuracy of SVM largely depends on the selection of parameters, Particle Swarm Optimization (PSO) is introduced to find the optimal parameters. In this paper, small sample and nonlinear data are used to predict fatalities of traffic accident. Traffic accident statistics data of China from 1981 to 2012 are chosen as experimental data. The input variables for predicting accident are highway mileage, vehicle number and population size while the output variables are traffic fatality. To verify the validity of the proposed prediction method, the back-propagation neural network (BPNN) prediction model and SVM prediction model are also used to predict the traffic fatalities. The results show that compared with BPNN prediction model and SVM model, the prediction model of traffic fatalities based on PSO-SVM has higher prediction precision and smaller errors. The model can be more effective to forecast the traffic fatalities. And the method using particle swarm optimization algorithm for parameter optimization of SVM is feasible and effective. In addition, this method avoids overcomes the problem of “over learning” in neural network training progress.
    Źródło:
    Archives of Transport; 2016, 39, 3; 21-30
    0866-9546
    2300-8830
    Pojawia się w:
    Archives of Transport
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A new auto adaptive fuzzy hybrid particle swarm optimization and genetic algorithm
    Autorzy:
    Dziwiński, Piotr
    Bartczuk, Łukasz
    Paszkowski, Józef
    Powiązania:
    https://bibliotekanauki.pl/articles/1837533.pdf
    Data publikacji:
    2020
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    hybrid methods
    Particle Swarm Optimization
    Genetic Algorithm
    fuzzy systems
    multimodal function
    Opis:
    The social learning mechanism used in the Particle Swarm Optimization algorithm allows this method to converge quickly. However, it can lead to catching the swarm in the local optimum. The solution to this issue may be the use of genetic operators whose random nature allows them to leave this point. The degree of use of these operators can be controlled using a neuro-fuzzy system. Previous studies have shown that the form of fuzzy rules should be adapted to the fitness landscape of the problem. This may suggest that in the case of complex optimization problems, the use of different systems at different stages of the algorithm will allow to achieve better results. In this paper, we introduce an auto adaptation mechanism that allows to change the form of fuzzy rules when solving the optimization problem. The proposed mechanism has been tested on benchmark functions widely adapted in the literature. The results verify the effectiveness and efficiency of this solution.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2020, 10, 2; 95-111
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Modelling Microcystis Cell Density in a Mediterranean Shallow Lake of Northeast Algeria (Oubeira Lake), Using Evolutionary and Classic Programming
    Autorzy:
    Arif, Salah
    Djellal, Adel
    Djebbari, Nawel
    Belhaoues, Saber
    Touati, Hassen
    Guellati, Fatma Zohra
    Bensouilah, Mourad
    Powiązania:
    https://bibliotekanauki.pl/articles/2174666.pdf
    Data publikacji:
    2023
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    microcystis cell density
    Multiple Linear Regression
    Support Vector Machine
    Particle Swarm Optimization
    Genetic Algorithm
    Bird Swarm Algorithm
    Opis:
    Caused by excess levels of nutrients and increased temperatures, freshwater cyanobacterial blooms have become a serious global issue. However, with the development of artificial intelligence and extreme learning machine methods, the forecasting of cyanobacteria blooms has become more feasible. We explored the use of multiple techniques, including both statistical [Multiple Regression Model (MLR) and Support Vector Machine (SVM)] and evolutionary [Particle Swarm Optimization (PSO), Genetic Algorithm (GA), and Bird Swarm Algorithm (BSA)], to approximate models for the prediction of Microcystis density. The data set was collected from Oubeira Lake, a natural shallow Mediterranean lake in the northeast of Algeria. From the correlation analysis of ten water variables monitored, six potential factors including temperature, ammonium, nitrate, and ortho-phosphate were selected. The performance indices showed; MLR and PSO provided the best results. PSO gave the best fitness but all techniques performed well. BSA had better fitness but was very slow across generations. PSO was faster than the other techniques and at generation 20 it passed BSA. GA passed BSA a little further, at generation 50. The major contributions of our work not only focus on the modelling process itself, but also take into consideration the main factors affecting Microcystis blooms, by incorporating them in all applied models.
    Źródło:
    Geomatics and Environmental Engineering; 2023, 17, 2; 31--68
    1898-1135
    Pojawia się w:
    Geomatics and Environmental Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Maintenance policy of degradation components based on the two-phase Wiener process
    Autorzy:
    Song, Minqiao
    Zhang, Yingzhi
    Yang, Fang
    Wang, Xiaofeng
    Guo, Guiming
    Powiązania:
    https://bibliotekanauki.pl/articles/28328273.pdf
    Data publikacji:
    2023
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    condition-based maintenance
    two-phase inspection
    two-phase Wiener process
    Particle Swarm Optimization
    sensitivity analysis
    Opis:
    This paper proposes a condition-based maintenance policy for the two-phase Wiener degradation process components. The main contribution of this article is to provide the time distribution of degradation failures for the two-phase Wiener process degradationcomponent, as well as the modeling and solving methods for two-phase maintenance. The two-phase maintenance policy includes two-phase inspection and preventive replacement maintenance operations. The established optimization maintenance policy model aims to minimize long-term operation costs. The specific cost calculation equation and the solution method of the maintenance model are given. The feasibility of the maintenance policy model is verified using the two-phase degradation data of the Liquid Coupling Devices. The Particle swarm optimization algorithm can stably solve the described problem, and the results show that the two-phase maintenance policy can be more economical and improve components availability. After that, we also analyzed the impact of the cost parameters on the maintenance policy through sensitivity analysis.
    Źródło:
    Eksploatacja i Niezawodność; 2023, 25, 4; art. no. 172537
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    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