Temat: algorytm mrówkowy - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Reconstruction of boundary condition of the third kind by applying the Ant Colony Optimization algorithm
Odtworzenie warunku brzegowego trzeciego rodzaju przy zastosowaniu algorytmu mrówkowego
Autorzy:: Hetmaniok, E.
Zielonka, A.
Powiązania:: https://bibliotekanauki.pl/articles/87300.pdf
Data publikacji:: 2011
Wydawca:: Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
Tematy:: warunek brzegowy
algorytm mrówkowy
przewodnictwo cieplne
zagadnienie odwrotne
boundary condition
ant colony optimization
heat conduction
inverse problem
Opis:: In this paper we present an application of the Ant Colony Optimization algorithm for solving the inverse heat conduction problem in which the state function and some of the boundary conditions should be determined. The ACO algorithm is a part of the swarm intelligence and it is inspired by the technique of searching for the shortest way connecting the ant-hill with the source of food. We propose to use this algorithm for minimizing the proper functional, which plays a crucial role in the method of solution and allows to reconstruct the value of heat transfer coefficient.
W niniejszym artykule przedstawione zostało zastosowanie algorytmu mrówkowego do rozwiązania odwrotnego zagadnienia przewodnictwa ciepła, polegającego na wyznaczeniu funkcji stanu oraz rekonstrukcji jednego z warunków brzegowych. Algorytm mrówkowy należy do grupy algorytmów inteligencji roju i zainspirowany został techniką wyszukiwania najkrótszej drogi łączącej mrowisko ze źródłem pożywienia. W proponowanym podejściu algorytm ten zostanie wykorzystany do wyznaczania minimum funkcjonału będącego istotnym elementem metody rozwiązania, umożliwiającym odtworzenie wartości współczynnika wnikania ciepła.
Źródło:: Zeszyty Naukowe. Matematyka Stosowana / Politechnika Śląska; 2011, 1; 137-147
2084-073X
Pojawia się w:: Zeszyty Naukowe. Matematyka Stosowana / Politechnika Śląska
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: An Ant Colony Optimization Algorithm for Scheduling Parallel Machines with Sequence-Dependent Setup Costs
Zastosowanie algorytmu mrówkowego do szeregowania zadań na maszynach równoległych z uwzględnieniem kosztów przezbrojeń zależnych od kolejności zadań
Autorzy:: Figielska, E.
Powiązania:: https://bibliotekanauki.pl/articles/91349.pdf
Data publikacji:: 2013
Wydawca:: Warszawska Wyższa Szkoła Informatyki
Tematy:: ant colony optimization
unrelated machines
sequence-dependent setup costs
resource constraints
algorytm mrówkowy
dowolne maszyny
koszty przezbrojeń
kolejność zadań
ograniczenia zasobowe
Opis:: The paper addresses the problem of scheduling preemptive jobs on parallel unrelated machines in the presence of renewable resource constraints and sequence-dependent setup costs. The objective is to minimize the weighted sum of makespan and setups. The problem is known to be NP-hard. To solve this problem, a heuristic is proposed which uses column generation technique and an ant colony optimization algorithm. The results of a computational experiment indicate that the heuristic is able to produce good results in reasonable computation time.
Artykuł dotyczy zagadnienia szeregowania zadań podzielnych na równoległych dowolnych maszynach z uwzględnieniem ograniczeń na dostępność zasobów odnawialnych oraz kosztów przezbrojeń zależnych od kolejności wykonywania zadań. Celem jest minimalizacja ważonej sumy czasu trwania harmonogramu i przezbrojeń. Zagadnienie należy do klasy problemów NP-trudnych. W celu jego rozwiązania, zaproponowany został algorytm heurystyczny, wykorzystujący technikę generacji kolumn, oraz algorytm mrówkowy. Wyniki eksperymentu obliczeniowego wskazują, że algorytm ten jest zdolny dostarczyć dobrej jakości wyniki w rozsądnym czasie.
Źródło:: Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki; 2013, 7, 9; 15-26
1896-396X
2082-8349
Pojawia się w:: Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: Zastosowanie algorytmów rojowych do optymalizacji parametrów w modelach układów regulacji
Application of swarm intelligence algorithms to optimization of control system models
Autorzy:: Tomera, M.
Powiązania:: https://bibliotekanauki.pl/articles/269153.pdf
Data publikacji:: 2015
Wydawca:: Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
Tematy:: algorytmy rojowe
optymalizacja parametrów
algorytm mrówkowy
algorytm sztucznej kolonii pszczół
algorytm optymalizacji rojem cząstek
swarm intelligence
swarm based optimization
ant colony optimization
Artificial Bee Colony
particle swarm optimization (PSO)
Opis:: W pracy przedstawione zostały algorytmy rojowe, takie jak: algorytm mrówkowy, zmodyfikowany algorytm mrówkowy, algorytm sztucznej kolonii pszczół oraz algorytm optymalizacji rojem cząstek. Dla tych algorytmów przygotowane zostało oprogramowanie w Matlabie, pozwalające na optymalizację parametrów poszukiwanych modeli matematycznych, wyznaczanych na podstawie przeprowadzonych testów identyfikacyjnych lub na optymalizację parametrów regulatorów zastosowanych w modelach matematycznych układów sterowania.
The paper presents the swarm intelligence algorithms, such as: ant colony algorithm (ACO), the modified ant colony algorithm (MACO), the artificial bee colony algorithm (ABC) and the particle swarm optimization algorithm (PSO). Ant colony optimization (ACO) based upon the observation of the behavior of ant colonies looking for food in the surrounding anthill. Feeding ants it is based on finding the shortest path transitions between a food source and the anthill. In the process of foraging ants on their paths crossing from the nest to a food source and back, they leave a pheromone trail. The work presents also the modified ant colony algorithm (MACO). This algorithm is based on searching the solution space surrounded by the best solution obtained in the previous iteration. If you find a local minimum, the proposed algorithm uses pheromone to find a new solution space, while retaining the position information current local minimum. The artificial bee colony algorithm is one of the well-known swarm intelligence algorithms. In the past decade there has been created several different algorithms based on the observation of the behavior of cooperative bees. Among them, the most frequently analyzed and used is bee algorithm proposed in 2005 by Dervis Karaboga and was be used in the proposed paper. The particle swarm optimization algorithm (PSO) is based on adjusting the change speed of the moving particles to a speed of particles movement in the neighborhood. Particle optimization algorithm is one of the computational techniques derived on the basis of swarm behavior such as flocks of birds and schools of fish, which is the basis for the functioning of the exchange of information to enable them to cooperate. It was noticed that the animals in the herd tend to maintain the optimum distance from their neighbors, by appropriate adjustment of their speed. This method allows the synchronous and collision-free motion, often accompanied by sudden changes of direction and due to the rearrangement of the optimal formation. For these algorithms has been prepared the software in Matlab, allowing to optimization of the mathematical models designated on the basis of the carried out identification tests and control parameters used in the mathematical model of the control system.
Źródło:: Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2015, 46; 97-102
1425-5766
2353-1290
Pojawia się w:: Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "algorytm mrówkowy" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język