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

Dostawca treści

Wyrównaj
    Wyświetlanie 1-14 z 14
    Tytuł:
    Comparative Study of Particle Swarm Optimization and Genetic Algorithms for Complex Mathematical Functions
    Autorzy:
    Valdez, F.
    Melin, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/384575.pdf
    Data publikacji:
    2008
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    genetic algorithms
    particle swarm optimization (PSO)
    hybrid systems
    optimization
    Opis:
    The Particle Swarm Optimization (PSO) and the Genetic Algorithms (GA) have been used successfully in solving problems of optimization with continuous and combinatorial search spaces. In this paper the results of the application of PSO and GAs for the optimization of mathematical functions are presented. These two methodologies have been implemented with the goal of making a comparison of their performance in solving complex optimization problems. This paper describes a comparison between a GA and PSO for the optimization of complex mathematical functions.
    Źródło:
    Journal of Automation Mobile Robotics and Intelligent Systems; 2008, 2, 1; 43-51
    1897-8649
    2080-2145
    Pojawia się w:
    Journal of Automation Mobile Robotics and Intelligent Systems
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Design of a Predictive PID Controller Using Particle Swarm Optimization
    Autorzy:
    Mustafa, Norhaida
    Hashim, Fazida Hanim
    Powiązania:
    https://bibliotekanauki.pl/articles/1844451.pdf
    Data publikacji:
    2020
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    proportional integral derivative controller
    particle swarm optimization (PSO) algorithm
    optimization
    predictive PID
    Opis:
    The proportional-integral-derivative (PID) controller is widely used in various industrial applications such as process control, motor drives, magnetic and optical memory, automotive, flight control and instrumentation. PID tuning refers to the generation of PID parameters (Kp, Ki, Kd) to obtain the optimum fitness value for any system. The determination of the PID parameters is essential for any system that relies on it to function in a stable mode. This paper proposes a method in designing a predictive PID controller system using particle swarm optimization (PSO) algorithm for direct current (DC) motor application. Extensive numerical simulations have been done using the Mathwork’s Matlab simulation environment. In order to gain full benefits from the PSO algorithm, the PSO parameters such as inertia weight, iteration number, acceleration constant and particle number need to be carefully adjusted and determined. Therefore, the first investigation of this study is to present a comparative analysis between two important PSO parameters; inertia weight and number of iteration, to assist the predictive PID controller design. Simulation results show that inertia weight of 0.9 and iteration number 100 provide a good fitness achievement with low overshoot and fast rise and settling time. Next, a comparison between the performance of the DC motor with PID-PSO, with PID of gain 1, and without PID were also discussed. From the analysis, it can be concluded that by tuning the PID parameters using PSO method, the best gain in performance may be found. Finally, when comparing between the PID-PSO and its counterpart, the PI-PSO, the PID-PSO controller gives better performance in terms of robustness, low overshoot (0.005%), low minimum rise time (0.2806 seconds) and low settling time (0.4326 seconds).
    Źródło:
    International Journal of Electronics and Telecommunications; 2020, 66, 4; 737-743
    2300-1933
    Pojawia się w:
    International Journal of Electronics and Telecommunications
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of a particle swarm optimization to a physically-based erosion model
    Zastosowanie optymalizacji zbioru rozproszonych czasteczek do modelu erozji opartego na podstawach fizycznych
    Autorzy:
    Santos, C A G
    Pinto, L.E.M.
    De Macedo Machado Freire, P.K.
    Mishra, S.K.
    Powiązania:
    https://bibliotekanauki.pl/articles/81761.pdf
    Data publikacji:
    2010
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
    Tematy:
    particle swarm optimization
    application
    erosion model
    erosion simulation
    run-off
    optimization
    erosion parameter
    Opis:
    The difficulties involved in calibration of physically based erosion models have been partly attributable to the lack of robust optimization tools. This paper presents the essential concepts and application to optimize channel and plane parameters in an erosion model, with a global optimization method known as Repulsive Particle Swarm (RPS), a variant of Particle Swarm Optimization (PSO) method. The physically-based erosion model that which was chosen is called WESP (watershed erosion simulation program). The optimization technique was tested with the field data collected in an experimental watershed located in a semi-arid region of Brazil. On the basis of these results, the recommended erosion parameter values for a semi-arid region are given, which could serve as an initial estimate for other similar areas.
    Trudności w kalibracji modeli erozji opartych na podstawach fizycznych przyczyniły się do braku ogólnych narzędzi optymalizacji. W pracy przedstawiono podstawowe koncepcje i zastosowanie do zoptymalizowania parametrów kanału i płaszczyzny w modelu erozji, globalną metodą optymalizacji znaną jako Repulsive Particle Swarm (RPS), wariantem metody Particle Swarm Optimisation (SPO). Fizycznie uzasadniony model erozji, który został wybrany jest nazywany WESP (watershed erosion simulation program). Technika optymalizacji została wypróbowana na danych terenowych zebranych w zlewni eksperymentalnej zlokalizowanej w umiarkowanie suchym regionie Brazylii. Na podstawie tych wyników przedstawiono wartości rekomendowanego parametru erozji dla umiarkowanie suchego regionu, który może służyć jako początkowe oszacowanie dla podobnych obszarów.
    Źródło:
    Annals of Warsaw University of Life Sciences - SGGW. Land Reclamation; 2010, 42, 1; 39-49
    0208-5771
    Pojawia się w:
    Annals of Warsaw University of Life Sciences - SGGW. Land Reclamation
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Effectiveness of the MPSO algorithm in optimization of the coil arrangement
    Skuteczność algorytmu MPSO w optymalizacji układu cewek
    Autorzy:
    Borowska, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/159534.pdf
    Data publikacji:
    2010
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Elektrotechniki
    Tematy:
    elektromagnetyzm
    optymalizacja
    algorytm PSO
    pole magnetyczne
    electromagnetism
    optimization
    particle swarm optimization (PSO)
    magnetic field
    Opis:
    One of the most important problems in designing of various constructions is optimization of technical facilities. The optimization process leads to find the best solution of a considered problem, and the solution should meet established criteria. Evolutionary algorithms have been found to be effective in solving such optimization problems. In the following paper, a modification of the PSO algorithm has been proposed in order to determine an optimal geometry of the coil arrangement evoking, in a defined active area, magnetic field of the largest possible gradient, and simultaneously keep this gradient relatively stable. The computations confirmed high efficiency of the proposed method. The results were also compared with the achievements of other evolutionary algorithms.
    Jednym z najważniejszych zagadnień w projektowaniu różnych konstrukcji jest optymalizacja urządzeń technicznych. Jej celem jest znalezienie najlepszego rozwiązania rozpatrywanego zagadnienia o najlepszych w sensie przyjętych kryteriów parametrach. Do rozwiązywania tego typu zadań m.in. stosuje się algorytmy ewolucyjne. Aby algorytm był skuteczny często niezbędne jest jednak przeprowadzenie bardzo dużej liczby obliczeń. W celu redukcji kosztów obliczeń w artykule zaproponowano algorytm MPSO będący modyfikacją algorytmu PSO do problemu wyznaczenia optymalnej konstrukcji. Zadaniem zaproponowanego algorytmu było wyznaczenie optymalnej geometrii układu cewek generujących w zdefiniowanym obszarze aktywnym pola magnetycznego o możliwie dużym gradiencie przy zachowaniu jak największej stałości tego gradientu. Na podstawie przeprowadzonych badań, dokonano porównania efektywności zaproponowanej metody MPSO z osiągnięciami standardowego algorytmu optymalizacji cząsteczkowej PSO oraz algorytmu Θ-PSO zaproponowanego przez Zhong i innych [24]. Przeprowadzone obliczenia potwierdziły skuteczność algorytmu MPSO.
    Źródło:
    Prace Instytutu Elektrotechniki; 2010, 246; 35-44
    0032-6216
    Pojawia się w:
    Prace Instytutu Elektrotechniki
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Particle swarm optimization based fuzzy clustering approach to identify optimal number of clusters
    Autorzy:
    Chen, M.
    Ludwig, S. A.
    Powiązania:
    https://bibliotekanauki.pl/articles/91549.pdf
    Data publikacji:
    2014
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    optimization
    fuzzy clustering
    cluster analysis
    particle swarm optimization (PSO)
    PSO
    fuzzy Sammon mapping
    Sammon mapping
    Opis:
    Fuzzy clustering is a popular unsupervised learning method that is used in cluster analysis. Fuzzy clustering allows a data point to belong to two or more clusters. Fuzzy c-means is the most well-known method that is applied to cluster analysis, however, the shortcoming is that the number of clusters need to be predefined. This paper proposes a clustering approach based on Particle Swarm Optimization (PSO). This PSO approach determines the optimal number of clusters automatically with the help of a threshold vector. The algorithm first randomly partitions the data set within a preset number of clusters, and then uses a reconstruction criterion to evaluate the performance of the clustering results. The experiments conducted demonstrate that the proposed algorithm automatically finds the optimal number of clusters. Furthermore, to visualize the results principal component analysis projection, conventional Sammon mapping, and fuzzy Sammon mapping were used.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2014, 4, 1; 43-56
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Optymalizacja cyklu roboczego manipulatora z parami obrotowymi
    Optimization of work cycle of manipulator with revolute joints
    Autorzy:
    Posiadała, B.
    Tomala, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/171143.pdf
    Data publikacji:
    2014
    Wydawca:
    Poltegor-Instytut Instytut Górnictwa Odkrywkowego
    Tematy:
    manipulator
    aktuator
    modelowanie dynamiki
    optymalizacja pracy
    metoda roju cząstek
    actuator
    dynamics modelling
    optimization
    particle swarm optimization (PSO)
    Opis:
    W artykule przedstawiono zagadnienie optymalizacji cyklu roboczego manipulatora wyposażonego w kinematyczne pary obrotowe. Jako kryterium optymalizacji przyjęto minimalizację obciążeń w aktuatorach manipulatora oraz minimalizację całkowitego czasu wykonania przez manipulator cyklu roboczego, polegającego na transporcie końcówki roboczej z jednego punktu trójwymiarowej przestrzeni do innego. W pracy zamieszczono przykładowe wyniki obliczeń numerycznych.
    In this work, the problem of work cycle optimization of manipulator with revolute joints has been presented. The optimization purposes to minimize torques in actuators of the manipulator and total time of the work cycle. The work cycle is to move end-effector from one point of spatial workspace to another. An exemplary computation has been performed and results of the computation have been attached to the paperwork.
    Źródło:
    Górnictwo Odkrywkowe; 2014, 55, 4-5; 71-75
    0043-2075
    Pojawia się w:
    Górnictwo Odkrywkowe
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Repulsive self - adaptive acceleration particle swarm optimization approach
    Autorzy:
    Ludwig, S. A.
    Powiązania:
    https://bibliotekanauki.pl/articles/91874.pdf
    Data publikacji:
    2014
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    adaptive Particle Swarm Optimization
    adaptive PSO
    optimization
    Repulsive Self-adaptive Acceleration PSO
    RSAPSO
    velocity weights
    optimal solution of the problem
    function evaluations
    Opis:
    Adaptive Particle Swarm Optimization (PSO) variants have become popular in recent years. The main idea of these adaptive PSO variants is that they adaptively change their search behavior during the optimization process based on information gathered during the run. Adaptive PSO variants have shown to be able to solve a wide range of difficult optimization problems efficiently and effectively. In this paper we propose a Repulsive Self-adaptive Acceleration PSO (RSAPSO) variant that adaptively optimizes the velocity weights of every particle at every iteration. The velocity weights include the acceleration constants as well as the inertia weight that are responsible for the balance between exploration and exploitation. Our proposed RSAPSO variant optimizes the velocity weights that are then used to search for the optimal solution of the problem (e.g., benchmark function). We compare RSAPSO to four known adaptive PSO variants (decreasing weight PSO, time-varying acceleration coefficients PSO, guaranteed convergence PSO, and attractive and repulsive PSO) on twenty benchmark problems. The results show that RSAPSO achives better results compared to the known PSO variants on difficult optimization problems that require large numbers of function evaluations.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2014, 4, 3; 189-204
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Research on the influence of airflow resistance of layered porous structures on the sound absorption coefficient
    Autorzy:
    Flach, Artur
    Powiązania:
    https://bibliotekanauki.pl/articles/24201972.pdf
    Data publikacji:
    2022
    Wydawca:
    Politechnika Poznańska. Instytut Mechaniki Stosowanej
    Tematy:
    airflow resistance
    anechoic wedges
    transfer matrix method
    optimization
    PSO
    particle swarm optimization
    opór przepływu powietrza
    kliny akustyczne
    metoda macierzy przejścia
    optymalizacja
    optymalizacja roju cząstek
    Opis:
    The paper presents the research on the influence of airflow resistance on the sound absorption coefficient of layered porous structures. For the calculation of the sound absorption coefficient, the models of layered sound-absorbing structures were developed with the use of numerical computational models. Using the developed models, optimization was carried out to maximize the average sound absorption coefficient of the structures for a given frequency range. As a result of the research, the dependence of the change in airflow resistance for the successive layers of the material was determined. The results of the work will be particularly useful in the design of wedges used in anechoic chambers.
    Źródło:
    Vibrations in Physical Systems; 2022, 33, 3; art. no. 2022311
    0860-6897
    Pojawia się w:
    Vibrations in Physical Systems
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Optimization algorithm for number and wells placement
    Algorytm optymalizacji liczby i położenia odwiertów
    Autorzy:
    Łętkowski, Piotr
    Powiązania:
    https://bibliotekanauki.pl/articles/1834980.pdf
    Data publikacji:
    2019
    Wydawca:
    Instytut Nafty i Gazu - Państwowy Instytut Badawczy
    Tematy:
    optimization
    reservoir simulation
    swarm intelligence
    particle swarm optimization (PSO)
    optimal number of wells
    optimal well placement
    optymalizacja
    symulacje złożowe
    inteligencja roju
    optymalizacja rojem cząstek
    optymalna liczba odwiertów
    optymalne położenie odwiertów
    Opis:
    Determination of the optimal number and placement of production wells is crucial for the effective depletion of the hydrocarbon reservoir. Due to the strongly non-linearity of the problem and the occurrence of multiple local minimums in the response function the non-gradient optimization methods in combination with reservoir simulations are most commonly used for its solution. However, it should be noted that most of the research works dedicated to this issue describe the process of placement optimization but not the number of drilling wells assuming that it was arbitrary set. This is partly due to the fact that known and used optimization methods operate on a fixed number of optimization parameters, therefore the number of production wells can not change during the optimization process. The paper is dedicated to the attempt to build an algorithm that allows simultaneous optimization of the number and position of production wells with respect to the discounted profit in a given period of operation. The basic optimization method in the presented algorithm is the Particle Swarm Optimization (PSO) – one of the most effective non-gradient optimization methods that belongs to the group of methods applying the swarm’s intelligence. Taking into account the number of drilling wells in the optimization process means that the algorithm operates on a variable number of parameters. The objective algorithm starts optimization from an arbitrarily set number of producers, reducing it gradually. Efficiency tests conducted on the sample reservoir PUNQ-S3 indicated a satisfactory convergence of the proposed method. The computing program created implements the mechanisms of convergence enhancement by improving the boundary conditions for the optimization method. The minimum separation distance control between production wells was also introduced at the initial stage of optimization process. Although the algorithm is characterized by satisfactory convergence it would be advisable to improve it by using a hybrid method to increase its effectiveness in the local optimization phase and to introduce minimum well spacing during the entire optimization process.
    Określenie optymalnej liczby i położenia odwiertów eksploatacyjnych jest kluczowe dla efektywnej eksploatacji złoża węglowodorowego. Ze względu na silnie nieliniowy charakter problemu oraz występowanie w funkcji odpowiedzi wielokrotnych minimów lokalnych do jego rozwiązania najczęściej wykorzystywane są bezgradientowe metody optymalizacyjne w połączeniu z symulacjami złożowymi. Należy jednak zauważyć, że większość prac poświęconych temu zagadnieniu opisuje proces optymalizacji położenia, a nie liczby odwiertów, przyjmując, że jest ona dana arbitralnie. Wynika to po części z faktu, że znane i stosowane metody optymalizacyjne operują na stałej liczbie parametrów optymalizacyjnych, w związku z czym liczba odwiertów wydobywczych nie może zmieniać się w trakcie procesu optymalizacji. Artykuł jest poświęcony próbie zbudowania algorytmu umożliwiającego równoczesną optymalizację liczby i położenia odwiertów wydobywczych ze względu na zdyskontowany zysk w zadanym okresie eksploatacji. Podstawową metodą optymalizacyjną w prezentowanym algorytmie jest optymalizacja rojem cząstek (ang. PSO) – jedna z najbardziej efektywnych metod optymalizacji bezgradientowej, należąca do grupy metod wykorzystujących inteligencję roju. Próby efektywności metody przeprowadzone na przykładzie złoża testowego PUNQ-S3 wskazały na zadowalającą zbieżność zaproponowanej metody, dla której na początkowym etapie zastosowano kontrolę minimalnej odległości pomiędzy odwiertami. Jakkolwiek algorytm charakteryzuje się zadowalającą zbieżnością, to jednak wskazane byłoby jego udoskonalenie poprzez wykorzystanie metody hybrydowej w celu zwiększenia jego efektywności w fazie optymalizacji lokalnej oraz wprowadzenie kontroli odległości minimalnej w trakcie całego procesu optymalizacji.
    Źródło:
    Nafta-Gaz; 2019, 75, 12; 744-750
    0867-8871
    Pojawia się w:
    Nafta-Gaz
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Optymalizacja liczby i położenia odwiertów eksploatacyjnych z wykorzystaniem mapy potencjału produktywności
    Optimization of the number and placement of exploitation wells using a productivity potential map
    Autorzy:
    Łętkowski, Piotr
    Powiązania:
    https://bibliotekanauki.pl/articles/31344029.pdf
    Data publikacji:
    2022
    Wydawca:
    Instytut Nafty i Gazu - Państwowy Instytut Badawczy
    Tematy:
    optymalizacja
    symulacje złożowe
    inteligencja roju
    optymalizacja rojem cząstek
    optymalna liczba odwiertów
    optymalne położenie odwiertów
    mapa potencjału produktywności
    optimization
    reservoir simulation
    swarm intelligence
    particle swarm optimization
    optimal number of wells
    optimal well placement
    productivity potential map
    Opis:
    Jednym z podstawowych elementów planu zagospodarowania złoża węglowodorów jest określenie liczby i położenia odwiertów eksploatacyjnych (produkcyjnych i zatłaczających). Należy jednak zauważyć, że zdecydowana większość prac poświęcona temu zagadnieniu opisuje proces optymalizacji położenia, a nie liczby odwiertów, przyjmując, że jest ona zadana arbitralnie. Wynika to z faktu, że znane i stosowane metody optymalizacyjne operują na stałej liczbie parametrów optymalizacyjnych, w związku z czym liczba odwiertów wydobywczych nie może zmieniać się w trakcie procesu optymalizacji. W artykule przedstawiono modyfikację podstawowej metody optymalizacyjnej uwzględniającą zmianę liczby odwiertów w czasie optymalizacji, przy czym optymalizacja położenia i liczby odwiertów przebiega równocześnie. Podstawową metodą optymalizacyjną w skonstruowanym algorytmie jest optymalizacja rojem cząstek (ang. PSO) – jedna z najbardziej efektywnych metod optymalizacji bezgradientowej, należąca do grupy metod stochastycznych. Została ona zmodyfikowana dla potrzeb przyjętego problemu optymalizacyjnego poprzez zmianę postaci funkcji celu oraz wprowadzenie zmiennej progowej, co pozwoliło na operowanie zmienną liczbą odwiertów. W celu poprawienia zbieżności algorytm uzupełniono o mechanizm mutacji oparty na mapie potencjału produktywności. Testy zbieżności metody przeprowadzone na przykładzie złoża testowego PUNQ-S3 wskazały na zadowalającą efektywność zaproponowanego rozwiązania. Algorytm potrzebował 150 iteracji i 750 wywołań funkcji celu, aby 2,5-krotnie zwiększyć początkową wartość NPV przy równoczesnej 3,5-krotnej redukcji liczby odwiertów produkcyjnych. Z kolei zastosowanie algorytmu do optymalizacji liczby i rozmieszczenia odwiertów zatłaczających przy zadanej liczbie konfiguracji odwiertów wydobywczych pozwoliło na zwiększenie zysku netto o 1/3 przy ponad 2-krotnej redukcji liczby odwiertów
    One of the basic elements of the hydrocarbon reservoir development plan is to determine the number and location of production and injection wells. However, it should be noted that most of the research works dedicated to this issue describe the process of placement optimization but not the number of exploitation wells assuming that it was an arbitrary set. This is partly due to the fact that known and used optimization methods operate on a fixed number of optimization parameters, therefore the number of production wells can not change during the optimization process. The paper presents modification of the basic optimization method taking into account the change in the number of wells during optimization. The optimization of the placement and number of wells run simultaneously. The basic optimization method in the constructed algorithm is particle swarm optimization (PSO) – one of the most effective methods of non-gradient optimization, belonging to the group of stochastic methods. It was modified for the needs of the adopted optimization problem by changing the form of the objective function and introducing the threshold variable which allowed to change the number of wells. In order to improve the convergence, the algorithm is supported by a mutation mechanism based on the productivity potential map. The convergence tests carried out based on the example of the PUNQ-S3 benchmark field showed the satisfactory effectiveness of the proposed solution. The algorithm took 150 iterations and 750 objective function calls to increase the starting NPV value by 2.5 times while reducing the number of production wells by 3.5 times. On the other hand, the use of the algorithm to optimize the number and placement of injection wells for a given number of production wells configuration allowed to increase the NPV value profit by 1/3 with a reduction of more than 2 times in the number of wells.
    Źródło:
    Nafta-Gaz; 2022, 78, 12; 861-871
    0867-8871
    Pojawia się w:
    Nafta-Gaz
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Optymalizacja położenia odwiertów wydobywczych ze względu na czas trwania plateau wydobycia
    Well placement optimization for constant production rate
    Autorzy:
    Łętkowski, Piotr
    Powiązania:
    https://bibliotekanauki.pl/articles/31348130.pdf
    Data publikacji:
    2022
    Wydawca:
    Instytut Nafty i Gazu - Państwowy Instytut Badawczy
    Tematy:
    optymalizacja
    symulacje złożowe
    inteligencja roju
    optymalizacja rojem cząstek
    optymalna liczba odwiertów
    optymalne położenie odwiertów
    mapa potencjału produktywności
    optimization
    reservoir simulation
    swarm intelligence
    particle swarm optimization
    optimal number of wells
    optimal well placement
    productivity potential map
    Opis:
    Określenie optymalnego rozmieszczenia odwiertów eksploatacyjnych na złożu węglowodorów jest kluczowe dla jego efektywnej eksploatacji. Tak sformułowane zagadnienie stanowi złożony problem optymalizacyjny, którego rozwiązanie w postaci lokalizacji odwiertów zależy między innymi od sposobu zdefiniowania funkcji celu. W literaturze najczęściej występują dwie postacie funkcji celu: zysk bieżący netto (NPV) oraz sumaryczne wydobycie ropy naftowej. Rzadziej spotykana jest funkcja celu bazująca na równomierności sczerpania złoża. Artykuł jest poświęcony próbie zastosowania funkcji celu opartej na czasie wydobycia ropy ze stałą wydajnością (tzw. plateau). Optymalizację prowadzono dla sumarycznego wydobycia ropy oraz zysku bieżącego netto w czasie trwania fazy plateau. W tym celu zbudowano hybrydowy algorytm optymalizacyjny bazujący na optymalizacji rojem cząstek. Zastosowanie algorytmu hybrydowego łączącego trzy mechanizmy wynikało z jednej strony z konieczności poprawienia skuteczności podstawowej metody optymalizacyjnej, z drugiej zaś miało na celu ograniczenie tzw. przedwczesnej zbieżności. Cele te zostały zrealizowane poprzez wykorzystanie mapy potencjału produktywności oraz wprowadzenie mechanizmu mutacji. Optymalizację prowadzono dla dwóch różnych sposobów sterowania odwiertami: sterowania grupowego ze stałą wydajnością oraz sterowania indywidualnego. Zbudowany algorytm potwierdził efektywność, uzyskując wzrost wartości funkcji celu w stosunku do wartości pierwotnej od 40% do 300%. We wszystkich analizowanych przypadkach algorytm rozmieścił odwierty produkcyjne poprawnie, co do zasady. Odwierty zostały rozmieszczone w strefie ropnej w bezpiecznej odległości zarówno od kontaktu woda–ropa, jak i ropa–gaz, przy czym stwierdzono pewne różnice w zależności od przyjętej funkcji celu. Przeprowadzone symulacje potwierdziły możliwość zastosowania czasu trwania plateau jako funkcji celu dla optymalizacji położenia odwiertów produkcyjnych.
    Determining the optimal placement of production wells in a hydrocarbon reservoir is crucial for the effective exploitation. The problem formulated in this way is a complex optimization problem, the solution of which in the form of the location of the wells depends, inter alia, on the method of defining the objective function. Two forms of the objective function are most often found in the literature. These are the net pay value (NPV) and total oil production. The objective function based on the uniformity of the reservoir depletion is less common. The article is devoted to an attempt to apply the objective function based on the duration of oil production with a constant production rate (the so-called production plateau). The optimization was carried out for the total oil production and for the net pay value for the plateau period. The need to use a hybrid algorithm combining three mechanisms resulted, on the one hand, from the need to improve the effectiveness of the basic optimization method, and on the other hand, to reduce the so-called “premature convergence”. For this purpose, a hybrid optimization algorithm based on particle swarm optimization was built. These goals were achieved through the use of a productivity potential map and a mutation mechanism. Optimization was carried out for two different well control methods: group control with constant production rate and individual well control. The developed algorithm confirmed the effectiveness, obtaining an increase in the value of the objective function in relation to the original value from 40% to 300%. As a rule, the algorithm placed the production wells correctly in all analyzed cases. The well were located in the oil zone at a safe distance from both water-oil and oil-gas contacts, with some differences depending on the target function adopted. The simulations carried out confirmed the possibility of using the plateau duration as a function of the objective for optimizing the location of production wells.
    Źródło:
    Nafta-Gaz; 2022, 78, 8; 598-607
    0867-8871
    Pojawia się w:
    Nafta-Gaz
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Optimization of electric and magnetic field intensities in proximity of power lines using genetic and particle swarm algorithms
    Autorzy:
    Król, K.
    Machczyński, W.
    Powiązania:
    https://bibliotekanauki.pl/articles/141588.pdf
    Data publikacji:
    2018
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    power line
    electric field
    magnetic field
    optimization
    genetic algorithm
    particle swarm algorithm
    Opis:
    The paper presents optimization of power line geometrical parameters aimed to reduce the intensity of the electric field and magnetic field intensity under an overhead power line with the use of a genetic algorithm (AG) and particle swarm optimization (PSO). The variation of charge distribution along the conductors as well as the sag of the overhead line and induced currents in earth wires were taken into account. The conductor sag was approximated by a chain curve. The charge simulation method (CSM) and the method of images were used in the simulations of an electric field, while a magnetic field were calculated using the Biot–Savart law. Sample calculations in a three-dimensional system were made for a 220 kV single – circuit power line. A comparison of the used optimization algorithms was made.
    Źródło:
    Archives of Electrical Engineering; 2018, 67, 4; 829-843
    1427-4221
    2300-2506
    Pojawia się w:
    Archives of Electrical Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of a PSO algorithm for identification of the parameters of Jiles-Atherton hysteresis model
    Autorzy:
    Knypiński, Ł.
    Nowak, L.
    Sujka, P.
    Radziuk, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/141610.pdf
    Data publikacji:
    2012
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    optymalizacja
    histereza
    model Jilesa-Athertona
    optimization
    hysteresis
    Jiles-Atherton model
    particle swarm optumization method
    Opis:
    In the paper an algorithm and computer code for the identification of the hysteresis parameters of the Jiles-Atherton model have been presented. For the identification the particle swarm optimization method (PSO) has been applied. In the optimization procedure five design variables has been assumed. The computer code has been elaborated using Delphi environment. Three types of material have been examined. The results of optimization have been compared to experimental ones. Selected results of the calculation for different material are presented and discussed.
    Źródło:
    Archives of Electrical Engineering; 2012, 61, 2; 139-148
    1427-4221
    2300-2506
    Pojawia się w:
    Archives of Electrical Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Allocation of real power generation based on computing over all generation cost: an approach of Salp Swarm Algorithm
    Autorzy:
    Devarapalli, Ramesh
    Sinha, Nikhil Kumar
    Rao, Bathina Venkateswara
    Knypiński, Łukasz
    Lakshmi, Naraharisetti Jaya Naga
    García Márquez, Fausto Pedro
    Powiązania:
    https://bibliotekanauki.pl/articles/1841291.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    economic load dispatch
    heuristic algorithms
    optimization
    Particle Swarm
    Algorithm
    Salp Swarm Algorithm
    ekonomiczna wysyłka ładunku
    algorytmy heurystyczne
    optymalizacja
    rój cząstek
    algorytm
    Opis:
    Economic Load Dispatch (ELD) is utilized in finding the optimal combination of the real power generation that minimizes total generation cost, yet satisfying all equality and inequality constraints. It plays a significant role in planning and operating power systems with several generating stations. For simplicity, the cost function of each generating unit has been approximated by a single quadratic function. ELD is a subproblem of unit commitment and a nonlinear optimization problem. Many soft computing optimization methods have been developed in the recent past to solve ELD problems. In this paper, the most recently developed population-based optimization called the Salp Swarm Algorithm (SSA) has been utilized to solve the ELD problem. The results for the ELD problem have been verified by applying it to a standard 6-generator system with and without due consideration of transmission losses. The finally obtained results using the SSA are compared to that with the Particle Swarm Optimization (PSO) algorithm. It has been observed that the obtained results using the SSA are quite encouraging.
    Źródło:
    Archives of Electrical Engineering; 2021, 70, 2; 337-349
    1427-4221
    2300-2506
    Pojawia się w:
    Archives of Electrical Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-14 z 14

      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