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 "genetic optimization algorithm" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-8 z 8
    Tytuł:
    System reliability optimization: A fuzzy multi-objective genetic algorithm approach
    Optymalizacja niezawodności systemu: metoda rozmytego algorytmu genetycznego do optymalizacji wielokryterialnej
    Autorzy:
    Mutingi, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/300808.pdf
    Data publikacji:
    2014
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    system reliability optimization
    multi-objective optimization
    genetic algorithm
    fuzzy optimization
    redundancy
    optymalizacja niezawodności systemu
    optymalizacja wielokryterialna
    algorytm genetyczny
    optymalizacja rozmyta
    nadmiarowość
    Opis:
    System reliability optimization is often faced with imprecise and conflicting goals such as reducing the cost of the system and improving the reliability of the system. The decision making process becomes fuzzy and multi-objective. In this paper, we formulate the problem as a fuzzy multi-objective nonlinear program. A fuzzy multi-objective genetic algorithm approach (FMGA) is proposed for solving the multi-objective decision problem in order to handle the fuzzy goals and constraints. The approach is able flexible and adaptable, allowing for intermediate solutions, leading to high quality solutions. Thus, the approach incorporates the preferences of the decision maker concerning the cost and reliability goals through the use of fuzzy numbers. The utility of the approach is demonstrated on benchmark problems in the literature. Computational results show that the FMGA approach is promising.
    Często spotykanym problemem w optymalizacji niezawodności systemu są niedokładnie określone i sprzeczne cele, takie jak zmniejszenie kosztów systemu przy jednoczesnej poprawie jego niezawodności. Proces podejmowania decyzji staje się wtedy rozmyty i wielokryterialny. W niniejszej pracy, sformułowaliśmy ten problem jako rozmyty wielokryterialny program nieliniowy (FMOOP). Zaproponowaliśmy metodę rozmytego wielokryterialnego algorytmu genetycznego (FMGA), która pozwala rozwiązać wielokryterialny problem decyzyjny z uwzględnieniem rozmytych celów i ograniczeń. Podejście to jest uniwersalne, co pozwala na rozwiązania pośrednie, prowadzące do rozwiązań wysokiej jakości. Metoda uwzględnia preferencje decydenta w zakresie celów związanych z kosztami i niezawodnością poprzez wykorzystanie liczb rozmytych. Użyteczność FMGA wykazano na przykładzie wzorcowych problemów z literatury. Wyniki obliczeń wskazują, że podejście FMGA jest obiecujące.
    Źródło:
    Eksploatacja i Niezawodność; 2014, 16, 3; 400-406
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Multi-criteria reliability optimization for a complex system with a bridge structure in a fuzzy environment: A fuzzy multi-criteria genetic algorithm approach
    Wielokryterialna optymalizacja niezawodności złożonego systemu o strukturze mostkowej w środowisku rozmytym. Metoda rozmytego wielokryterialnego algorytmu genetycznego
    Autorzy:
    Mutingi, M.
    Mbohwa, C.
    Kommula, V. P.
    Powiązania:
    https://bibliotekanauki.pl/articles/301750.pdf
    Data publikacji:
    2016
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    multi-criteria optimization
    reliability optimization
    complex bridge system
    genetic algorithm
    optymalizacja wielokryterialna
    optymalizacja niezawodności
    złożony system mostkowy
    algorytm genetyczny
    Opis:
    Optimizing system reliability in a fuzzy environment is complex due to the presence of imprecise multiple decision criteria such as maximizing system reliability and minimizing system cost. This calls for multi-criteria decision making approaches that incorporate fuzzy set theory concepts and heuristic methods. This paper presents a fuzzy multi-criteria nonlinear model, and proposes a fuzzy multi-criteria genetic algorithm (FMGA) for complex bridge system reliability design in a fuzzy environment. The algorithm uses fuzzy multi-criteria evaluation techniques to handle fuzzy goals, preferences, and constraints. The evaluation approach incorporates fuzzy preferences and expert choices of the decision maker in regards to cost and reliability goals. Fuzzy evaluation gives the algorithm flexibility and adaptability, yielding near-optimal solutions within short computation times. Results from computational experiments based on benchmark problems demonstrate that the FMGA approach is a more reliable and effective approach than best known algorithm, especially in a fuzzy multi-criteria environment.
    Optymalizacja niezawodności systemu w środowisku rozmytym to problem złożony ze względu na konieczność wzięcia pod uwagę wielu niedokładnie określonych kryteriów decyzyjnych, takich jak maksymalizacja niezawodności systemu i minimalizacja kosztów. Wymaga ona zastosowania wielokryterialnych metod podejmowania decyzji, które łączyłyby pojęcia z zakresu teorii zbiorów rozmytych oraz metody heurystyczne. W niniejszej pracy przedstawiono rozmyty wielokryterialny model nieliniowy (FMGA) oraz zaproponowano rozmyty wielokryterialny algorytm genetyczny do projektowania niezawodności złożonych systemów mostkowym w środowisku rozmytym. Algorytm wykorzystuje techniki rozmytej oceny wielokryterialnej do określania rozmytych celów, preferencji oraz ograniczeń. Metoda oceny uwzględnia rozmyte preferencje i eksperckie wybory decydenta dotyczące kosztów oraz celów niezawodnościowych. Ocena rozmyta nadaje algorytmowi cechy elastyczności oraz adaptacyjności, pozwalając na otrzymanie niemal optymalnych rozwiązań w krótkim czasie obliczeniowym. Wyniki eksperymentów obliczeniowych opartych na problemach wzorcowych pokazują, że podejście z zastosowaniem FMGA jest bardziej niezawodne i wydajne niż najbardziej znany algorytm, zwłaszcza w rozmytym środowisku wielokryterialnym.
    Źródło:
    Eksploatacja i Niezawodność; 2016, 18, 3; 450-456
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Multi-Objective Optimization of Squeeze Casting Process using Genetic Algorithm and Particle Swarm Optimization
    Autorzy:
    Patel, G. C. M.
    Krishna, P.
    Vundavilli, P. R.
    Parappagoudar, M. B.
    Powiązania:
    https://bibliotekanauki.pl/articles/379601.pdf
    Data publikacji:
    2016
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    squeeze casting process
    multi-objective optimization
    genetic algorithm
    squeeze casting
    prasowanie stopu
    optymalizacja wielokryterialna
    algorytm genetyczny
    Opis:
    The near net shaped manufacturing ability of squeeze casting process requiresto set the process variable combinations at their optimal levels to obtain both aesthetic appearance and internal soundness of the cast parts. The aesthetic and internal soundness of cast parts deal with surface roughness and tensile strength those can readily put the part in service without the requirement of costly secondary manufacturing processes (like polishing, shot blasting, plating, hear treatment etc.). It is difficult to determine the levels of the process variable (that is, pressure duration, squeeze pressure, pouring temperature and die temperature) combinations for extreme values of the responses (that is, surface roughness, yield strength and ultimate tensile strength) due to conflicting requirements. In the present manuscript, three population based search and optimization methods, namely genetic algorithm (GA), particle swarm optimization (PSO) and multi-objective particle swarm optimization based on crowding distance (MOPSO-CD) methods have been used to optimize multiple outputs simultaneously. Further, validation test has been conducted for the optimal casting conditions suggested by GA, PSO and MOPSO-CD. The results showed that PSO outperformed GA with regard to computation time.
    Źródło:
    Archives of Foundry Engineering; 2016, 16, 3; 172-186
    1897-3310
    2299-2944
    Pojawia się w:
    Archives of Foundry Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A hybrid approach for scheduling transportation networks
    Autorzy:
    Dridi, M.
    Kacem, I.
    Powiązania:
    https://bibliotekanauki.pl/articles/907640.pdf
    Data publikacji:
    2004
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    system transportowy
    regulacja ruchu
    algorytm genetyczny
    optymalizacja wielokryterialna
    transportation systems
    traffic regulation
    genetic algorithm
    multicriteria optimization
    Opis:
    In this paper, we consider a regulation problem of an urban transportation network. From a given timetable, we aim to find a new schedule of multiple vehicles after the detection of a disturbance at a given time. The main objective is to find a solution maximizing the level of service for all passengers. This problem was intensively studied with evolutionary approaches and multi-agent techniques, but without identifying its type before. In this paper, we formulate the problem as a classical one in the case of an unlimited vehicle capacity. In the case of a limited capacity and an integrity constraint, the problem becomes difficult to solve. Then, a new coding and well-adapted operators are proposed for such a problem and integrated in a new evolutionary approach.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2004, 14, 3; 397-409
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Generalized route planning approach for hazardous materials transportation with equity consideration
    Autorzy:
    Chai, H.
    He, R.-C.
    Jia, X.-yan
    Ma, Ch.-x
    Dai, C.-jie
    Powiązania:
    https://bibliotekanauki.pl/articles/223759.pdf
    Data publikacji:
    2018
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    hazardous materials transportation
    transportation
    route optimization
    risk equity
    multi-objective optimization
    NSGA-II algorithm
    genetic algorithm
    transport materiałów niebezpiecznych
    materiały niebezpieczne
    optymalizacja trasy
    kapitał własny
    optymalizacja wielokryterialna
    algorytm NSGA-II
    algorytm genetyczny
    Opis:
    Hazardous materials transportation should consider risk equity and transportation risk and cost. In the hazardous materials transportation process, we consider risk equity as an important condition in optimizing vehicle routing for the long-term transport of hazardous materials between single or multiple origin-destination pairs (O-D) to reduce the distribution difference of hazardous materials transportation risk over populated areas. First, a risk equity evaluation scheme is proposed to reflect the risk difference among the areas. The evaluation scheme uses standard deviation to measure the risk differences among populated areas. Second, a risk distribution equity model is proposed to decrease the risk difference among populated areas by adjusting the path frequency between O-D pairs for hazardous materials transportation. The model is converted into two sub models to facilitate decision-making, and an algorithm is provided for each sub model. Finally, we design a numerical example to verify the accuracy and rationality of the model and algorithm. The numerical example shows that the proposed model is essential and feasible for reducing the complexity and increasing the portability of the transportation process.
    Źródło:
    Archives of Transport; 2018, 46, 2; 33-46
    0866-9546
    2300-8830
    Pojawia się w:
    Archives of Transport
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The optmization tool supporting supply chain management in the multi-criteria approach
    Optymalizacyjne narzędzie wspomagające zarządzanie łańcuchem dostaw w ujęciu wielokryterialnym
    Autorzy:
    Izdebski, M.
    Jacyna-Gołda, I.
    Gołębiowski, P.
    Plandor, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/962267.pdf
    Data publikacji:
    2020
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    optymalizacja wielokryterialna
    algorytm genetyczny
    infrastruktura transportowa
    zarządzanie łańcuchem dostaw
    multi-criteria optimization
    genetic algorithm
    transport infrastructure
    supply chain management
    Opis:
    W artykule przedstawiono nowe narzędzie optymalizacyjne wspierające zarządzanie łańcuchem dostaw w aspekcie wielokryterialnym. To narzędzie zostało wdrożone w systemie EPLOS (Europejski Portal Usług Logistycznych). System EPLOS to zintegrowany system informatyczny wspierający proces tworzenia sieci dostaw i dystrybucji w łańcuchach dostaw. Ten system składa się z wielu modułów, np. moduł optymalizacji odpowiedzialny za przetwarzanie danych, generowanie wyników, moduł danych wejściowych, moduł kalibracji parametrów algorytmu optymalizacyjnego. Głównym celem badań było opracowanie systemu do określania parametrów łańcucha dostaw, które wpływają na jego efektywność w procesie zarządzania przepływem towarów między poszczególnymi ogniwami łańcucha. Parametry te zostały uwzględnione w modelu matematycznym jako zmienne decyzyjne w celu ustalenia ich w procesie optymalizacji. W modelu matematycznym zdefiniowano dane wejściowe adekwatne do analizowanego problemu, przedstawiono główne ograniczenia związane z wyznaczaniem efektywnego sposobu zarządzania łańcuchem dostaw oraz opisano funkcje kryterium. Problem zarządzania przepływem towarów w łańcuchu dostaw został przedstawiony w ujęciu wielokryterialnym. Ocenę efektywności zarządzania łańcuchem dostaw przeprowadzono na podstawie globalnej funkcji kryterium składającej się z częściowych funkcji kryteriów opisanych w modelu matematycznym. Główne funkcje kryteriów na podstawie których wyznaczane jest końcowe rozwiązane to współczynnik wykorzystania wewnętrznych środków transportu, współczynnik wykorzystania zewnętrznych środków transportu, koszty pracy środków transportu wewnętrznego i personelu, całkowity koszt realizacji zadań transportowych, współczynnik wykorzystania czasu zaangażowania pojazdów, całkowity czas poświęcony na wykonanie zadań, czy liczba pojazdów. Punktem wyjścia do badania było założenie, że o skuteczności zarządzania łańcuchem decydują dwa problemy decyzyjne ważne dla menedżerów w procesie zarządzania łańcuchem dostaw, tj. problem przydziału pojazdów do zadań i problem lokalizacji obiektów logistycznych w łańcuchu dostaw. Aby rozwiązać badany problem, zaproponowano innowacyjne podejście w postaci opracowania algorytmu genetycznego, który został dostosowane do przedstawionego modelu matematycznego. W pracy szczegółowo opisano poszczególne kroki konstruowania algorytmu. Zaproponowana struktura przetwarzana przez algorytm jest strukturą macierzową, dzięki której wyznaczane są optymalne parametry łańcucha dostaw. Procesy krzyżowania i mutacji zostały opracowane adekwatnie do przyjętej struktury macierzowej. W procesie kalibracji algorytmu wyznaczono takie wartości parametrów algorytmu tj. prawdopodobieństwo krzyżowania czy mutacji, które generują optymalne rozwiązanie. Poprawność algorytmu genetycznego oraz efektywność zaproponowanego narzędzia wspomagającego proces zarządzania łańcuchem dostaw została potwierdzona w procesie jego weryfikacji.
    The article presents a new optimization tool supporting supply chain management in the multi-criteria aspect. This tool was implemented in the EPLOS system (European Logistics Services Portal system). The EPLOS system is an integrated IT system supporting the process of creating a supply and distribution network in supply chains. This system consists of many modules e.g. optimization module which are responsible for data processing, generating results. The main objective of the research was to develop a system to determine the parameters of the supply chain, which affect its efficiency in the process of managing the goods flow between individual links in the chain. These parameters were taken into account in the mathematical model as decision variables in order to determine them in the optimization process. The assessment of supply chain management effectiveness was carried out on the basis of the global function of the criterion consisting of partial functions of the criteria described in the mathematical model. The starting point for the study was the assumption that the effectiveness of chain management is determined by two important decision-making problems that are important for managers in the supply chain management process, i.e. the problem of assigning vehicles to tasks and the problem of locating logistics facilities in the supply chain. In order to solve the problem, an innovative approach to the genetic algorithm was proposed, which was adapted to the developed mathematical model. The correctness of the genetic algorithm has been confirmed in the process of its verification.
    Źródło:
    Archives of Civil Engineering; 2020, 66, 3; 505-524
    1230-2945
    Pojawia się w:
    Archives of Civil Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Decentralized job scheduling in the cloud based on a spatially generalized Prisoner’s Dilemma game
    Autorzy:
    Gąsior, J.
    Seredyński, F.
    Powiązania:
    https://bibliotekanauki.pl/articles/329736.pdf
    Data publikacji:
    2015
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    job scheduling
    multiobjective optimization
    genetic algorithm
    prisoner's dilemma
    cellular automata
    harmonogramowanie zadań
    optymalizacja wielokryterialna
    algorytm genetyczny
    dylemat więźnia
    automat komórkowy
    Opis:
    We present in this paper a novel distributed solution to a security-aware job scheduling problem in cloud computing infrastructures. We assume that the assignment of the available resources is governed exclusively by the specialized brokers assigned to individual users submitting their jobs to the system. The goal of this scheme is allocating a limited quantity of resources to a specific number of jobs minimizing their execution failure probability and total completion time. Our approach is based on the Pareto dominance relationship and implemented at an individual user level. To select the best scheduling strategies from the resulting Pareto frontiers and construct a global scheduling solution, we developed a decision-making mechanism based on the game-theoretic model of Spatial Prisoner’s Dilemma, realized by selfish agents operating in the two-dimensional cellular automata space. Their behavior is conditioned by the objectives of the various entities involved in the scheduling process and driven towards a Nash equilibrium solution by the employed social welfare criteria. The performance of the scheduler applied is verified by a number of numerical experiments. The related results show the effectiveness and scalability of the scheme in the presence of a large number of jobs and resources involved in the scheduling process.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2015, 25, 4; 737-751
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie algorytmu genetycznego do rozwiązywania zadań niezawodnościowych dotyczących wielokryterialnych systemów szeregowo-równoległych
    An application of genetic algorithm toward solving the reliability problem of multiobjective series-parallel systems
    Autorzy:
    Zarinchang, A.
    Faghih, N.
    Zarinchang, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/301672.pdf
    Data publikacji:
    2012
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    algorytm genetyczny
    optymalizacja wielokryterialna
    optymalizacja niezawodności
    podział nadmiarowości
    systemy szeregowo-równoległe
    metoda TOPSIS
    multiobjective genetic algorithm
    reliability optimization
    redundancy apportionment
    series-parallel systems
    TOPSIS method
    Opis:
    Ponieważ znalezienie odpowiedniego rozwiązania zadania optymalizacji niezawodnościowej przy wykorzystaniu metod programowania matematycznego uznaje się za trudne, coraz częściej stosuje się do tego celu metody heurystyczne. Algorytm genetyczny do optymalizacji wielokryterialnej (Multiobjective Genetic Algorithm, MGA) jest jedną z metod heurystycznych, stworzoną w celu znajdowania rozwiązań dla systemów szeregowo-równoległych, pozwalającą na uzyskanie maksymalnej niezawodności oraz minimalnych kosztów i ciężaru na poziomie systemu. Zadania takie występują powszechnie w dziedzinie projektowania i konstrukcji systemów mechanicznych i elektrycznych. Wykazano, że MGA pozwala uzyskać odpowiednie rozwiązania tego typu zadań uwzględniając przy tym funkcje celu, takie jak niezawodność, koszty i ciężar. W niniejszej pracy przedstawiono połączenie metody wyszukiwania probabilistycznego oraz jednej z metod rozwiązywania problemów decyzyjnych o nazwie TOPSIS (Technique for Order Preference by Similarity to Ideal Solution). MGA pozwala uzyskać odpowiednie rozwiązania konstrukcyjne dając przy tym znaczną oszczędność czasu w porównaniu z niektórymi innymi metodami. Jednocześnie potraktowanie kosztów i ciężaru jako funkcji celu daje lepsze wyniki w porównaniu do metody wykorzystującej algorytm genetyczny, w której koszty i ciężar rozpatrywane są jako ograniczenia.
    Since developing an appropriate solution for reliability optimization problem with mathematical programming methods has been considered as difficult techniques, the heuristic approaches increasingly has been applied. Multiobjectve Genetic Algorithm (MGA) has been among heuristic methods that was developed to find solutions for series-parallel systems to obtain maximum reliability, and minimum cost and weight at the system level. These are very common problems in engineering design such as mechanical and electrical systems. It has been shown that the Multiobjectve Genetic Algorithm offers proper results to these problems while it respects to the several objective functions such as reliability, cost and weight. This paper presents the combination of probabilistic search, and one of the decision making methods called Technique for Order Preference by Similarity to Ideal Solution (TOPSIS). The Multiobjectve Genetic Algorithm, allows us to achieve a proper design solution while it saves a considerable time compared with some other approaches. At the same time as the reliability, cost and weight were chosen as objective functions, the results obtained by this method showed an overall improvement in comparison to the existing GA method considering cost and weight as constraints.
    Źródło:
    Eksploatacja i Niezawodność; 2012, 14, 3; 243-248
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-8 z 8

      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