Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "filters design" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Analiza wpływu prawdopodobieństwa mutacji algorytmu genetycznego w problemie projektowania filtrów
Analysis of the influence of genetic algorithm mutation probability on design of filters
Autorzy:
Rutczyńska-Wdowiak, K.
Powiązania:
https://bibliotekanauki.pl/articles/156635.pdf
Data publikacji:
2011
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
algorytmy genetyczne
prawdopodobieństwo mutacji
projektowanie filtrów
genetic algorithms
probability of mutation
design of filters
Opis:
Praca przedstawia rezultaty zastosowania algorytmu genetycznego (AG) w problemie projektowania filtru cyfrowego na przykładzie jego prototypu analogowego. Badania koncentrowały się na określeniu wpływu wartości prawdopodobieństwa mutacji AG, na dokładność i czas uzyskania rozwiązania. W pracy opisano problem minimalizacji, reprezentację osobników oraz operatory genetyczne: krzyżowanie arytmetyczne, mutację równomierną i selekcję turniejową z częściową wymianą populacji.
This paper presents the results of application of a genetic algorithm (GA) to design of a digital filter on example of its analog prototype. The results of investigations of the influence of GA parameter values, such as the probability of mutation, on the process of searching the solution are analysed. There are described in the paper: the problem of minimisation, representation of the individuals as well as the genetic operators: arithmetical crossover, uniform mutation and tournament selection with steady state. The analysis of the genetic method with regard to the convergence and accuracy for the process of searching solution and time of numerical calculations was carried out. The genetic algorithm differs from traditional methods and, therefore, the chance of determining the local minimum instead of the global one is considerably smaller than in the case of using the classical method. Genetic algorithms have stochastic character, so they do not guarantee obtaining the optimum solution. However, it is expected that the best individual (with the least value of the function ana-lysed) will represent the solution nearing the optimum one. Because of this character of the GA every starting of the minimisation procedure (runs) gives the results differing slightly and, therefore, usually the best result obtained from ten independent experiments or the average result is given.
Źródło:
Pomiary Automatyka Kontrola; 2011, R. 57, nr 1, 1; 19-21
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analiza porównawcza klasycznych metod optymalizacji i algorytmu genetycznego na przykładzie projektowania filtrów
Comparison Analysis of Classical Static Optimization Methods and Genetic Algorithm for Example of The Filter Design
Autorzy:
Rutczyńska-Wdowiak, K.
Stefański, T.
Powiązania:
https://bibliotekanauki.pl/articles/155008.pdf
Data publikacji:
2010
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
metody optymalizacji statycznej
algorytmy genetyczne
projektowanie filtrów
classical static optimization methods
genetic algorithms
design of filters
Opis:
W pracy przedstawiono analizę porównawczą metod klasycznych optymalizacji (Box'a i Nelder'a-Mead'a) oraz algorytmu genetycznego w problemie projektowania filtru cyfrowego na przykładzie jego prototypu analogowego. Badania koncentrowały się na określeniu wpływu wybranej metody, zadanych warunków startowych (przestrzeni poszukiwań) oraz kryterium minimalizacji i zatrzymania algorytmów na dokładność uzyskania optymalnego rozwiązania.
The purpose of the paper is to provide a basis for comparison between classical static optimization methods (Box and Nelder-Mead) and genetic algorithm regarding digital filters based on analog prototype. The analysis of optimization methods (genetic and classical) with regard to convergence and accuracy for the process of searching solution and time of numerical calculations was carried out. It is genetic algorithm, rather than classical static optimization method, that ensures greater probability of finding the global minimum of function. Application of numerical static optimization method is frequently limited due to instability of filter mathematical model during the process of analysis. From among other methods subjected to analysis it is only Box's method that enables the introduction of restrictions which ensure stability of the filter model. Furthermore, the local minimum of function instead of the global one is determined particularly in case of large number of parameters. The genetic algorithms through the random choice of a sufficient number of representative searches within the whole population of potential solutions and therefore the chance of determining the local minimum instead of a global one is considerably smaller than in case of using of classical method. On the other hand, the genetic algorithm requires more numerical calculations by comparison with Nelder-Mead's or Box's methods.
Źródło:
Pomiary Automatyka Kontrola; 2010, R. 56, nr 6, 6; 624-627
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    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