Informacja

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

Wyszukujesz frazę "Ławrynowicz, A." wg kryterium: Autor


Wyświetlanie 1-2 z 2
Tytuł:
A survey of evolutionary algorithms for production and logistics optimization
Autorzy:
Ławrynowicz, A.
Powiązania:
https://bibliotekanauki.pl/articles/409467.pdf
Data publikacji:
2011
Wydawca:
Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
Tematy:
produkcja
sieć zasilająca
algorytm ewolucyjny
production
supply network
evolutionary algorithm
Opis:
The main objective of this paper is to present heuristic methods based on evolutionary algorithms to address the production and logistic problem. The focus is brought on problems related to the design, organization, and management of the supply network. From the recent published literature, the author has identified the following types of problems as the most addressed: cell formation, facility layout and optimization of the workshop configuration, choice of locations for distributions centers, assembly line balancing, lot-sizing, production planning and scheduling, and configuration of the supply network. In addition, the author proposes a new approach to the distributed scheduling in industrial clusters which uses a modified genetic algorithm.
Źródło:
Research in Logistics & Production; 2011, 1, 2; 57-91
2083-4942
2083-4950
Pojawia się w:
Research in Logistics & Production
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Handling the description noise using an attribute value ontology
Autorzy:
Łukaszewski, T.
Józefowska, J.
Ławrynowicz, A.
Józefowski, Ł.
Powiązania:
https://bibliotekanauki.pl/articles/206376.pdf
Data publikacji:
2011
Wydawca:
Polska Akademia Nauk. Instytut Badań Systemowych PAN
Tematy:
imprecise descriptions
attribute noise
ontology
naďve Bayesian classifier
Opis:
The quality of any classifier depends on a number of factors, including the quality of training data. In real-world scenarios, data are often noisy. One reason for noisy data (erroneous values) is in the representation language, insufficient to model different levels of knowledge granularity. In this paper, to address the problem of such description noise, we propose a novel extension of the na've Bayesian classifier by an attribute value ontology (AVO). In the proposed approach, every attribute is a hierarchy of concepts from the domain knowledge base. In this way an example is described either very precisely (using a concept from the low-level of the hierarchy) or, when it is not possible, in a more general way (using a concept from higher levels of the hierarchy). Our general strategy is to classify a new example using training examples described in the same way or more precisely at lower levels of knowledge granularity. Hence, the hierarchy introduces a bias which in effect can contribute to improvement of a classification.
Źródło:
Control and Cybernetics; 2011, 40, 2; 275-292
0324-8569
Pojawia się w:
Control and Cybernetics
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