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 "evolutionary" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    Evolutionary multi-agent computing in inverse problems
    Autorzy:
    Wróbel, K.
    Torba, P.
    Paszyński, M
    Byrski, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/305816.pdf
    Data publikacji:
    2013
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    multi-agent systems
    evolutionary computation
    inverse problems
    Opis:
    This paper tackles the application of evolutionary multi-agent computing to solve inverse problems. High costs of fitness function call become a major difficulty when approaching these problems with population-based heuristics. However, evolutionary agent-based systems (EMAS) turn out to reduce the fitness function calls, which makes them a possible weapon of choice against them. This paper recalls the basics of EMAS and describes the considered problem (Step and Flash Imprint Lithography), and later, shows convincing results that EMAS is more effective than a classical evolutionary algorithm.
    Źródło:
    Computer Science; 2013, 14 (3); 367-383
    1508-2806
    2300-7036
    Pojawia się w:
    Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Asymptotic guarantee of success for multi-agent memetic systems
    Autorzy:
    Byrski, A.
    Schaefer, R.
    Smołka, M.
    Cotta, C.
    Powiązania:
    https://bibliotekanauki.pl/articles/201942.pdf
    Data publikacji:
    2013
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    computational multi-agent systems
    asymptotic analysis
    global optimization
    parallel evolutionary algorithms
    Markov chain modeling
    Opis:
    The paper introduces a stochastic model for a class of population-based global optimization meta-heuristics, that generalizes existing models in the following ways. First of all, an individual becomes an active software agent characterized by the constant genotype and the meme that may change during the optimization process. Second, the model embraces the asynchronous processing of agent’s actions. Third, we consider a vast variety of possible actions that include the conventional mixing operations (e.g. mutation, cloning, crossover) as well as migrations among demes and local optimization methods. Despite the fact that the model fits many popular algorithms and strategies (e.g. genetic algorithms with tournament selection) it is mainly devoted to study memetic algorithms. The model is composed of two parts: EMAS architecture (data structures and management strategies) allowing to define the space of states and the framework for stochastic agent actions and the stationary Markov chain described in terms of this architecture. The probability transition function has been obtained and the Markov kernels for sample actions have been computed. The obtained theoretical results are helpful for studying metaheuristics conforming to the EMAS architecture. The designed synchronization allows the safe, coarse-grained parallel implementation and its effective, sub-optimal scheduling in a distributed computer environment. The proved strong ergodicity of the finite state Markov chain results in the asymptotic stochastic guarantee of success, which in turn imposes the liveness of a studied metaheuristic. The Markov chain delivers the sampling measure at an arbitrary step of computations, which allows further asymptotic studies, e.g. on various kinds of the stochastic convergence.
    Źródło:
    Bulletin of the Polish Academy of Sciences. Technical Sciences; 2013, 61, 1; 257-278
    0239-7528
    Pojawia się w:
    Bulletin of the Polish Academy of Sciences. Technical Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Optimization of simulation model parameters for solidification of metals with use of agent-based evolutionary algorithm
    Optymalizacja parametrów modelu symulacyjnego procesu krzepnięcia metali z zastosowaniem agentowego algorytmu ewolucyjnego
    Autorzy:
    Kluska-Nawarecka, S.
    Smolarek-Grzyb, A.
    Byrski, A.
    Wilk-Kołodziejczyk, D.
    Powiązania:
    https://bibliotekanauki.pl/articles/305357.pdf
    Data publikacji:
    2008
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    numeryczna symulacja
    algorytmy ewolucyjne
    system agentowy
    proces krzepnięcia odlewów
    odlew
    numerical simulation
    evolutionary algorithm
    agent systems
    solidification casting process
    casting
    Opis:
    The finite elements method (FEM) is currently widely used for simulation of thermal processes. However, one of still unresolved problems remains proper selection of mathematical model parameters for these processes. As far as modelling of cooling casts in forms is concerned, particular difficulties appear while estimating values of numerous coefficients such as: heat transport coefficient between metal and form, specific heat, metal and form heat conduction coefficient, metal and form density. Coefficients mentioned above depend not only on materials properties but also on temperature. In the paper the idea of optimalization of simulation method parameters based on adaptive adjustment of curve representing simulation result and result obtained in physical experiment is presented along with the idea of evolutionary and agent-based evolutionary optimization system designed to conduct such optimizations. Preliminary results obtained with use of ABAQUS system available in ACK CYFRONET and software developed at AGH-UST conclude the paper.
    Metoda elementów skończonych (MES) znajduje obecnie liczne zastosowania w symulacji procesów cieplnych. Wciąż jednak nierozwiązalny pozostaje problem doboru niektórych współczynników modeli matematycznych tych procesów. Przy modelowaniu stygnięcia odlewów w formie, szczególne trudności powstają przy wyznaczeniu wartości licznych parametrów, np.: współczynnika transportu ciepła pomiędzy metalem a formą, ciepła właściwego, współczynnika przewodnictwa cieplnego metalu i formy, gęstości metalu i formy. Współczynniki te zależą nie tylko od właściwości materiałów, lecz również od temperatury. W artykule zaproponowano metodę optymalizacji wartości parametrów modelu opartą na adaptacyjnym dostosowaniu krzywej stanowiącej wynik symulacji do przebiegu uzyskanego w eksperymencie fizycznym z zastosowaniem algorytmu ewolucyjnego w wersji agentowej. Wstępne wyniki obliczeń zostały zrealizowane przy wykorzystaniu systemu ABAQUS dostępnego w ACK CYFRONET oraz oprogramowania opracowanego przez AGH-UST.
    Źródło:
    Computer Science; 2008, 9; 55-66
    1508-2806
    2300-7036
    Pojawia się w:
    Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The island model as a Markov dynamic system
    Autorzy:
    Schaefer, R.
    Byrski, A.
    Smołka, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/331253.pdf
    Data publikacji:
    2012
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    algorytm genetyczny
    analiza asymptotyczna
    optymalizacja globalna
    algorytm ewolucyjny równoległy
    łańcuch Markova
    genetic algorithms
    asymptotic analysis
    global optimization
    parallel evolutionary algorithms
    Markov chain modeling
    Opis:
    Parallel multi-deme genetic algorithms are especially advantageous because they allow reducing the time of computations and can perform a much broader search than single-population ones. However, their formal analysis does not seem to have been studied exhaustively enough. In this paper we propose a mathematical framework describing a wide class of island-like strategies as a stationary Markov chain. Our approach uses extensively the modeling principles introduced by Vose, Rudolph and their collaborators. An original and crucial feature of the framework we propose is the mechanism of inter-deme agent operation synchronization. It is important from both a practical and a theoretical point of view. We show that under a mild assumption the resulting Markov chain is ergodic and the sequence of the related sampling measures converges to some invariant measure. The asymptotic guarantee of success is also obtained as a simple issue of ergodicity. Moreover, if the cardinality of each island population grows to infinity, then the sequence of the limit invariant measures contains a weakly convergent subsequence. The formal description of the island model obtained for the case of solving a single-objective problem can also be extended to the multi-objective case.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2012, 22, 4; 971-984
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Collectively intelligent prediction in evolutionary multi-agent system
    Autorzy:
    Kijak, J.
    Martyna, P.
    Byrski, A.
    Faber, Ł.
    Piętak, K.
    Kisiel-Dorohinicki, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/397728.pdf
    Data publikacji:
    2017
    Wydawca:
    Politechnika Łódzka. Wydział Mikroelektroniki i Informatyki
    Tematy:
    evolutionary neural networks
    agent-based computing
    time series prediction
    collective intelligence
    metaheuristic optimization
    ewolucyjne sieci neuronowe
    obliczenia agentowe
    predykcja szeregów czasowych
    inteligencja zbiorowa
    optymalizacja metaheurystyczna
    Opis:
    In the paper a summary of our previously realized and published work connected with constructing collective intelligent evolutionary multi-agent systems for time series prediction, based on multi-layered perceptrons is shown. Besides recalling our past papers, we describe the whole concept, present an implementation in a contemporary, componentoriented software framework AgE 3.0 and we conduct a number of experiments, finding different optimal parametrization for the considered instances of the problems (popular Mackey-Glass chaotic time series). The paper may be useful for a practitioner willing to use our meatheuristic algorithm (EMAS) along with the idea of collective agent-based system in order to realize prediction tasks.
    Źródło:
    International Journal of Microelectronics and Computer Science; 2017, 8, 3; 85-96
    2080-8755
    2353-9607
    Pojawia się w:
    International Journal of Microelectronics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      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