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 1-6 z 6
    Tytuł:
    Examining the impact of positive and negative constant learning on the evolution rate
    Autorzy:
    Gajer, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/1943200.pdf
    Data publikacji:
    2009
    Wydawca:
    Politechnika Gdańska
    Tematy:
    evolutionary systems
    learning process
    constant learning
    Opis:
    The paper discusses the influence of learning on evolutionary processes. In biological sciences it is a well-known fact that the rate of evolution can be effected by learning and the same phenomena can also be observed in artificial evolutionary systems, however, their nature is still not sufficiently well understood. In the paper the influence of constant learning on the rate of evolution is examined. The constant learning is a kind of learning during which the genotype of the individual being taught is moved toward the global optimum over a constant value. If the fitness function is monotonic, it can be concluded from the mathematical theory that such kind of learning should decelerate evolution. However, this fact is highly counterintuitive and for this reason it should be proved by numerical experiments. In the article the results of numerical simulations are presented. They prove that evolution is indeed decelerated by learning in case of the sigmoid fitness function. Moreover, two cases of constant learning were examined in the paper. These are the positive and negative constant learning. It was demonstrated that in the case of the negative constant learning the evolution was decelerated to a larger extent than in the case of the positive constant learning. The obtained results can help explain certain phenomena concerning the impact of learning on the evolution both in natural and artificial evolutionary systems.
    Źródło:
    TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk; 2009, 13, 4; 355-362
    1428-6394
    Pojawia się w:
    TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Analiza wpływu uczenia stałego na tempo przebiegu procesów ewolucyjnych
    Analysis of the impact of constant learning on the evolution rate
    Autorzy:
    Gajer, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/156926.pdf
    Data publikacji:
    2010
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    systemy ewolucyjne
    proces uczenia
    efekt Baldwina
    evolutionary systems
    learning process
    Baldwin effect
    Opis:
    W artykule rozważono wpływ procesu uczenia na tempo zachodzenia przemian ewolucyjnych. Zjawisko polegające na tym, że wprowadzenie do sytemu ewolucyjnego procesu uczenia może zarówno przyspieszać, jak i spowalniać ewolucję, jest od dawna znane w naukach przyrodniczych i określane jest mianem efektu Baldwina. Natomiast brak jest ogólnej teorii opisującej rozważane zjawiska w sposób ilościowy. W artykule przedstawiono teoretyczną analizę wpływu uczenia stałego na tempo ewolucji. Uzyskane wyniki zostały dodatkowo potwierdzone przeprowadzonymi przez autora symulacjami numerycznymi, z których wynika, że w systemach ewolucyjnych z dodatnią i monotoniczną funkcją celu wprowadzenie uczenia stałego zawsze powoduje spowolnienie ewolucji.
    The paper deals with the influence of learning on the evolution rate. It is a well-known fact that learning can under some circumstances accelerate or decelerate evolution, but there is no general theory that could explain these phenomena. The work [11] proposes a mathematical method with use of which one can determine whether the evolution will be accelerated or decelerated by learning for a monotonic and positive fitness function. This mathematical method is based on analysis of the fitness function logarithm second derivative. In the paper there is presented an experimental evolu-tionary system for which it was proved that the fitness function logarithm second derivative is negative. This fact causes that introduction of the constant learning to such a system must lead to deceleration of evolution. However, the mathematical method presented in [11] does not allow for any quantitative analysis of this phenomenon. Numerical experiments were conducted by the author of this paper in order to confirm the theoretical results obtained before. The simulation results of impact of learning on the evolution rate are shown in Figs. 1- 5. It can be noted that the deceleration of evolution, especially in the case of lower number of evolutionary algorithm generations, is relatively large. The impact of mutation intensity on the evolution rate was also examined. It was shown that increase in the mutation intensity accelerates the evolution significantly. The paper is organised as follows: Section 1 is the introduction, Section 2 presents the outline of the mathematical method based on gain function analysis, Section 3 discusses the results of numerical simulations, Section 4 gives the concluding remarks..
    Źródło:
    Pomiary Automatyka Kontrola; 2010, R. 56, nr 5, 5; 475-478
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Sterowanie pracą hydroelektrowni z wykorzystaniem algorytmu ewolucyjnego
    Controlling a hydropower plant with use of evolutionary algorithm
    Autorzy:
    Gajer, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/151237.pdf
    Data publikacji:
    2011
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    systemy ewolucyjne
    systemy elektroenergetyczne
    hydroelektrownie
    optymalizacja
    evolutionary systems
    energetic systems
    hydropower plants
    optimization
    Opis:
    W artykule rozważono możliwość wykorzystania techniki obliczeniowej opartej na zastosowaniu algorytmów ewolucyjnych w celu optymalizacji pracy elektrowni wodnej. Założono, że rozważana elektrownia wodna, oprócz stałego dopływu wody z rzeki, dodatkowo wyposażona jest również w człony pompowe, za pomocą których można w okresie niskiego zapotrzebowania na energię elektryczną tłoczyć wodę ze zbiornika retencyjnego do zbiornika głównego elektrowni, gromadząc w ten sposób energię potencjalną mas wodnych, którą można następnie wykorzystać do produkcji energii elektrycznej w okresie występowania szczytu zapotrzebowania, czyli wtedy, gdy koszty wytworzenia energii w klasycznych elektrowniach cieplnych są relatywnie najwyższe. Przedstawione w artykule wyniki symulacji komputerowych wskazują, że algorytmy ewolucyjne można z powodzeniem wykorzystać do realizacji rozważanego zagadnienia optymalizacyjnego, dzięki czemu są w stanie zagwarantować odpowiednio niskie dobowe koszty produkcji energii elektrycznej przy jednoczesnym spełnieniu wszelkich koniecznych ograniczeń nałożonych na pracę systemu elektroenergetycznego. Dodatkowo gwarantują one zbilansowanie zbiornika elektrowni wodnej w dobowym przedziale czasowym.
    The paper discusses implementation of a computational technique based on evolutionary algorithms for the purpose of optimisation of hydropower plant work. There is assumed that a hydropower plant is situated on a river that delivers water into a reservoir. The hydropower plant is additionally equipped with pumping units by means of which the water can be stored in the main reservoir during the periods of low power demand. In the next stage, the potential energy of the pumped water can be converted again into electrical energy during the periods of high power demand. The fitness function for the evolutionary algorithm is defined by the equation (5) and it takes into account the cost of burnt fuel, the balance of power in the energetic system, and the balance of water in the reservoir. The paper is divided into four sections. Section 1 is short introduction to the problems of energetic system optimisation. Section 2 describes in detail the energetic system to be optimised. The system is composed of one large thermal power unit and one hydropower plant with pumping units. The changes of power demand in the energetic system are presented in Table 1; Table 2 provides the parameters of the thermal unit. In Section 3 there are given the results of numerical experiments obtained by use of the evolutionary algorithm. Figure 1 shows the plot of power changes of the thermal unit. It can be noted that the thermal unit power for most time is as low as possible, which guarantees low cost of burnt fuel. The thermal unit power grows only during the period of high power demand in order to fulfill the balance of power in the energetic system. Figure 2 is a diagram illustrating the mode of the hydropower plant operation. It can be noted that the hydropower plant operates in the pumping mode only during the hours of the lowest power demand. The results of computer simulations presented in the paper show that evolutionary algorithms can be effectively used for solving the optimisation task for energetic systems. Moreover, evolutionary algorithms can guarantee low cost of pro-duction of electrical energy, when simultaneously meeting all the constraints connected with necessity of balancing the power in the energetic system and balancing the amount of water in the hydropower plant reservoir.
    Źródło:
    Pomiary Automatyka Kontrola; 2011, R. 57, nr 2, 2; 193-196
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Optymalizacja systemów elektroenergetycznych z zastosowaniem obliczeń ewolucyjnych
    Optimization of electrical energetic systems with the use of evolutionary computations
    Autorzy:
    Gajer, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/276458.pdf
    Data publikacji:
    2013
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    systemy elektroenergetyczne
    optymalizacja wielokryterialna
    obliczenia ewolucyjne
    electrical energetic systems
    multi-objective optimization
    evolutionary computations
    Opis:
    Tematyka artykułu dotyczy zagadnień związanych z optymalizacją pracy urządzeń wchodzących w skład systemu elektroenergetycznego. W artykule optymalizacja sposobu pracy urządzeń systemu elektroenergetycznego została potraktowana jako optymalizacja wielokryterialna. Głównymi kryteriami branymi pod uwagę podczas poszukiwania rozwiązania są przede wszystkim koszt produkcji energii elektrycznej w rozpatrywanym horyzoncie czasowym oraz całkowita moc termicznych strat przesyłowych powstających w liniach wysokich napięć. Ponadto moc w systemie elektroenergetycznym powinna być zbilansowana, co stanowi kolejne kryterium oceny jakości uzyskiwanych rozwiązań. W celu rozwiązania rozpatrywanego w artykule zagadnienia optymalizacyjnego zaproponowano wykorzystanie techniki obliczeń ewolucyjnych.
    The topic of the paper is about the optimization of the mode of work of electrical energetic systems. This kind of optimization is considered as multi-objective optimization. The main criteria that are taken under account are the amount of fuel burnt in energetic blocks in the time unit and total thermal losses in power transmission lines. In the paper in order to solve such multi-objective optimization problem the computational technique base on the use of evolutionary algorithms was implemented.
    Źródło:
    Pomiary Automatyka Robotyka; 2013, 17, 2; 345-350
    1427-9126
    Pojawia się w:
    Pomiary Automatyka Robotyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Decelerating the rate of evolution with constant learning
    Spowalnianie tempa ewolucji z wykorzystaniem uczenia stałego
    Autorzy:
    Gajer, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/275811.pdf
    Data publikacji:
    2012
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    systemy ewolucyjne
    proces uczenia się
    uczenie stałe
    efekt Baldwina
    evolutionary systems
    learning process
    constant learning
    Baldwin effect
    Opis:
    Evolution and learning are two main processes that are considered in the case of artificial intelligence and artificial life systems. These two processes can interact with each other, which is called the Baldwin effect. Especially, the introduction of learning process into an evolutionary system can cause acceleration or deceleration of the rate of evolution both in the case of artificial and natural evolutionary systems. However, there is still a lack of a solid mathematical theory that could thoroughly explain the phenomena concerned with the impact of learning on the rate of evolution. In the case of constant learning, that is a process during which individuals are moved a constant value toward the optimum, it was proved that if the second derivative of the logarithm of the fitness function is negative, the rate of the evolution should be slowed down as a result of the introduction of constant learning. In the paper we assume an evolutionary system with the asymptotic fitness function for which the theory states that the introduction of constant learning should lead to deceleration of the rate of evolution. The results of numerous computer simulations confirmed the theory and demonstrated that the deceleration of the rate of the evolution is significant. Moreover, the impact of the intensity of mutation on the degree of deceleration of the rate of evolution could also be observed.
    Ewolucja i uczenie się są dwoma głównymi procesami rozpatrywanymi w kontekście systemów sztucznej inteligencji i systemów sztucznego życia. Oba wymienione procesy mogą wchodzić we wzajemną interakcję, co bywa określane mianem efektu Baldwina. W szczególności wprowadzenie procesu uczenia do systemu ewolucyjnego może powodować przyspieszenie bądź spowolnienie tempa ewolucji zarówno w przypadku sztucznych, jak i naturalnych systemów ewolucyjnych. Obecnie wciąż odczuwany jest brak solidnej teorii matematycznej, która byłaby w stanie wyjaśnić w pełni zjawiska związane z wpływem procesu uczenia na tempo przebiegu ewolucji. W przypadku tzw. uczenia stałego, które polega na systematycznym przesuwaniu o stałą wartość genotypu osobnika w kierunku poszukiwanego optimum, udowodniono, że jeżeli druga pochodna logarytmu funkcji dopasowania jest ujemna, wówczas tempo przebiegu ewolucji powinno ulec spowolnieniu w wyniku wprowadzenia do systemu ewolucyjnego uczenia stałego. W artykule rozważono system ewolucyjny z asymptotyczną funkcją dopasowania, w przypadku którego zgodnie z teorią wprowadzenie uczenia stałego powinno wywołać spowolnienie tempa przebiegu ewolucji. Liczne wyniki symulacji komputerowych potwierdzają przewidywania teorii i pokazują, że spowolnienie tempa ewolucji jest istotne. Ponadto można zaobserwować dodatkowy wpływ częstotliwości mutacji na spowolnienie tempa ewolucji.
    Źródło:
    Pomiary Automatyka Robotyka; 2012, 16, 11; 50-53
    1427-9126
    Pojawia się w:
    Pomiary Automatyka Robotyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The implementation of the evolutionary algorithm for optimization of power flow in the high-voltage transmission lines
    Zastosowanie algorytmu ewolucyjnego w celu minimalizacji mocy strat przesyłowych w liniach wysokich napięć
    Autorzy:
    Gajer, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/274815.pdf
    Data publikacji:
    2012
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    systemy elektroenergetyczne
    optymalizacja rozpływu mocy w liniach wysokich napięć
    minimalizacja mocy strat przesyłowych
    algorytmy ewolucyjne
    electro-energetic systems
    optimization of the power flow in high-voltage transmission lines
    minimizing the power of transmission losses
    evolutionary algorithms
    Opis:
    The paper discusses the possibility of using a computational technique based on evolutionary algorithms in the domain of electro-energetic systems. The purpose of the evolutionary algorithm is to calculate the optimal power flow in highvoltage transmission lines, so as to keep the power of transmission losses as low as possible. The effectiveness of the computational technique based on the evolutionary algorithm is tested by using the example of a hypothetical electro-energetic system, which is composed of several high-voltage lines that operate at different voltage levels. The aim of the evolutionary algorithm is to chose the values of active power that should be transmitted by each high-voltage line in order to minimize the power of transmission losses. The evolutionary algorithm implements the coding system of feasible solutions, which is based directly on real numbers. The only genetic operation that was used during the realization of the evolutionary algorithm was the operation of mutation. Moreover, for the purpose of evaluation of obtained solutions a special form of the fitness function based on penalty factors was constructed, which allowed the evolutionary algorithm to find solutions with the minimal values of transmission losses.
    W artykule rozważono możliwości wykorzystania techniki obliczeniowej opartej na algorytmach ewolucyjnych w obszarze elektroenergetyki. Zadaniem algorytmu ewolucyjnego było wyznaczenie optymalnego rozpływu mocy w elektroenergetycznych liniach przesyłowych pod kątem minimalizacji termicznych strat przesyłowych. Efektywność technik obliczeniowych opartych na algorytmach ewolucyjnych została przetestowana na przykładzie hipotetycznego systemu elektroenergetycznego złożonego z kilku linii przesyłowych pracujących na różnych poziomach napięć. Zadaniem algorytmu ewolucyjnego było dobranie wartości mocy czynnych, które miały być przesyłane przez każdą z linii, pod kątem minimalizacji mocy strat przesyłowych. W przypadku rozważanego algorytmu ewolucyjnego zastosowano system kodowania oparty bezpośrednio na liczbach rzeczywistych. Jedynym operatorem genetycznym, który został wykorzystany, był operator mutacji. Ponadto na potrzeby dokonywania skutecznej oceny jakości poszczególnych rozwiązań opracowana została specjalna postać funkcji dopasowania zawierająca czynnik kary, co pozwoliło algorytmowi ewolucyjnemu na znajdowanie rozwiązań charakteryzujących się minimalnymi wartościami mocy strat przesyłowych.
    Źródło:
    Pomiary Automatyka Robotyka; 2012, 16, 9; 70-73
    1427-9126
    Pojawia się w:
    Pomiary Automatyka Robotyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-6 z 6

      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