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 1-9 z 9
    Tytuł:
    Algorytmy genetyczne w problemach optymalizacji
    Genetic algorithms in optimization problems
    Autorzy:
    Rutczyńska-Wdowiak, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/250078.pdf
    Data publikacji:
    2015
    Wydawca:
    Instytut Naukowo-Wydawniczy TTS
    Tematy:
    algorytm genetyczny
    optymalizacja
    funkcja Goldsteina-Price'a
    genetic algorithm
    optimization
    Goldstein-Price function
    Opis:
    W pracy analizowano skuteczność i uniwersalność stosowania algorytmów genetycznych w wybranych zagadnieniach optymalizacji. Zaimplementowano algorytm genetyczny dla problemu minimalizacji złożonych, trudnych do optymalizacji funkcji Goldsteina-Price'a i funkcji grzbietu wielbłąda sześciogarbnego. Próbowano odpowiedzieć na pytanie, gdzie można stosować omawianą metodę sztucznej inteligencji, a gdzie lepiej zastosować metody klasyczne.
    In this work the efficiency and universality of the use of genetic algorithms in selected issues of optimization was analyzed. Genetic algorithm for minimization of Goldstein-Price's function and function of back of camel was implemented. In this work was attempted to answer the question, where can apply this method of artificial intelligence, and where better to use classical methods.
    Źródło:
    TTS Technika Transportu Szynowego; 2015, 12; 1324-1326, CD
    1232-3829
    2543-5728
    Pojawia się w:
    TTS Technika Transportu Szynowego
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Dobór i optymalizacja konfiguracji zasobnika trakcyjnego
    Selection and optimization of the traction storage reservoir configuration
    Autorzy:
    Wieczorek, Maciiej
    Lewandowski, Mirosław
    Powiązania:
    https://bibliotekanauki.pl/articles/34602362.pdf
    Data publikacji:
    2015
    Wydawca:
    Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
    Tematy:
    konfiguracja
    optymalizacja
    dobór
    zasobnik trakcyjny
    HESS
    algorytm genetyczny
    configuration
    optimization
    selection
    traction storage
    genetic algorithm
    Opis:
    W artykule przedstawiono algorytm doboru magazynów energii elektrycznej. Wybór HESS pozwala na spełnienie warunków obciążenia w sposób optymalny. Jednak ustalenie konfiguracji urządzeń w systemie staje się bardzo złożonym zagadnieniem optymalizacyjnym. Przedstawiono propozycje rozwiązania tego problemu z zastosowaniem algorytmu genetycznego.
    The article presents an algorithm for selection of storages for electric energy. The choice of HESS allows to meet the load conditions in an optimal way. However, determination of the devices configuration in the system becomes very complex optimization problem. Proposals to solve this problem with the use of a genetic algorithm.
    Źródło:
    Rail Vehicles/Pojazdy Szynowe; 2015, 4; 55-57
    0138-0370
    2719-9630
    Pojawia się w:
    Rail Vehicles/Pojazdy Szynowe
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Optymalizacja ustawienia paneli PV z wykorzystaniem symulacji - „ClimateStudio” by Solemma
    PV panel settings using simulation optimization - Climat Studio by Solemma
    Autorzy:
    Sitek, Michał
    Powiązania:
    https://bibliotekanauki.pl/articles/2064148.pdf
    Data publikacji:
    2022
    Wydawca:
    PWB MEDIA Zdziebłowski
    Tematy:
    fotowoltaika
    symulacja
    optymalizacja
    algorytm genetyczny
    budynek jednorodzinny
    photovoltaics
    simulation
    optimization
    genetic algorithm
    one-family building
    Opis:
    Artykuł to studium przypadku doboru instalacji PV dla domu jednorodzinnego oraz optymalizacji położenia paneli na dachu płaskim z wykorzystaniem narzędzi projektowania generatywnego i optymalizacji genetycznej. Celem przeprowadzonych symulacji było wykazanie przydatności wybranego narzędzia do analiz zmiennych projektowanego systemu w relacji do zapotrzebowania na energię zdefiniowanego przez obecność i aktywności użytkowników obiektu.
    This paper describes a case study of the selection of a PV installation for a single-family house and its configuration on a flat roof, using generative design and genetic optimisation tools. The purpose of the simulations carried out was to demonstrate the suitability of the chosen tool for the analysis of the variables of the designed system in relation to the energy demand defined by the presence and activity of the users of the facility.
    Źródło:
    Builder; 2022, 26, 3; 74--78
    1896-0642
    Pojawia się w:
    Builder
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie metod programowania genetycznego w procesie maksymalizacji wydobycia węglowodorów przy zastosowaniu symulatora złożowego
    Application of Genetic Programming Methods for the Optimization of Hydrocarbon Production by using a Reservoir Simulator
    Autorzy:
    Łętkowski, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/1835296.pdf
    Data publikacji:
    2017
    Wydawca:
    Instytut Nafty i Gazu - Państwowy Instytut Badawczy
    Tematy:
    algorytmy genetyczne
    programowanie genetyczne
    optymalizacja wydobycia
    symulacje złożowe
    genetic algorithm
    geneting programming
    production optimization
    filed simulations
    Opis:
    Artykuł poświęcono zastosowaniu metody programowania genetycznego dla celów optymalizacji wydobycia ropy naftowej na przykładzie testowego złoża węglowodorowego. Prezentowane zagadnienie optymalizacyjne jest prostym przykładem problemu optymalnej kontroli i polega na doborze wydajności wydobycia ropy naftowej w przyjętych przedziałach czasowych w taki sposób, aby w zadanym całkowitym czasie eksploatacji uzyskać maksymalne wydobycie sumaryczne przy minimalnym wydobyciu wody. Problem rozwiązano przy zastosowaniu algorytmu genetycznego, kodującego dozwolone wartości wydajności wydobycia z listy wartości dozwolonych. Z jednej strony działanie takie jest charakterystyczne dla metod programowania genetycznego, zaś z drugiej redukuje istotnie przestrzeń rozwiązań. W artykule zastosowano algorytm genetyczny Hollanda, dla którego zaimplementowano krzyżowanie wielopunktowe oraz adaptację prawdopodobieństw krzyżowania i mutacji na podstawie tzw. współczynnika zróżnicowania populacji. Działanie tak zdefiniowanego mechanizmu adaptacji jest następujące: jeżeli zróżnicowanie populacji rośnie, liniowo zwiększane jest prawdopodobieństwo krzyżowania, a zmniejszane prawdopodobieństwo mutacji; w przeciwnym wypadku (zróżnicowanie populacji maleje) działa mechanizm odwrotny, tzn. zmniejsza się prawdopodobieństwo krzyżowania, a zwiększa prawdopodobieństwo mutacji. Taka metoda z jednej strony gwarantuje różnorodność populacji, z drugiej zaś zapewnia dobrą eksploatację przestrzeni rozwiązań. Przeprowadzono szereg testów mających na celu zweryfikowanie efektywności algorytmu w zależności od liczby punktów krzyżowania (krzyżowanie 1-, 2-, 3-punktowe) oraz długości chromosomu. Wykonane testy wskazują na zadowalającą zbieżność algorytmu, niezależnie od wartości badanych parametrów. Przyjęcie funkcji w określonej postaci spowodowało premiowanie przez algorytm niższych wartości wydobycia, co wynika z nieliniowego przyrostu wydobycia wody dla wyższych wartości wydobycia ropy naftowej.
    The paper addresses the problem of oil production optimization by genetic programming methods. The specific example of the problem presented in the paper belongs to the class of, so called, optimal control problems. It consists in finding the time variable rates of oil production that result in the maximum of the total oil production while keeping the total water production at a minimum available level. The problem is solved by a genetic algorithm, that assumes the production rates from the list of the allowable values. This approach typical for genetic programming methods significantly reduces the space of possible solutions. The article uses the Holland genetic algorithm for which multi-point crossing has been implemented and the adaptation of crossing and mutation probabilities based on so the called coefficient of population variability. The adaptive mechanism makes the crossing probability increase and mutation probability decrease for population variability increasing with time, while the crossing probability decrease and mutation probability increase for the variability decreasing with time. This mechanism guarantees the population variability to be at on appropriate level and at the same time, the extrapolation process for the solution space to be effective. Several tests were performed to verify the actual effectiveness of the algorithm for various number of crossing points (1, 2, 3 – crossing points) and chromosome length. Their results show a satisfactory convergence of the method to the final solution independent of the varying parameters values. Adopting a function in a specific form resulted in an algorithm for lower mining values, resulting from a nonlinear increase in water extraction for higher oil production values.
    Źródło:
    Nafta-Gaz; 2017, 73, 10; 760-767
    0867-8871
    Pojawia się w:
    Nafta-Gaz
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Numeryczna optymalizacja profili śmigłowcowych oparta na algorytmie genetycznym z uwzględnieniem kryteriów bazujących na niestacjonarnych charakterystykach aerodynamicznych
    Numerical optimization rotorcraft blade airfoils based on genetic algorithm and unstedy aerodynamic criteria
    Autorzy:
    Stalewski, W.
    Powiązania:
    https://bibliotekanauki.pl/articles/212749.pdf
    Data publikacji:
    2006
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Lotnictwa
    Tematy:
    numeryczna optymalizacja profili śmigłowców
    algorytm genetyczny
    niestacjonarne charakterystyki aerodynamiczne
    numerical optimization of rotorcraft blade
    genetic algorithm
    areodynamic criteria
    Opis:
    W pracy przedstawiono metodę numerycznej optymalizacji profili lotniczych, ze szczególnym uwzględnieniem profili łopat wirnika nośnego śmigłowca. Metoda bazuje na algorytmie genetycznym. Optymalizacja realizowana jest poprzez symulację procesów ewolucji gatunków regulowanych prawami doboru naturalnego. Wielokryterialny algorytm genetyczny adaptowano na przypadek optymalizacji profili lotniczych. Opracowano wyspecjalizowany generator kształtu profili a także metodę analizy niestacjonarnego, transonicznego opływu profilu z uwzględnieniem silnego oddziaływania niestacjonarnej warstwy przyściennej. W oparciu o opracowane moduły obliczeniowe powstał pakiet oprogramowania OGA pozwalający rozwiązywać szeroką klasę zagadnień z zakresu wielokryterialnej optymalizacji profili śmigłowcowych. Przedstawiono wyniki obliczeń testowych wykonanych za pomocą opracowanego pakietu.
    The optimization methodology of rotorcraft airfoils was presented. The methodology is based on the multi-objectiye genetic algorithm, where the process of optimization imitates the real processes of natural selection and heredity observed in lively nature. Basing on the worked out methodology the optimization software package was developed. This package enables a computational design of airfoils, which have the best aerodynamic properties with regard to given criteria. The multi-objective optimization with additional aerodynamic and geometrie constraints was applied. The specialized airfoil shape parameterization was worked out to get the wide class of airfoil geometry. The optimization criteria are directed to reąuirements and flow conditions specific to rotorcraft airfoils. In particular, the criteria are evaluated basing on unsteady aerodynamic characteristics that correspond to unsteady flow around rotor blades of rotorcraft in flight. The method of calculation of the unsteady, transonic flow with unsteady boundary layer analysis was developed. The method is used to evaluate both unsteady and steady aerodynamic objectives and constraints. Additionally, the several external codes were included inthe package, to get the wide possibilities of steady aerodynamic criteria formulation. The thorough verification of presented optimization software package was performed. The results confirmed the proper work of the package as well as its wide possibilities of use as the tool supporting the aerodynamic design.
    Źródło:
    Prace Instytutu Lotnictwa; 2006, 1-2 (184-185); 54-64
    0509-6669
    2300-5408
    Pojawia się w:
    Prace Instytutu Lotnictwa
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Optymalizacja kratownicy z zastosowaniem algorytmu genetycznego
    Optimization of truss using genetic algorithm
    Autorzy:
    Grzywiński, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/2065529.pdf
    Data publikacji:
    2018
    Wydawca:
    Politechnika Częstochowska
    Tematy:
    algorytm genetyczny
    optymalizacja przekroju
    zmienne dyskretne
    minimum masy
    emisja CO2
    genetic algorithm
    size optimization
    discrete variables
    mass minimum
    Opis:
    W artykule zaproponowano algorytm genetyczny do rozwiązania problemu minimalizacji masy płaskiej kratownicy, biorąc pod uwagę zmienność pola przekroju. Minimalna masa konstrukcji stalowej to też niska emisja CO2. Konstrukcja jest zoptymalizowana za pomocą wydajnego algorytmu zwanego Teaching Learning Based Optimization. Proces TLBO jest podzielony na dwie części: pierwsza składa się z "fazy nauczyciela", a druga składa się z "fazy ucznia". Obliczenia wykonywane są z pomocą programu metody elementów skończonych zakodowanym w MATLAB-ie.
    The article proposes a genetic algorithm for solving the problem of minimizing the mass of a plane truss, taking into account the variability of the cross-sectional area. The minimum mass of the steel structure is also low CO2 emission. The design is optimized using an efficient algorithm called Teaching Learning Based Optimization. The TLBO process is divided into two parts: the first consists of the "teacher phase" and the second consists of the "student phase". The calculations are performed with the help of the finite element method program coded in MATLAB.
    Źródło:
    Budownictwo o Zoptymalizowanym Potencjale Energetycznym; 2018, 7, 2; 117--122
    2299-8535
    2544-963X
    Pojawia się w:
    Budownictwo o Zoptymalizowanym Potencjale Energetycznym
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Badanie i analiza algorytmów rojowych w optymalizacji parametrów regulatora kursu statku
    Study and analysis of swarm intelligence in optimizing parameters of the ship course controller
    Autorzy:
    Tomera, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/266857.pdf
    Data publikacji:
    2015
    Wydawca:
    Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
    Tematy:
    algorytmy rojowe
    algorytm genetyczny
    optymalizacja stochastyczna
    regulator PID
    sterowanie statkiem
    swarm intelligence
    genetic algorithm
    random optimization
    PID controller
    ship control
    Opis:
    W pracy przedstawione zostały badania i analiza zastosowania wybranych algorytmów rojowych do optymalizacji parametrów regulatora PID w układzie sterowania statkiem na kursie. Optymalizacja ta polegała na minimalizacji czasowego wskaźnika jakości wyznaczanego na podstawie odpowiedzi skokowej. Do optymalizacji parametrów regulatora kursu statku wykorzystane zostały algorytmy rojowe, takie jak: algorytm mrówkowy, zmodyfikowany algorytm mrówkowy, algorytm sztucznej kolonii pszczół oraz algorytm optymalizacji rojem cząstek. Przeprowadzone zostały badania szybkości znajdowania optymalnego rozwiązania i wykonana została analiza porównawcza uzyskanych wyników. Zaprezentowane wyniki badań pozwalają stwierdzić, że algorytm optymalizacji rojem cząstek charakteryzuje się najlepszą jakością optymalizacji parametrów regulatora kursu statku.
    The paper presents the research and analysis of the use of certain swarm intelligence algorithms to optimize the parameters of PID control in a ship on the course. This optimization was to minimize the performance quality index based on step response of the mathematical model of control system. To optimize the parameters of the ship course controller have been used swarm intelligence algorithms, such as: ant colony algorithm (ACO), the modified ant colony algorithm (MACO), the artificial bee colony algorithm (ABC) and the particle swarm optimization algorithm (PSO). Rate tests were conducted to find the optimal solution and a comparative analysis of the results was made. The presented results of research allow us to conclude that the particle swarm optimization (PSO) algorithm has the best quality of optimizing the control parameters of the course controller.
    Źródło:
    Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2015, 46; 103-106
    1425-5766
    2353-1290
    Pojawia się w:
    Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie i porównanie algorytmów metaheurystycznych i optymalizacyjnych w rekonstrukcji konduktancji siatek rezystorów
    Applcation and comparasion of metaheuristic and optimization algorithms for reconstruction of conductances in resistive grids
    Autorzy:
    Zegarmistrz, P.
    Galias, Z.
    Powiązania:
    https://bibliotekanauki.pl/articles/408046.pdf
    Data publikacji:
    2012
    Wydawca:
    Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
    Tematy:
    siatka rezystorów
    algorytm rekonstrukcji
    tomografia rezystancyjna
    wyżarzanie symulowane
    algorytmy genetyczne
    metody optymalizacyjne
    resistive grid
    reconstruction algorithm
    resistance tomography
    simulated annealing
    genetic algorithms
    optimization methods
    Opis:
    W pracy przedstawiono wyniki analizy algorytmów rekonstrukcji konduktancji prostokątnych siatek rezystorów na podstawie pomiarów brzegowych. Opracowano i zaimplementowano algorytmy rekonstrukcji bazujące na metodach metaheurystcznych (symulowane wyżarzanie, algorytmy genetyczne) oraz optymalizacyjnych. Zaproponowane algorytmy porównano pod względem stabilności numerycznej oraz poprawności uzyskiwanych wyników. Przedstawiono ograniczenia istniejących algorytmów oraz zaproponowano usprawnienia.
    The problem of reconstruction of conductances in rectangular resistive grids from boundary measurements is studied. Several reconstruction algorithms based on metaheuristics (simulated annealing, genetic algorithms) and optimization methods are compared in terms of numerical stability and accuracy of the results. Limitations of the algorithms are discussed and several improvements are proposed.
    Źródło:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2012, 3; 19-24
    2083-0157
    2391-6761
    Pojawia się w:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie metod sztucznej inteligencji w energetyce
    The applications of artificial intelligence techniques in energy systems
    Autorzy:
    Ściążko, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/276892.pdf
    Data publikacji:
    2011
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    energetyka
    sztuczna inteligencja
    sieci neuronowe
    algorytmy genetyczne
    modelowanie
    optymalizacja
    odnawialne źródła energii
    energy science
    artificial intelligence
    neural network
    genetic algorithm
    modeling
    optimization
    renewable energy
    Opis:
    Artykuł prezentuje możliwości wykorzystania metod sztucznej inteligencji w energetyce. Zastosowania te można podzielić na trzy grupy: modelowanie, przewidywanie i planowanie (optymalizacja) oraz kontrola procesów. W artykule pokazano typowe przykłady użycia sztucznej inteligencji, charakterystyczne dla każdej z grup. Przedstawiono także możliwe przyszłe wykorzystania tego typu metodologii, w szczególności w inteligentnych systemach elektroenergetycznych - Smart Grid. Druga część artykułu przedstawia i omawia przykład wykorzystania sztucznej inteligencji w modelowaniu systemu elektroenergetycznego, złożonego z następujących elementów: elektrociepłownia geotermalna, źródło geotermalne, miejska sieć ciepłownicza oraz zakład przemysłowy. Zadanie polegało na przygotowaniu modelu komputerowego rozważanego systemu oraz wielokryte-rialnej optymalizacji problemu. Jakość każdego z rozwiązań była oceniana na podstawie dwóch różnych funkcji dopasowania: obliczonej wartości kosztów inwestycyjnych oraz sprawności egzergetycznej systemu. Pokazano w jaki sposób można wykorzystać genetyczny algorytm optymalizacji wielokryterialnej oraz modelowanie zastępcze z wykorzystaniem sztucznej sieci neuronowej do analizy zadanego problemu. Rezultaty optymalizacji zostały zobrazowane na diagramie Pareto, na ich podstawie pokazano kilka typów możliwych rozwiązań projektowych (niewielkie koszty inwestycyjne i niska sprawność, wysokie koszty inwestycyjne ale wysoka sprawność oraz rozwiązanie pośrednie). Dla modelu zastępczego określono jego dokładność oraz dopasowanie do oczekiwanych rezultatów.
    Paper presents possible applications of artificial intelligence techniques in the energy science problems. Those applications can be divided into three groups: modeling, predictions and planning (optimization) and process control. Article shows typical examples of use artificial intelligence in each group. Moreover there are presented the future possibilities of application, for example in Smart Grid's problems. Second part of the article introduces the case study of using artificial intelligence techniques in real life problem of analysis of complicated energy system. Its main elements are geothermal power plant, district heating system, industrial plant and electrical grid. The task was to model the system and run the multi criteria optimization. The quality of each solution was graded by the different objective functions: investment cost and energy efficiency. The paper presents multi criteria genetic optimization algorithm and neural network surrogate modeling for given problem. The optimization's results can be found in the Pareto diagram - they show different possible solutions (with low investment cost and low efficiency, with high cost and high efficiency or with mediumvalues). The quality of surrogate model is presented on the regression graph for neural network.
    Źródło:
    Pomiary Automatyka Robotyka; 2011, 15, 7-8; 53-59
    1427-9126
    Pojawia się w:
    Pomiary Automatyka Robotyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-9 z 9

      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