Informacja

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

Wyszukujesz frazę "Robust optimization" wg kryterium: Wszystkie pola


Tytuł:
Robust and reliability-based design optimization of steel beams
Optymalizacja odpornościowa i niezawodnościowa stalowych belek
Autorzy:
Zabojszcza, Paweł
Radoń, Urszula
Tauzowski, Piotr
Powiązania:
https://bibliotekanauki.pl/articles/27322971.pdf
Data publikacji:
2023
Wydawca:
Polska Akademia Nauk. Czasopisma i Monografie PAN
Opis:
In line with the principles of modern design a building structure should not only be safe but also optimized. In deterministic optimization, the uncertainties of the structures are not explicitly taken into account. Traditionally, uncertainties of the structural system (i.e. material parameters, loads, dimensions of the cross-sections) are considered by means of partial safety factors specified in design codes. Worth noticing, that optimal structures are sensitive to randomness design parameters and deterministic optimal solutions may lead to reduced reliability levels. It therefore seems natural to extend the formulation of deterministic optimization with the random scatter of parameter values. Such a formulation is offered by robust optimization and reliability-based design optimization. The applicability of RBDO is strongly dependent on the availability of the joint probability density function. A formulation of non-deterministic optimization that better adapts to the design realities is robust optimization. Unlike RBDO optimization, this formulation does not require estimation of failure probabilities. In the paper using the examples of steel beams, the authors compare the strengths and weaknesses of both formulations.
Analiza wpływu, jaki na modelowane zjawisko ma losowy charakter opisujących je parametrów jest niezwykle istotna w procesie optymalnego projektowania. Rozwiązania, które spełniają swoją funkcję dla nominalnych wartości parametrów mogą okazać się nie do zaakceptowania po uwzględnieniu losowych imperfekcji. Imperfekcje te mogą dotyczyć nieuniknionego rozrzutu parametrów materiałowych, wymiarów, oddziaływań zewnętrznych. W analizowanej pracy zmienność parametrów materiałowych opisuje moduł Younga E ze współczynnikiem zmienności równym 3%. Rozrzut wymiarów geometrycznych przekroju poprzecznego opisują zmienne D, d ze współczynnikiem zmienności 2%. Oddziaływanie zewnętrzne definiuje obciążenie równomiernie rozłożone Q o współczynniku zmienności równym 2%. Rezultaty optymalizacji deterministycznej, przy zachowaniu zdefiniowanych wcześniej współczynników zmienności, okazały się całkowicie nieprzydatnymi. Prawdopodobieństwa awarii obliczone dla stanu granicznego nośności i stanu granicznego użytkowania są bardzo wysokie. Dążąc do znalezienia rozwiązania niewrażliwego na trudne do kontrolowania imperfekcje parametrów modelu lub oddziaływań zewnętrznych mamy do dyspozycji dwie opcje. Pierwsza z nich to optymalizacja typu robust. Druga to optymalizacja oparta na niezawodności tzw. RBDO. Jeżeli zagwarantowanie wysokiego poziomu bezpieczeństwa jest najważniejszym wymaganiem stawianym projektowanej konstrukcji warto wybrać RBDO. W ramach RBDO, ograniczenia projektowe formułowane są za pomocą prawdopodobieństw awarii. Możliwość zastosowania RBDO jest silnie uwarunkowana dostępnością łącznej funkcji gęstości prawdopodobieństwa. Od precyzyjnego modelu stochastycznego zależy wiarygodność szacowanych wartości prawdopodobieństwa awarii. Sformułowaniem optymalizacji niedeterministycznej, które lepiej dopasowuje się do realiów projektowych jest optymalizacja typu robust. Celem optymalizacji odpornościowej powinna być jednoczesna minimalizacja wartości średniej oraz odchylenia standardowego funkcji celu. W odróżnieniu od optymalizacji RBDO, sformułowanie to nie wymaga szacowania prawdopodobieństw awarii. Losowy charakter odpowiedzi konstrukcji uwzględniany jest poprzez definicje funkcji celu i ograniczeń, zawierających wartości średnie oraz wariancje. Złożoność obliczeniowa tego podejścia wiąże się z użyciem efektywnych metod szacowania momentów statystycznych. W pracy do obliczeń RBDO wykorzystano moduł Costrel środowiska obliczeniowego Strurel. W module Costrel obliczenia realizowane są zgodnie z ideą metod jednopoziomowych. Celem tych metod jest wyeliminowanie wewnętrznej pętli związanej z analizą niezawodności poprzez rozszerzenie zbioru zmiennych decyzyjnych oraz zastąpienie ograniczeń niezawodnościowych poprzez kryteria optymalności zadań poszukiwania punktów projektowych. Obliczenia związane z „robust” optymalizacją wykonano za pomocą oprogramowania Numpress Explore. Odpowiednia aproksymacja funkcji celu i ograniczeń ma kluczowe znaczenie dla efektywności oraz zbieżności przeprowadzanych analiz. W pracy wykorzystano metodę krigingu w wersji aproksymacyjnej wraz z planem eksperymentu opartym na koncepcji optymalnej łacińskiej hiperkostki.
Źródło:
Archives of Civil Engineering; 2023, 69, 4; 125--140
1230-2945
Pojawia się w:
Archives of Civil Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Control of perishable inventory system with uncertain perishability process using neural networks and robust multicriteria optimization
Autorzy:
Chołodowicz, Ewelina
Orłowski, Przemysław
Powiązania:
https://bibliotekanauki.pl/articles/2173677.pdf
Data publikacji:
2022
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
multiple objective programming
optimal control
genetic algorithm
perishable inventories
inventory control
programowanie wielokryterialne
optymalna kontrola
algorytm genetyczny
produkt szybko psujący się
kontrola zapasów
Opis:
The inventory systems are highly variable and uncertain due to market demand instability, increased environmental impact, and perishability processes. The reduction of waste and minimization of holding and shortage costs are the main topics studied within the inventory management area. The main difficulty is the variability of perishability and other processes that occurred in inventory systems and the solution for a trade-off between sufficient inventory level and waste of products. In this paper, the approach for resolving this trade-off is proposed. The presented approach assumes the application of a state-feedback neural network controller to generate the optimal quantity of orders considering an uncertain deterioration process and the FIFO issuing policy. The development of the control system is based on state-space close loop control along with neural networks. For modelling the perishability process Weibull distribution and FIFO policy are applied. For the optimization of the designed control system, the evolutionary NSGA-II algorithm is used. The robustness of the proposed approach is provided using the minimax decision rule. The worst-case scenario of an uncertain perishability process is considered. For assessing the proposed approach, simulation research is conducted for different variants of controller structure and model parameters. We perform extensive numerical simulations in which the assessment process of obtained solutions is conducted using hyper volume indicator and average absolute deviation between results obtained for the learning and testing set. The results indicate that the proposed approach can significantly improve the performance of the perishable inventory system and provides robustness for the uncertain changes in the perishability process.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2022, 70, 3; art. no. e141182
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Necessary optimality conditions for robust nonsmooth multiobjective optimization problems
Autorzy:
Gadhi, Nazih Abderrazzak
Ohda, Mohamed
Powiązania:
https://bibliotekanauki.pl/articles/2183482.pdf
Data publikacji:
2022
Wydawca:
Polska Akademia Nauk. Instytut Badań Systemowych PAN
Tematy:
convexificator
directional constraint qualification
efficient solution
optimality conditions
robust multiobjective optimization
Opis:
This paper deals with a robust multiobjective optimization problem involving nonsmooth/nonconvex real-valued functions. Under an appropriate constraint qualification, we establish necessary optimality conditions for weakly robust efficient solutions of the considered problem. These optimality conditions are presented in terms of Karush-Kuhn-Tucker multipliers and convexificators of the related functions. Examples illustrating our findings are also given.
Źródło:
Control and Cybernetics; 2022, 51, 3; 289--302
0324-8569
Pojawia się w:
Control and Cybernetics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Optimization of optical uniformity factors of backlight module using robust design method
Autorzy:
Wang, Ju-Chi
Fan, Yu-Cheng
Fang, Te-Hua
Tran, Anh-Son
Cheng, Yu-Ting
Powiązania:
https://bibliotekanauki.pl/articles/2060680.pdf
Data publikacji:
2022
Wydawca:
Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:
backlight module
uniformity
Taguchi method
LightTools
Opis:
In order to meet the advent of the high-definition liquid crystal display (LCD) era, in addition to the high-quality panel manufacturing technology, how the backlight module can provide a uniform backlight with higher uniformity for a better experience in viewing, is a very important and urgent issue. In this study, the 15.6-inch side-in backlight module was used as the benchmark, and the Taguchi method was applied to find the high uniformity. The matching of the fishbone diagram affects the optical uniformity factor of the backlight module, such as the size of the light guide plate dot, the color of the plastic frame, the color of the fixed gel of the light guide plate, and the difference of the reflection surface. The optical analog software LightTools is used according to the orthogonal table. The signal-to-noise (S/N) ratio of the average uniformity characteristics is obtained, then it is converted into the best response factor of the factor response table and the factor reaction diagram. The homogeneity at 13 points is as high as 90.12%, which is 4.72% higher than the original design factor. The contribution of the four factors to the uniformity can be obtained by using the variance analysis. Finally, the influence of each factor level on the uniformity is discussed.
Źródło:
Optica Applicata; 2022, 52, 1; 5--20
0078-5466
1899-7015
Pojawia się w:
Optica Applicata
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Adjustable Robust Counterpart Optimization Model for Maximum Flow Problems with Box Uncertainty
Autorzy:
Agustini, Rahmah Arie
Chaerani, Diah
Hertini, Elis
Powiązania:
https://bibliotekanauki.pl/articles/1031851.pdf
Data publikacji:
2020
Wydawca:
Przedsiębiorstwo Wydawnictw Naukowych Darwin / Scientific Publishing House DARWIN
Tematy:
Adjustable Robust Counterpart
Linear Programming
Maximum flow problem
Robust Optimization
Opis:
The maximum flow problem is an optimization problem that aims to find the maximum flow value on a network. This problem can be solved by using Linear Programming. The obstacle that is often faced in determining the maximum flow is the magnitude of the capacity of each side of the network can often be changed due to certain factors. Therefore, we need one of the optimization fields that can calculate the uncertainty factor. The field of optimization carried out to overcome these uncertainties is Robust Optimization. This paper discusses the Optimization model for the maximum flow problem by calculating the uncertainties on parameters and adjustable variables using the Adjustable Robust Counterpart (ARC) Optimization model. In this ARC Optimization model it is assumed that there are indeterminate parameters in the form of side capacity in a network and an uncertain decision variable that is the amount of flow from the destination point (sink) to the source point (source). Calculation results from numerical simulations show that the ARC Optimization model provides the maximum number of flows in a network with a set of box uncertainty. Numerical simulations were obtained with Maple software.
Źródło:
World Scientific News; 2020, 141; 91-102
2392-2192
Pojawia się w:
World Scientific News
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Robust Optimization Model for Spatial Land-Use Allocation Problem in Jatinangor Subdistrict, Indonesia
Autorzy:
Romhadhoni, Putri
Chaerani, Diah
Ruchjana, Budi Nurani
Powiązania:
https://bibliotekanauki.pl/articles/1031447.pdf
Data publikacji:
2020
Wydawca:
Przedsiębiorstwo Wydawnictw Naukowych Darwin / Scientific Publishing House DARWIN
Tematy:
Jatinangor Subdistrict
Land-use Allocation
Robust Optimization
Spatial Optimization
Opis:
Land-use planning become an important thing to do because some types of land-use can have an impact to environment and life quality. Land-use planning is generally an activity that involves the allocation of activities in a particular land. Spatial Optimization can be applied in land-use planning activity. This research aims to make Robust Optimization model for spatial land-use allocation problem in Jatinangor. Optimization model for land-use allocation problem aims to determine the percentage of land-use changes that can maximize comprehensive index and compactness index. In land-use planning, there are several uncertainty factors. Therefore, it’s needed an approach that can handle uncertainty factor, the approach used in this research is Robust Optimization. The result of Robust Optimization Model for land-use allocation problem which is solved by the box uncertainty set approach is a computationally tractable optimization model.
Źródło:
World Scientific News; 2020, 142; 44-59
2392-2192
Pojawia się w:
World Scientific News
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Robust Optimization Model for Truss Topology Design Problem Using Convex Programming CVX
Autorzy:
Shafira, Tri
Chaerani, Diah
Lesmana, Eman
Powiązania:
https://bibliotekanauki.pl/articles/1031207.pdf
Data publikacji:
2020
Wydawca:
Przedsiębiorstwo Wydawnictw Naukowych Darwin / Scientific Publishing House DARWIN
Tematy:
CVX
Robust optimization
Truss Topology Design
load
semidefinite programming
uncertainty
Opis:
Topology optimization is one of the optimization applications in the field of infrastructure or truss structure design. Aiming to find the optimal connectivity bar by determining the best node leads to minimizing compliance. Robust optimization is used to conquer the uncertainty of external load parameters that are continuous and convex. The Robust Topology Optimization model uses semidefinite programming with an ellipsoidal uncertainty set. To solve the model, we use a modeling system called CVX, CVX uses the object-oriented features of MATLAB to turn it into an optimization modelling language: optimization variables can be declared and constraints and objectives specified using natural MATLAB syntax. The results of numerical simulations using CVX in the Robust Truss Topology Design (RTTD) model obtained an optimal robust solution, where the truss is resistant to load uncertainty for single-load or multi-load.
Źródło:
World Scientific News; 2020, 148; 27-45
2392-2192
Pojawia się w:
World Scientific News
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Uncertain Semivariogram Model using Robust Optimization for Application of Lead Pollutant Data
Autorzy:
Azizah, Annisa
Ruchjana, Budi Nurani
Chaerani, Diah
Powiązania:
https://bibliotekanauki.pl/articles/1030126.pdf
Data publikacji:
2020
Wydawca:
Przedsiębiorstwo Wydawnictw Naukowych Darwin / Scientific Publishing House DARWIN
Tematy:
Lead Pollutan
Linear Programming
Robust Optimization
Semivariogram
Software R
Opis:
Semivariogram is a half variance diagram of the difference between observations at the location s_i with another location that is as far as h units of distance. Semivariogram is used to describe the correlation of observation sorted by location. This research discusses the theoretical Semivariogram for the Spherical, Gaussian, and Exponential Semivariogram models through the Linear Programming approach. Next, the Semivariogram parameter estimation is studied with the assumption that there are data uncertainties, called the Uncertain Semivariogram. The method used to overcome the uncertainty data is Robust Optimization. The Uncertain Semivariogram using Robust Optimization are solved using the box and ellipsoidal uncertainty set approach. The calculation of the application of the model was carried out using the R software. For the case study, the application of the model used secondary data of Lead pollutant data in the Meuse River floodplains on the borders of France and the Netherlands at 164 locations. Based on the calculation results, the Exponential theoretical Semivariogram model is obtained as the best Semivariogram model, because it has a minimum SSE. Furthermore, the application of the Uncertain Semivariogram model using Robust Optimization on the Semivariogram Exponential model of Lead pollutant data is carried out using the box and ellipsoidal uncertainty set approach which is to obtain computationally tractable results.
Źródło:
World Scientific News; 2020, 143; 155-169
2392-2192
Pojawia się w:
World Scientific News
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Robust extremum seeking for a second order uncertain plant using a sliding mode controller
Autorzy:
Solis, Cesar
Clempner, Julio
Poznyak, Alexander
Powiązania:
https://bibliotekanauki.pl/articles/330477.pdf
Data publikacji:
2019
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
convex optimization
extremum seeking
continuous time gradient algorithm
dynamical constrained optimization
unknown function
optymalizacja wypukła
poszukiwanie ekstremum
algorytm gradientowy
optymalizacja ograniczona
Opis:
This paper suggests a novel continuous-time robust extremum seeking algorithm for an unknown convex function constrained by a dynamical plant with uncertainties. The main idea of the proposed method is to develop a robust closed-loop controller based on sliding modes where the sliding surface takes the trajectory around a zone of the optimal point. We assume that the output of the plant is given by the states and a measure of the function. We show the stability and zone-convergence of the proposed algorithm. In order to validate the proposed method, we present a numerical example.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2019, 29, 4; 703-712
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Robust Optimization Model for Location Transportation Problems with Ellipsoidal Uncertainty Set
Autorzy:
Pribadi, Diantiny Mariam
Chaerani, Diah
Dewanto, Stanley P.
Supian, Sudradjat
Subiyanto, Subiyanto
Powiązania:
https://bibliotekanauki.pl/articles/1062875.pdf
Data publikacji:
2019
Wydawca:
Przedsiębiorstwo Wydawnictw Naukowych Darwin / Scientific Publishing House DARWIN
Tematy:
Ellipsoidal uncertainty set
Location transportation problem
Mixed integer linear problem
Robust Counterpart
Robust Optimization
Uncertainty demand
Opis:
The location transportation problem is a combination of location, routing and inventory facilities. The problem of transportation locations consists of strategic decisions and operational decisions. Strategy decisions consist of location and facility capacity to meet demand, while operational decisions consist of final production and optimal distribution. However, sometimes there is uncertainty in demand, which influences operational decisions. Robust Optimization is a method for solving problems that are affected by uncertainty in data. This study aims to apply single-stage with an ellipsoid approach to the problem of transportation locations with uncertainty in demand. Robust optimization through the ellipsoidal uncertainty set approach provides costs for strategic and operational decisions that tend to remain for each production period. As for the optimization model, the influence of uncertainty in demand can affect the uncertainty of strategic and operational costs.
Źródło:
World Scientific News; 2019, 127, 3; 296-310
2392-2192
Pojawia się w:
World Scientific News
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Adaptive robust PID sliding control of a liquid level system based on multi-objective genetic algorithm optimization
Autorzy:
Mahmoodabadi, M. J.
Taherkhorsandi, M.
Talebipour, M.
Powiązania:
https://bibliotekanauki.pl/articles/206697.pdf
Data publikacji:
2017
Wydawca:
Polska Akademia Nauk. Instytut Badań Systemowych PAN
Tematy:
sliding mode control
PID control
adaptive control
genetic algorithm
multi-objective optimization
liquid level system
Opis:
Adaptive robust PID sliding mode control optimized by means of multi-objective genetic algorithm is presented in this paper to control a three-tank liquid level system with external disturbances. While PID constitutes a reliable and stable controller, when compared to sliding mode control (SMC); robustness and tracking performance of SMC are higher than those of the PID control. To use the unique features of both controllers, optimal sliding mode control is executed in terms of a supervisory controller to enhance the performance of optimal adaptive PID control and to provide the necessary control inputs. After the design of the control law, control coefficients of all four involved controllers are optimized by using the multi-objective genetic algorithm so as to minimize errors and the input of the controller. Simulations illustrate that the adaptive robust PID sliding controller based on multi-objective genetic algorithm optimization provides a superior response in comparison to the results obtained separately by PID control, sliding mode control, and adaptive PID control, respectively.
Źródło:
Control and Cybernetics; 2017, 46, 3; 227-246
0324-8569
Pojawia się w:
Control and Cybernetics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Decision trees and the effects of feature extraction parameters for robust sensor network design
Wykorzystanie drzew decyzyjnych oraz wpływu parametrów ekstrakcji cech do projektowania odpornych sieci czujników
Autorzy:
Gerdes, M.
Galar, D.
Scholz, D.
Powiązania:
https://bibliotekanauki.pl/articles/301345.pdf
Data publikacji:
2017
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
decision trees
feature extraction
sensor optimization
sensor fusion
sensor selection
drzewa decyzyjne
ekstrakcja cech
optymalizacja czujników
fuzja czujników
dobór czujników
Opis:
Reliable sensors and information are required for reliable condition monitoring. Complex systems are commonly monitored by many sensors for health assessment and operation purposes. When one of the sensors fails, the current state of the system cannot be calculated in same reliable way or the information about the current state will not be complete. Condition monitoring can still be used with an incomplete state, but the results may not represent the true condition of the system. This is especially true if the failed sensor monitors an important system parameter. There are two possibilities to handle sensor failure. One is to make the monitoring more complex by enabling it to work better with incomplete data; the other is to introduce hard or software redundancy. Sensor reliability is a critical part of a system. Not all sensors can be made redundant because of space, cost or environmental constraints. Sensors delivering significant information about the system state need to be redundant, but an error of less important sensors is acceptable. This paper shows how to calculate the significance of the information that a sensor gives about a system by using signal processing and decision trees. It also shows how signal processing parameters influence the classification rate of a decision tree and, thus, the information. Decision trees are used to calculate and order the features based on the information gain of each feature. During the method validation, they are used for failure classification to show the influence of different features on the classification performance. The paper concludes by analysing the results of experiments showing how the method can classify different errors with a 75% probability and how different feature extraction options influence the information gain.
Niezawodne monitorowanie stanu wymaga niezawodności czujników i pochodzących z nich informacji. Systemy złożone są zazwyczaj monitorowane przez wiele czujników, co pozwala na ocenę stanu technicznego oraz aspektów eksploatacyjnych. Gdy jeden z czujników ulega uszkodzeniu, uniemożliwia to obliczenie bieżącego stanu systemu z dotychczasową niezawodnością lub uzyskanie kompletnych informacji o bieżącym stanie. Stan można co prawda monitorować nawet przy niekompletnych danych, ale wyniki takiego monitorowania mogą nie odpowiadać rzeczywistemu stanowi systemu. Sytuacja taka ma miejsce w szczególności, gdy uszkodzony czujnik jest odpowiedzialny za monitorowanie istotnego parametru systemu. Problem uszkodzenia czujnika można rozwiązywać na dwa sposoby. Pierwszy polega na zwiększeniu złożoności systemu, co umożliwia jego sprawniejsze działanie w sytuacji, gdy dane są niekompletne. Drugim sposobem jest wprowadzenie nadmiarowego sprzętu (hardware'u) lub oprogramowania. Niezawodność czujników stanowi krytyczny aspekt systemu. Oczywiście, ze względu na ograniczenia przestrzenne, ekonomiczne i środowiskowe nie wszystkie czujniki w systemie mogą być nadmiarowe. Redundancja powinna dotyczyć wszystkich czujników, które dostarczają istotnych informacji na temat stanu systemu, natomiast dopuszczalne są błędy mniej ważnych czujników. W niniejszej pracy pokazano jak obliczać istotność informacji o systemie dostarczanych przez poszczególne czujniki z wykorzystaniem metod przetwarzania sygnałów oraz drzew decyzyjnych. Zademonstrowano również w jaki sposób parametry przetwarzania sygnałów wpływają na poprawność klasyfikacji metodą drzewa decyzyjnego, a tym samym na poprawność dostarczanych informacji. Drzew decyzyjnych używa się do obliczania i porządkowania cech w oparciu o przyrost informacji charakteryzujący poszczególne cechy. Podczas weryfikacji zastosowanej metody, drzewa decyzyjne wykorzystano do klasyfikacji uszkodzeń celem przedstawienia wpływu różnych cech na dokładność klasyfikacji. Pracę kończy analiza wyników eksperymentów pokazujących w jaki sposób zastosowana metoda pozwala na klasyfikację różnych błędów z 75-procentowym prawdopodobieństwem oraz jak różne opcje ekstrakcji cech wpływają na przyrost informacji.
Źródło:
Eksploatacja i Niezawodność; 2017, 19, 1; 31-42
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Robust bi-level optimization for an opportunistic supply chain network design problem in an uncertain and risky environment
Autorzy:
Golpîra, H.
Powiązania:
https://bibliotekanauki.pl/articles/406601.pdf
Data publikacji:
2017
Wydawca:
Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:
supply chain management
production-distribution planning
conditional value at risk
bilevel programming
robust optimization
KKT conditions
zarządzanie łańcuchem dostaw
planowanie produkcji
planowanie dystrybucji
optymalizacja
warunki KKT
Opis:
This paper introduces the problem of designing a single-product supply chain network in an agile manufacturing setting under a vendor managed inventory (VMI) strategy to seize a new market oppor-tunity. The problem addresses the level of risk aversion of the retailer when dealing with the uncertainty of market related information through a conditional value at risk (CVaR) approach. This approach leads to a bilevel programming problem. The Karush–Kuhn–Tucker (KKT) conditions are employed to trans-form the model into a single-level, mixed-integer linear programming problem by considering some relaxations. Since realizations of imprecisely known parameters are the only information available, a data-driven approach is employed as a suitable, more practical, methodology of avoiding distribu-tional assumptions. Finally, the effectiveness of the proposed model is demonstrated through a numer-ical example
Źródło:
Operations Research and Decisions; 2017, 27, 1; 21-41
2081-8858
2391-6060
Pojawia się w:
Operations Research and Decisions
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Charakterystyka optymalizacji odpornej problemu najkrótszej ścieżki w obszarach zurbanizowanych
Analysis of robust optimization for shortest path problem in urban areas
Autorzy:
Kubek, Daniel
Powiązania:
https://bibliotekanauki.pl/articles/587302.pdf
Data publikacji:
2015
Wydawca:
Uniwersytet Ekonomiczny w Katowicach
Tematy:
Elastyczne okna czasowe
Optymalizacja odporna
Problem najkrótszej ścieżki
Robust optimization
Shortest path problem
Soft time windows
Opis:
Niniejszy artykuł przedstawia problematykę wyznaczania ścieżek dla pojazdów poruszających się w sieci drogowej miasta. Ścieżki te zostały wyznaczone w oparciu o optymalizację odporną, która uwzględnia możliwość wystąpienia wahań od wartości oczekiwanej czasów przejazdu na odcinkach sieci drogowej. Poruszone zagadnienie popularnie znane jest jako problem najkrótszej ścieżki z niepewnymi czasami przejazdów (robust shortest path problem). Odporny model matematyczny problemu najkrótszej ścieżki został rozwiązany za pomocą metody, która zamienia oryginalny problem na deterministyczny odpowiednik programowania liniowego. Odpowiednik ten jest uzyskiwany przez przyjęcie założenia, że zmienna decyzyjna jest funkcją afiniczną, która zależy od realizacji niepewności danych. Niepewność jest zdefiniowana na podstawie odchylenia standardowego czasu przejazdu na poszczególnym odcinku. Parametry te są wykorzystane do opisu rodziny rozkładów prawdopodobieństwa, zgodnie z którymi wartość niepewności danych będzie realizowana. Zalety stosowania optymalizacji odpornej oraz charakterystyka problemu zostały zaprezentowane na rzeczywistej sieci drogowej miasta Krakowa.
The paper addresses the shortest path problem for vehicles traversing the road network of the city. The paths have been determinate based on the robust optimization theory, which take into account the data uncertainty. The problem is known as robust shortest path problem. Formulation of robust mathematical model is solved by transforming the robust model into a deterministic counterpart. Deterministic counterpart is obtained by assumption that variables are affinely dependent on primitives uncertainty. Uncertainty set is defined as affine function of standard deviation of sections travel time. These parameters are used to describe a family of probability distributions under which the value of the uncertainty of the data will be implemented. The advantages, analysis and the characteristics of robust approach are presented on a real example – the road network of Cracow.
Źródło:
Studia Ekonomiczne; 2015, 235; 132-143
2083-8611
Pojawia się w:
Studia Ekonomiczne
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
An adaptive particle swarm optimization algorithm for robust trajectory tracking of a class of under actuated system
Autorzy:
Kumar, V. E.
Jerome, J.
Powiązania:
https://bibliotekanauki.pl/articles/141105.pdf
Data publikacji:
2014
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
inverted pendulum
LQR controller
particle swarm optimization (PSO)
genetic algorithm
adaptive inertia weight factor
state feedback control
Opis:
This paper presents an adaptive particle swarm optimization (APSO) based LQR controller for optimal tuning of state feedback controller gains for a class of under actuated system (Inverted pendulum). Normally, the weights of LQR controller are chosen based on trial and error approach to obtain the optimum controller gains, but it is often cumbersome and tedious to tune the controller gains via trial and error method. To address this problem, an intelligent approach employing adaptive PSO (APSO) for optimum tuning of LQR is proposed. In this approach, an adaptive inertia weight factor (AIWF), which adjusts the inertia weight according to the success rate of the particles, is employed to not only speed up the search process but also to increase the accuracy of the algorithm towards obtaining the optimum controller gain. The performance of the proposed approach is tested on a bench mark inverted pendulum system, and the experimental results of APSO are compared with that of the conventional PSO and GA. Experimental results prove that the proposed algorithm remarkably improves the convergence speed and precision of PSO in obtaining the robust trajectory tracking of inverted pendulum.
Źródło:
Archives of Electrical Engineering; 2014, 63, 3; 345-365
1427-4221
2300-2506
Pojawia się w:
Archives of Electrical Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł

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