Skocz do pozycji: 1.

Tytuł:

A novel variant of the salp swarm algorithm for engineering optimization

Autorzy:

Jia, Fuyun
Luo, Sheng
Yin, Guan
Ye, Yin

Powiązania:

https://bibliotekanauki.pl/articles/23944824.pdf

Data publikacji:

2023

Wydawca:

Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych

Tematy:

salp swarm algorithm
meta-heuristic algorithm
chaos theory
sine-cosine mechanism
quantum computation
optimization design of engineering

Opis:

There are many design problems need to be optimized in various fields of engineering, and most of them belong to the NP-hard problem. The meta-heuristic algorithm is one kind of optimization method and provides an effective way to solve the NP-hard problem. Salp swarm algorithm (SSA) is a nature-inspired algorithm that mimics and mathematically models the behavior of slap swarm in nature. However, similar to most of the meta-heuristic algorithms, the traditional SSA has some shortcomings, such as entrapment in local optima. In this paper, the three main strategies are adopted to strengthen the basic SSA, including chaos theory, sine-cosine mechanism and the principle of quantum computation. Therefore, the SSA variant is proposed in this research, namely SCQ-SSA. The representative benchmark functions are employed to test the performances of the algorithms. The SCQ-SSA are compared with the seven algorithms in high-dimensional functions (1000 dimensions), seven SSA variants and six advanced variants on benchmark functions, the experiment reveals that the SCQ-SSA enhances resulting precision and alleviates local optimal problems. Besides, the SCQ-SSA is applied to resolve three classical engineering problems: tubular column design problem, tension/compression spring design problem and pressure vessel design problem. The design results indicate that these engineering problems are optimized with high accuracy and superiority by the improved SSA. The source code is available in the URL: https://github.com/ye-zero/SCQSSA/tree/main/SCQ-SSA.

Źródło:

Journal of Artificial Intelligence and Soft Computing Research; 2023, 13, 3; 131--149
2083-2567
2449-6499

Pojawia się w:

Journal of Artificial Intelligence and Soft Computing Research

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 2.

Tytuł:

Constrained optimization of the brushless DC motor using the salp swarm algorithm

Autorzy:

Knypiński, Łukasz
Devarepalli, Ramesh
Le Menach, Yvonnick

Powiązania:

https://bibliotekanauki.pl/articles/2135734.pdf

Data publikacji:

2022

Wydawca:

Polska Akademia Nauk. Czytelnia Czasopism PAN

Tematy:

brushless DC motor
constrained optimization
finite element analysis
salp swarm algorithm

Opis:

This paper presents an algorithm and optimization procedure for the optimization of the outer rotor structure of the brushless DC (BLDC) motor. The optimization software was developed in the Delphi Tiburón development environment. The optimization procedure is based on the salp swarm algorithm. The effectiveness of the developed optimization procedurewas compared with genetic algorithm and particle swarmoptimization algorithm. The mathematical model of the device includes the electromagnetic field equations taking into account the non-linearity of the ferromagnetic material, equations of external supply circuits and equations of mechanical motion. The external penalty function was introduced into the optimization algorithm to take into account the non-linear constraint function.

Źródło:

Archives of Electrical Engineering; 2022, 71, 3; 775--787
1427-4221
2300-2506

Pojawia się w:

Archives of Electrical Engineering

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 3.

Tytuł:

Simulation on vessel intelligent collision avoidance based on artificial fish swarm algorithm

Autorzy:

Li, W.
Ma, W.

Powiązania:

https://bibliotekanauki.pl/articles/260153.pdf

Data publikacji:

2016

Wydawca:

Politechnika Gdańska. Wydział Inżynierii Mechanicznej i Okrętownictwa

Tematy:

simulation
collision avoidance
artificial fish swarm algorithm

Opis:

TAs the rapid development of the ship equipments and navigation technology, vessel intelligent collision avoidance theory was researched world widely. Meantime, more and more ship intelligent collision avoidance products are put into use. It not only makes the ship much safer, but also lighten the officers work intensity and improve the ship’s economy. The paper based on the International Regulation for Preventing Collision at sea and ship domain theories, with the ship proceeding distance when collision avoidance as the objective function, through the artificial fish swarm algorithm to optimize the collision avoidance path, and finally simulates overtaking situation, crossing situation and head-on situation three classic meeting situation of ships on the sea by VC++ computer language. Calculation and simulation results are basically consistent with the actual situation which certifies that its validity.

Źródło:

Polish Maritime Research; 2016, S 1; 138-143
1233-2585

Pojawia się w:

Polish Maritime Research

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 4.

Tytuł:

Harmonogramowanie powtarzalnych procesów budowlanych z zastosowaniem algorytmu rojowego
Scheduling repetitive construction processes using a swarm algorithm

Autorzy:

Tomczak, Michał
Jaśkowski, Piotr

Powiązania:

https://bibliotekanauki.pl/articles/1857862.pdf

Data publikacji:

2021

Wydawca:

Polski Związek Inżynierów i Techników Budownictwa

Tematy:

proces budowlany
harmonogramowanie
przedsięwzięcie budowlane
proces powtarzalny
algorytm rojowy
construction process
scheduling
construction project
repetitive process
swarm algorithm

Opis:

W artykule zaproponowano metodę optymalizacji trójkryterialnej harmonogramów powtarzalnych procesów budowlanych. Ze względu na trudności w projektowaniu realizacji tego typu przedsięwzięć z wykorzystaniem klasycznych narzędzi i metod zaproponowano wykorzystanie algorytmów rojowych do znajdowania niezdominowanych rozwiązań problemu. Zaprezentowano także przykład zastosowania algorytmu optymalizacji rojem cząstek do opracowania harmonogramu realizacji powtarzalnych procesów budowlanych i doboru brygad roboczych w celu minimalizacji czasu realizacji przedsięwzięcia i poszczególnych obiektów lub działek roboczych oraz przestojów w pracy brygad.
This paper proposes a method for tri-criteria optimization of schedules of repetitive construction processes. Due to the difficulties in designing the implementation of such projects using classical tools and methods, the use of swarm algorithms for finding non-dominated solutions to the problem was proposed. An example of the application of the particle swarm optimization algorithm to the development of a schedule for the realization of repetitive construction processes and the selection of work crews in order to minimize the execution time of the project and individual objects or work units as well as downtime in the work crews is also presented.

Źródło:

Przegląd Budowlany; 2021, 92, 7-8; 45-49
0033-2038

Pojawia się w:

Przegląd Budowlany

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 5.

Tytuł:

Allocation of real power generation based on computing over all generation cost: an approach of Salp Swarm Algorithm

Autorzy:

Devarapalli, Ramesh
Sinha, Nikhil Kumar
Rao, Bathina Venkateswara
Knypiński, Łukasz
Lakshmi, Naraharisetti Jaya Naga
García Márquez, Fausto Pedro

Powiązania:

https://bibliotekanauki.pl/articles/1841291.pdf

Data publikacji:

2021

Wydawca:

Polska Akademia Nauk. Czytelnia Czasopism PAN

Tematy:

economic load dispatch
heuristic algorithms
optimization
Particle Swarm
Algorithm
Salp Swarm Algorithm
ekonomiczna wysyłka ładunku
algorytmy heurystyczne
optymalizacja
rój cząstek
algorytm

Opis:

Economic Load Dispatch (ELD) is utilized in finding the optimal combination of the real power generation that minimizes total generation cost, yet satisfying all equality and inequality constraints. It plays a significant role in planning and operating power systems with several generating stations. For simplicity, the cost function of each generating unit has been approximated by a single quadratic function. ELD is a subproblem of unit commitment and a nonlinear optimization problem. Many soft computing optimization methods have been developed in the recent past to solve ELD problems. In this paper, the most recently developed population-based optimization called the Salp Swarm Algorithm (SSA) has been utilized to solve the ELD problem. The results for the ELD problem have been verified by applying it to a standard 6-generator system with and without due consideration of transmission losses. The finally obtained results using the SSA are compared to that with the Particle Swarm Optimization (PSO) algorithm. It has been observed that the obtained results using the SSA are quite encouraging.

Źródło:

Archives of Electrical Engineering; 2021, 70, 2; 337-349
1427-4221
2300-2506

Pojawia się w:

Archives of Electrical Engineering

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 6.

Tytuł:

Improved dolphin swarm optimization algorithm based on information entropy

Autorzy:

Li, Y.
Wang, X.

Powiązania:

https://bibliotekanauki.pl/articles/200085.pdf

Data publikacji:

2019

Wydawca:

Polska Akademia Nauk. Czytelnia Czasopism PAN

Tematy:

dolphin swarm optimization
information entropy
convergence
self-adaptive
combinational optimization

Opis:

In order to overcome the shortcomings of the dolphin algorithm, which is prone to falling into local optimum and premature conver-gence, an improved dolphin swarm algorithm, based on the standard dolphin algorithm, was proposed. As a measure of uncertainty, information entropy was used to measure the search stage in the dolphin swarm algorithm. Adaptive step size parameters and dynamic balance factors were introduced to correlate the search step size with the number of iterations and fitness, and to perform adaptive adjustment of the algorithm. Simulation experiments show that, comparing with the basic algorithm and other algorithms, the improved dolphin swarm algorithm is feasible and effective.

Źródło:

Bulletin of the Polish Academy of Sciences. Technical Sciences; 2019, 67, 4; 679-685
0239-7528

Pojawia się w:

Bulletin of the Polish Academy of Sciences. Technical Sciences

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 7.

Tytuł:

Particle swarm optimization algorithm based low cost magnetometer calibration

Autorzy:

Ali, A.
Siddharth, S.
Syed, Z.
El-Sheimy, N.

Powiązania:

https://bibliotekanauki.pl/articles/129567.pdf

Data publikacji:

2011

Wydawca:

Stowarzyszenie Geodetów Polskich

Tematy:

artificial intelligence
systems
measurement
navigation
algorithm
sensor
sztuczna inteligencja
systemy
pomiar
nawigacja
algorytm

Opis:

Inertial Navigation Systems (INS) consist of accelerometers, gyroscopes and a microprocessor provide inertial digital data from which position and orientation is obtained by integrating the specific forces and rotation rates. In addition to the accelerometers and gyroscopes, magnetometers can be used to derive the absolute user heading based on Earth’s magnetic field. Unfortunately, the measurements of the magnetic field obtained with low cost sensors are corrupted by several errors including manufacturing defects and external electro-magnetic fields. Consequently, proper calibration of the magnetometer is required to achieve high accuracy heading measurements. In this paper, a Particle Swarm Optimization (PSO) based calibration algorithm is presented to estimate the values of the bias and scale factor of low cost magnetometer. The main advantage of this technique is the use of the artificial intelligence which does not need any error modeling or awareness of the nonlinearity. The estimated bias and scale factor errors from the proposed algorithm improve the heading accuracy and the results are also statistically significant. Also, it can help in the development of the Pedestrian Navigation Devices (PNDs) when combined with the INS and GPS/Wi-Fi especially in the indoor environments.

Źródło:

Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2011, 22; 9-23
2083-2214
2391-9477

Pojawia się w:

Archiwum Fotogrametrii, Kartografii i Teledetekcji

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 8.

Tytuł:

Design of a Superconducting Antenna Integrated with a Diplexer for Radio-Astronomy Applications

Autorzy:

Donelli, M.
Febvre, P.

Powiązania:

https://bibliotekanauki.pl/articles/309365.pdf

Data publikacji:

2014

Wydawca:

Instytut Łączności - Państwowy Instytut Badawczy

Tematy:

diplexer
microwave antenna
optimization techniques
particle swarm algorithm
radio astronomy

Opis:

This paper presents the design of a compact frontend diplexer for radio-astronomy applications based on a self complementary Bow-tie antenna, a 3 dB T-junction splitter and two pass-band fractal lters. The whole diplexer structure has been optimized by using an evolutionary algorithm. In particular the problem of the diplexer design is recast into an optimization one by dening a suitable cost function which is then minimized by mean of an evolutionary algorithm namely the Particle Swarm Optimization (PSO). An X band diplexer prototype was fabricated and assessed demonstrating a good agreement between numerical and experimental results.

Źródło:

Journal of Telecommunications and Information Technology; 2014, 3; 113-118
1509-4553
1899-8852

Pojawia się w:

Journal of Telecommunications and Information Technology

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 9.

Tytuł:

Improvements to Glowworm Swarm Optimization algorithm
Ulepszenia algorytmu Glowworm Swarm Optimization

Autorzy:

Oramus, P.

Powiązania:

https://bibliotekanauki.pl/articles/305567.pdf

Data publikacji:

2010

Wydawca:

Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH

Tematy:

inteligencja roju
optymalizacja
swarm intelligence
glowworm swarm optimization
multimodal function optimization

Opis:

Glowworm Swarm Optimization algorithm is applied for the simultaneous capture of multiple optima of multimodal functions. The algorithm uses an ensemble of agents, which scan the search space and exchange information concerning a fitness of their current position. The fitness is represented by a level of a luminescent quantity called luciferin. An agent moves in direction of randomly chosen neighbour, which broadcasts higher value of the luciferin. Unfortunately, in the absence of neighbours, the agent does not move at all. This is an unwelcome feature, because it diminishes the performance of the algorithm. Additionally, in the case of parallel processing, this feature can lead to unbalanced loads. This paper presents simple modifications of the original algorithm, which improve performance of the algorithm by limiting situations, in which the agent cannot move. The paper provides results of comparison of an original and modified algorithms calculated for several multimodal test functions.
Algorytm Glowworm Swarm Optimization jest stosowany do równoczesnego odnajdywania wielu optimów funkcji multimodalnych. Algorytm używa zespołu agentów przeszukujących przestrzeń poszukiwań i wymieniających się informacjami o wartości funkcji przystosowania w danym położeniu. Funkcja przystosowania jest reprezentowana przez poziom emitującego światło pigmentu - lucyferyny. Agenci poruszają się w kierunku losowo wybranego sąsiada, który rozgłasza wyższą wartość poziomu lucyferyny. Niestety w przypadku braku sąsiadów agent nie porusza się wcale. Stanowi to niepożądaną cechę algorytmu ograniczającą jego wydajność. W przypadku przetwarzania równoległego cecha ta może prowadzić do niezrównoważenia obciążenia. Praca ta przedstawia proste modyfikacje oryginalnego algorytmu zwiększające jego wydajność poprzez ograniczanie liczby takich sytuacji, w których agent nie może się poruszyć. Przedstawione zostały wyniki porównania pracy oryginalnego i zmodyfikowanych algorytmów dla kilku funkcji testowych.

Źródło:

Computer Science; 2010, 11; 7-20
1508-2806
2300-7036

Pojawia się w:

Computer Science

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 10.

Tytuł:

Active power loss reduction by novel feral cat swarm optimization algorithm

Autorzy:

Lenin, Kanagasabai

Powiązania:

https://bibliotekanauki.pl/articles/384742.pdf

Data publikacji:

2020

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów

Tematy:

optimal reactive power
Transmission loss
Feral Cat Swarm Optimization Algorithm

Opis:

In this paper Feral Cat Swarm Optimization (FCS) Algorithm is proposed to solve optimal reactive power problem. Projected methodology has been modeled based on the activities of the feral cats. They have two main phases primarily “seeking mode”, “tracing mode”. In the proposed FCS algorithm, population of feral cats are created and arbitrarily scattered in the solution space, with every feral cat representing a solution. Produced population is alienated into two subgroups. One group will observe their surroundings which come under the seeking mode and another group moving towards the prey which will come under the tracing mode. New-fangled positions, fitness functions will be calculated subsequent to categorization of feral cats for seeking mode and tracing mode, through that cat with the most excellent solution will be accumulated in the memory. Feral Cat Swarm Optimization (FCS) Algorithm has been tested in standard IEEE 30 bus test system and simulation results show the projected algorithm reduced the real power loss considerably.

Źródło:

Journal of Automation Mobile Robotics and Intelligent Systems; 2020, 14, 2; 25-29
1897-8649
2080-2145

Pojawia się w:

Journal of Automation Mobile Robotics and Intelligent Systems

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 11.

Tytuł:

Swarm intelligence algorithm based on competitive predators with dynamic virtual teams

Autorzy:

Yang, S.
Sato, Y.

Powiązania:

https://bibliotekanauki.pl/articles/91592.pdf

Data publikacji:

2017

Wydawca:

Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych

Tematy:

swarm intelligence
sitness predator optimizer
dynamic virtual team
population diversity

Opis:

In our previous work, Fitness Predator Optimizer (FPO) is proposed to avoid premature convergence for multimodal problems. In FPO, all of the particles are seen as predators. Only the competitive, powerful predator that are selected as an elite could achieve the limited opportunity to update. The elite generation with roulette wheel selection could increase individual independence and reduce rapid social collaboration. Experimental results show that FPO is able to provide excellent performance of global exploration and local minima avoidance simultaneously. However, to the higher dimensionality of multimodal problem, the slow convergence speed becomes the bottleneck of FPO. A dynamic team model is utilized in FPO, named DFPO to accelerate the early convergence rate. In this paper, DFPO is more precisely described and its variant, DFPO-r is proposed to improve the performance of DFPO. A method of team size selection is proposed in DFPO-r to increase population diversity. The population diversity is one of the most important factors that determines the performance of the optimization algorithm. A higher degree of population diversity is able to help DFPO-r alleviate a premature convergence. The strategy of selection is to choose team size according to the higher degree of population diversity. Ten well-known multimodal benchmark functions are used to evaluate the solution capability of DFPO and DFPO-r. Six benchmark functions are extensively set to 100 dimensions to investigate the performance of DFPO and DFPO-r compared with LBest PSO, Dolphin Partner Optimization and FPO. Experimental results show that both DFPO and DFPO-r could demonstrate the desirable performance. Furthermore, DFPO-r shows better robustness performance compared with DFPO in experimental study.

Źródło:

Journal of Artificial Intelligence and Soft Computing Research; 2017, 7, 2; 87-101
2083-2567
2449-6499

Pojawia się w:

Journal of Artificial Intelligence and Soft Computing Research

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 12.

Tytuł:

The influence of inertia weight on the Particle Swarm Optimization algorithm

Autorzy:

Cekus, D.
Skrobek, D.

Powiązania:

https://bibliotekanauki.pl/articles/122644.pdf

Data publikacji:

2018

Wydawca:

Politechnika Częstochowska. Wydawnictwo Politechniki Częstochowskiej

Tematy:

particle swarm optimization (PSO)
PSO algorithm
inertia weight
trajectory
optymalizacja rojem cząstek
PSO
algorytm PSO
metoda PSO
algorytm optymalizacji rojem cząstek
trajektoria
współczynnik wagowy

Opis:

The paper presents the use of the Particle Swarm Optimization (PSO) algorithm to find the shortest trajectory connecting two defined points while avoiding obstacles. The influence of the inertia weight and the number of population adopted in the first iteration of the PSO algorithm was examined for the length of the sought trajectory. Simulation results showed that the proposed method achieved significant improvement compared to the linearly decreasing method technique that is widely used in literature.

Źródło:

Journal of Applied Mathematics and Computational Mechanics; 2018, 17, 4; 5-11
2299-9965

Pojawia się w:

Journal of Applied Mathematics and Computational Mechanics

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 13.

Tytuł:

Particle Swarm Optimization Algorithm for Leakage Power Reduction in VLSI Circuits

Autorzy:

Leela Rani, V.
Madhavi Latha, M.

Powiązania:

https://bibliotekanauki.pl/articles/225990.pdf

Data publikacji:

2016

Wydawca:

Polska Akademia Nauk. Czytelnia Czasopism PAN

Tematy:

leakage power
PSO algorithm
genetic algorithm
minimum leakage vector
Verilog-HDL implementation

Opis:

Leakage power is the dominant source of power dissipation in nanometer technology. As per the International Technology Roadmap for Semiconductors (ITRS) static power dominates dynamic power with the advancement in technology. One of the well-known techniques used for leakage reduction is Input Vector Control (IVC). Due to stacking effect in IVC, it gives less leakage for the Minimum Leakage Vector (MLV) applied at inputs of test circuit. This paper introduces Particle Swarm Optimization (PSO) algorithm to the field of VLSI to find minimum leakage vector. Another optimization algorithm called Genetic algorithm (GA) is also implemented to search MLV and compared with PSO in terms of number of iterations. The proposed approach is validated by simulating few test circuits. Both GA and PSO algorithms are implemented in Verilog HDL and the simulations are carried out using Xilinx 9.2i. From the simulation results it is found that PSO based approach is best in finding MLV compared to Genetic based implementation as PSO technique uses less runtime compared to GA. To the best of the author’s knowledge PSO algorithm is used in IVC technique to optimize power for the first time and it is quite successful in searching MLV.

Źródło:

International Journal of Electronics and Telecommunications; 2016, 62, 2; 179-186
2300-1933

Pojawia się w:

International Journal of Electronics and Telecommunications

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 14.

Tytuł:

An Advanced Particle Swarm Optimization Algorithm for MPPTs in PV Systems

Autorzy:

Erdem, Z.

Powiązania:

https://bibliotekanauki.pl/articles/1031910.pdf

Data publikacji:

2017-09

Wydawca:

Polska Akademia Nauk. Instytut Fizyki PAN

Tematy:

87.55.de
88.40.mp
87.55.kd

Opis:

Maximum power point trackers are in charge of absorbing the maximum potential power from the photovoltaic panels. Thus, this makes the maximum power point trackers the fundamental parts of the photovoltaic panel systems. The conventional maximum power point tracker algorithms are working well under balanced insolation conditions, however when the partial shade condition occurs, those algorithms are trapped at the local maxima. Hence, under partial shade conditions, the need for a global maximum power point tracking algorithm arises. Particle swarm optimization is a preferential algorithm of maximum power point trackers in literature, especially in partial shade conditions. This paper is focused on improving the existing particle swarm optimization algorithm for maximum power point trackers. The proposed advanced particle swarm optimization algorithm aims to catch the global maximum power point much faster, accurately and to reduce the chatter in the power curve. The proposed method accelerates the global maximum tracking time with gridding the initial search area. The effectiveness of the proposed method is demonstrated with simulation results and these results are compared with a conventional particle swarm optimization method under step changes in irradiance and partial shade conditions of an array of photovoltaic panels.

Źródło:

Acta Physica Polonica A; 2017, 132, 3; 1134-1139
0587-4246
1898-794X

Pojawia się w:

Acta Physica Polonica A

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 15.

Tytuł:

Optimization of electric and magnetic field intensities in proximity of power lines using genetic and particle swarm algorithms

Autorzy:

Król, K.
Machczyński, W.

Powiązania:

https://bibliotekanauki.pl/articles/141588.pdf

Data publikacji:

2018

Wydawca:

Polska Akademia Nauk. Czytelnia Czasopism PAN

Tematy:

power line
electric field
magnetic field
optimization
genetic algorithm
particle swarm algorithm

Opis:

The paper presents optimization of power line geometrical parameters aimed to reduce the intensity of the electric field and magnetic field intensity under an overhead power line with the use of a genetic algorithm (AG) and particle swarm optimization (PSO). The variation of charge distribution along the conductors as well as the sag of the overhead line and induced currents in earth wires were taken into account. The conductor sag was approximated by a chain curve. The charge simulation method (CSM) and the method of images were used in the simulations of an electric field, while a magnetic field were calculated using the Biot–Savart law. Sample calculations in a three-dimensional system were made for a 220 kV single – circuit power line. A comparison of the used optimization algorithms was made.

Źródło:

Archives of Electrical Engineering; 2018, 67, 4; 829-843
1427-4221
2300-2506

Pojawia się w:

Archives of Electrical Engineering

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 16.

Tytuł:

Swarm Behaviour Optimisation Methods Based on an Original Algorithm
Metoda optymalizacji zachowania się roju na podstawie autorskiego algorytmu

Autorzy:

Falkowski, Krzysztof
Duda, Michał

Powiązania:

https://bibliotekanauki.pl/articles/2036929.pdf

Data publikacji:

2021

Wydawca:

Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego

Tematy:

swarms
swarm algorithm
sweep coverage
coverage task
optimisation
optymalizacja
rój
algorytm roju

Opis:

This article presents an authorial swarm algorithm that performs coverage tasks using the Sweep Coverage method. The presented solution assumes stochastic movement of the objects in the swarm which allows them to be simple ones. Our goal was to find an optimal number of objects in the swarm. The main evaluated factors are time and energy consumption. Changing input data allowed us to designate different cases and to examine the influence of varying parameters of a single boid on a whole swarm behaviour.
W artykule przedstawiono metody znalezienia optymalnej wielkości roju dla danego zadania. Głównymi ocenianymi czynnikami są czas i zużycie energii. Autorskie rozwiązanie algorytmiczne pozwoliło na wyznaczenie różnych przypadków i zbadanie wpływu różnych parametrów pojedynczego boida na zachowanie całego roju. Obliczenie efektywności energetycznej pozwoliło na wyznaczenie dodatkowych informacji o optymalizacji liczby boidów w roju. Wyniki pokazują, że można ocenić najlepsze rozwiązania dla określonych założeń. Można znaleźć, jaka liczba boidów wykonałaby zadanie w jak najkrótszym czasie przy założonej energooszczędności. Można również znaleźć grupę z najlepszym czasem do uzyskania wskaźnika efektywności energetycznej, która wykonałaby zadanie przy najlepszej kombinacji najkrótszego czasu i zużytej energii. Dodatkowe testy ze zmieniającymi się zmiennymi pozwoliły określić ich wpływ na wynik. Wykazano, że prędkość i bezpieczna odległość są ze sobą połączone, ale zmiana prędkości jest bardziej znacząca dla mniejszych rojów, gdy zmiana bezpiecznej odległości ma większy wpływ na liczniejsze grupy. Wynika z tego, że dla małych grup lepsze są szybsze boidy, a dla liczniejszych rojów bardziej przydatne byłyby boidy, które mogą poruszać się bliżej. Zmienianie promienia obszaru skanowanego na każdym kroku wpływa na ogólną wydajność, ale prawie nie ma wpływu na efektywność energetyczną roju.

Źródło:

Problemy Mechatroniki : uzbrojenie, lotnictwo, inżynieria bezpieczeństwa; 2021, 12, 3 (45); 53-70
2081-5891

Pojawia się w:

Problemy Mechatroniki : uzbrojenie, lotnictwo, inżynieria bezpieczeństwa

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 17.

Tytuł:

Selection of the heat transfer coefficient using swarming algorithms

Autorzy:

Gawrońska, Elżbieta
Dyja, Robert
Zych, Maria
Domek, Grzegorz

Powiązania:

https://bibliotekanauki.pl/articles/2204686.pdf

Data publikacji:

2022

Wydawca:

Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej

Tematy:

swarm algorithm
ABC algorithm
ACO algorithm
heat transfer coefficient
computer simulation
numerical modelling

Opis:

The article presents the use of swarming algorithms in selecting the heat transfer coefficient, taking into account the boundary condition of the IV types. Numerical calculations were made using the proprietary TalyFEM program and classic form of swarming algorithms. A function was also used for the calculations, which, during the calculation, determined the error of the approximate solution and was minimalised using a pair of individually employed algorithms, namely artificial bee colony (ABC) and ant colony optimisation (ACO). The tests were carried out to select the heat transfer coefficient from one range. Describing the geometry for a mesh of 408 fine elements with 214 nodes, the research carried out presents two squares (one on top of the other) separated by a heat transfer layer with a κ coefficient. A type III boundary condition was established on the right and left of both edges. The upper and lower edges were isolated, and a type IV boundary condition with imperfect contact was established between the squares. Calculations were made for ABC and ACO, respectively, for populations equal to 20, 40 and 60 individuals and 2, 6 and 12 iterations. In addition, in each case, 0%, 1%, 2% and 5% noise of the reference values were also considered. The obtained results are satisfactory and very close to the reference values of the κ parameter. The obtained results demonstrate the possibility of using artificial intelligence (AI) algorithms to reconstruct the IV type boundary condition value during heat conduction modelling.

Źródło:

Acta Mechanica et Automatica; 2022, 16, 4; 325--339
1898-4088
2300-5319

Pojawia się w:

Acta Mechanica et Automatica

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 18.

Tytuł:

Quantum-inspired particle swarm optimization algorithm with performance evaluation of fused images

Autorzy:

Le, Z
Xinman, Z.
Xuebin, X
Dong, W.
Jie, L.
Yang, L.

Powiązania:

https://bibliotekanauki.pl/articles/174501.pdf

Data publikacji:

2013

Wydawca:

Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej

Tematy:

multifocus image fusion
quantum particle swarm optimization
perfect reconstruction
superior speed

Opis:

In order to improve and accelerate the speed of image integration, an optimal and intelligent method for multi-focus image fusion is presented in this paper. Based on particle swarm optimization and quantum theory, quantum particle swarm optimization (QPSO) intelligent search strategy is introduced in salience analysis of a contrast visual masking system, combined with the segmentation technique. The superiority of QPSO is quantum parallelism. It has stronger search ability and quicker convergence speed. When compared with other classical or novel fusion methods, several metrics for image definition are exploited to evaluate the performance of all the adopted methods objectively. Experiments are performed on both artificial multi-focus images and digital camera multi-focus images. The results show that QPSO algorithm is more efficient than non-subsampled contourlet transform, genetic algorithm, binary particle swarm optimization, etc. The simulation results demonstrate that QPSO is a satisfying image fusion method with high accuracy and high speed.

Źródło:

Optica Applicata; 2013, 43, 4; 679-691
0078-5466
1899-7015

Pojawia się w:

Optica Applicata

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 19.

Tytuł:

Koncepcja środowiska symulacyjnego do oceny samoorganizacji trasowania w sieci sensorycznej
The concept of the simulation environment designed to evaluate the self-organizing process of the sensors network routing

Autorzy:

Stankiewicz, K.

Powiązania:

https://bibliotekanauki.pl/articles/199141.pdf

Data publikacji:

2015

Wydawca:

Instytut Techniki Górniczej KOMAG

Tematy:

trasowanie
samoorganizacja
algorytm roju
sieć sensoryczna
routing
self-organization
swarm algorithm
sensors networks

Opis:

Techniki Internetu Rzeczy (IoT – Internet of Things) oraz komunikacji bezpośredniej Maszyna do Maszyny (M2M - Machine to Machine) coraz mocniej wpływają na strukturę i funkcjonalność systemów sterowania stosowanych w maszynach, kształtując przy tym ideę Przemysłu 4.0 (Industry 4.0). Systemy sterowania zgodne z IoT wykorzystują sieci komunikacyjne, często o dużym stopniu komplikacji, łącząc poszczególne podzespoły, moduły, elementy wykonawcze i sensory. W artykule przedstawiono zagadnienie symulacji samoorganizacji ścieżek komunikacyjnych (trasowanie, routing) w złożonej sieci sensorycznej monitorującej działanie krążników przenośnika taśmowego. Poszczególne sensory tworzące sieć są niezależne i wyposażone w elektroniczny układ pomiarowy oraz transmisyjny MTU (Measuring and Transmitting Unit). W celu utworzenia i optymalizacji ścieżek transmisyjnych, w proponowanej strukturze komunikacyjnej, zaproponowano algorytm klasy SA (Swarm Algorithm) bazujący na zachowaniu roju.
Assumptions of an IoT (Internet of Things) and direct communication M2M (Machine to Machine) got strong influence on the structure and functionality of the control systems of machines, shaping at once an idea of the Industry 4.0 (Industry 4.0). All control systems, in accordance with the IoT, use communication networks, often with a high degree of complexity, combining the various components, modules, actuators and sensors. The paper presents the simulation problem of self-organization communication paths in a complex network of sensory monitoring of operation of the conveyor belt rollers, in which each sensor is equipped with an independent, electronic measuring and transmission unit (MTU). In order to create and optimize the communication structure an algorithm of class SA (Swarm Algorithm), based on the behavior of the swarm, was proposed.

Źródło:

Maszyny Górnicze; 2015, 33, 2; 3-8
0209-3693
2450-9442

Pojawia się w:

Maszyny Górnicze

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 20.

Tytuł:

Optimization of Square-shaped Bolted Joints Based on Improved Particle Swarm Optimization Algorithm

Autorzy:

Chen, Kui
Yang, Cheng
Zhao, Yongsheng
Niu, Peng
Niu, NaNa
Hongchao, Wu

Powiązania:

https://bibliotekanauki.pl/articles/27312779.pdf

Data publikacji:

2023

Wydawca:

Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN

Tematy:

particle swarm optimization algorithm
bolt connection
bolted joint
fractal theory

Opis:

The bolted joint is widely used in heavy-duty CNC machine tools, which has huge influence on working precision and overall stiffness of CNC machine. The process parameters of group bolt assembly directly affect the stiffness of the connected parts. The dynamic model of bolted joints is established based on the fractal theory, and the overall stiffness of joint surface is calculated. In order to improve the total stiffness of bolted assembly, an improved particle swarm optimization algorithm with combination of time-varying weights and contraction factor is proposed. The input parameters are preloading of bolts, fractal dimension, roughness, and object thickness. The main goal is to maximize the global rigidity. The optimization results show that improved algorithm has better convergence, faster calculation speed, preferable results, and higher optimization performance than standard particle swarm optimization algorithm. Moreover, the global rigidity optimization is achieved.

Źródło:

Eksploatacja i Niezawodność; 2023, 25, 3; art. no. 168487
1507-2711

Pojawia się w:

Eksploatacja i Niezawodność

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 21.

Tytuł:

Modelling Microcystis Cell Density in a Mediterranean Shallow Lake of Northeast Algeria (Oubeira Lake), Using Evolutionary and Classic Programming

Autorzy:

Arif, Salah
Djellal, Adel
Djebbari, Nawel
Belhaoues, Saber
Touati, Hassen
Guellati, Fatma Zohra
Bensouilah, Mourad

Powiązania:

https://bibliotekanauki.pl/articles/2174666.pdf

Data publikacji:

2023

Wydawca:

Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH

Tematy:

microcystis cell density
Multiple Linear Regression
Support Vector Machine
Particle Swarm Optimization
Genetic Algorithm
Bird Swarm Algorithm

Opis:

Caused by excess levels of nutrients and increased temperatures, freshwater cyanobacterial blooms have become a serious global issue. However, with the development of artificial intelligence and extreme learning machine methods, the forecasting of cyanobacteria blooms has become more feasible. We explored the use of multiple techniques, including both statistical [Multiple Regression Model (MLR) and Support Vector Machine (SVM)] and evolutionary [Particle Swarm Optimization (PSO), Genetic Algorithm (GA), and Bird Swarm Algorithm (BSA)], to approximate models for the prediction of Microcystis density. The data set was collected from Oubeira Lake, a natural shallow Mediterranean lake in the northeast of Algeria. From the correlation analysis of ten water variables monitored, six potential factors including temperature, ammonium, nitrate, and ortho-phosphate were selected. The performance indices showed; MLR and PSO provided the best results. PSO gave the best fitness but all techniques performed well. BSA had better fitness but was very slow across generations. PSO was faster than the other techniques and at generation 20 it passed BSA. GA passed BSA a little further, at generation 50. The major contributions of our work not only focus on the modelling process itself, but also take into consideration the main factors affecting Microcystis blooms, by incorporating them in all applied models.

Źródło:

Geomatics and Environmental Engineering; 2023, 17, 2; 31--68
1898-1135

Pojawia się w:

Geomatics and Environmental Engineering

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 22.

Tytuł:

Stochastic Movement Swarm Performing a Coverage Task with Physical Parameters
Stochastyczny ruch roju wykonujący zadanie przeszukiwania z uwzględnieniem parametrów fizycznych

Autorzy:

Falkowski, Krzysztof
Duda, Michał

Powiązania:

https://bibliotekanauki.pl/articles/2135005.pdf

Data publikacji:

2022

Wydawca:

Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego

Tematy:

swarms
swarm algorithm
sweep coverage
coverage task
optimisation
stochastic movement
algorytm roju
zasięg przemiatania
zadanie pokrycia
optymalizacja
ruch stochastyczny

Opis:

This paper describes an attempt of implementing physical parameters into a virtual swarm algorithm solution. It defines which physical parameters of the single object need to be known to properly transfer a virtual algorithm into a physical system. Considerations have been based on a stochastic movement swarm performing a coverage task. Time to finish the task and energy consumptions were measured for different numbers of drones in a swarm allowing to designate an optimal size of the swarm. Additional tests for changing variables allowed us to determine their impact on the swarm performance. The presented algorithm is a discrete-time solution, and every test is divided into steps. Positions of the drones are calculated only in time corresponding to these steps. Their position is unknown between these steps and the algorithm does not check if the paths of two drones cross between subsequent positions. The lower the time interval, the more precise results, but simulating the test requires more computing power. Further work should consider the smallest possible time intervals or additional feature to check if the paths of the drones do not cross.
W artykule opisano próbę implementacji parametrów fizycznych do rozwiązania algorytmu wirtualnego roju. Określono, które parametry fizyczne pojedynczego obiektu muszą być znane, aby poprawnie przenieść wirtualny algorytm do systemu fizycznego. Rozważania oparto na stochastycznym roju ruchu wykonującym zadanie przeszukiwania. Zmierzono czas wykonania zadania i zużycie energii dla różnej liczby dronów w roju, co pozwoliło na wyznaczenie optymalnej wielkości roju. Dodatkowe testy zmieniających się zmiennych pozwoliły określić ich wpływ na wydajność roju. Przedstawiony algorytm jest rozwiązaniem dyskretnym i z każdym testem jest podzielony na kroki. Pozycje dronów są obliczane tylko w czasie odpowiadającym tym krokom. Ich pozycja między tymi krokami jest nieznana, a algorytm nie sprawdza, czy ścieżki dwóch dronów przecinają się między kolejnymi pozycjami. Im krótszy odstęp czasu, tym dokładniejsze wyniki, ale symulacja testu wymaga większej mocy obliczeniowej. Dalsze prace powinny uwzględniać możliwie najmniejsze odstępy czasu lub dodatkową funkcję do sprawdzenia jeśli ścieżki dronów się nie przecinają.

Źródło:

Problemy Mechatroniki : uzbrojenie, lotnictwo, inżynieria bezpieczeństwa; 2022, 13, 3 (49); 9--26
2081-5891

Pojawia się w:

Problemy Mechatroniki : uzbrojenie, lotnictwo, inżynieria bezpieczeństwa

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 23.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 24.

Tytuł:

Intelligent self-powered sensors in the state-of-the-art control systems of mining machines
Inteligentne sensory samozasilające w nowoczesnych systemach sterowania maszyn górniczych

Autorzy:

Jasiulek, D.
Stankiewicz, K.
Woszczyński, M.

Powiązania:

https://bibliotekanauki.pl/articles/220125.pdf

Data publikacji:

2016

Wydawca:

Polska Akademia Nauk. Czytelnia Czasopism PAN

Tematy:

odzysk energii z użyciem piezoelektryków
górnictwo
czujnik
termogenerator
algorytm roju
piezoelectric energy harvesters
coal mining
sensor
energy harvesting
thermoelectric generator
swarm algorithm

Opis:

Perspectives of development of control system dedicated for areas threatened by methane and/or coal dust explosion hazard are presented. Development of self-powered sensors, dedicated for operation in wireless network is one of the development directions. Such a solution will complement typical control systems and it can be used in the places, where there is no possibility of using the typical sensors, in close vicinity to the machine – due to lack of wired connection. General concept of the self-powered sensors with use of two methods of power supply – piezoelectric energy harvester and thermoelectric generator, is given. Perspective of using the methods of artificial intelligence in automatic configuration of sensors network is suggested.
W artykule przedstawiono perspektywy rozwoju systemów sterowania dedykowanych do przestrzeni zagrożonych wybuchem metanu i/lub pyłu węglowego. Jednym z kierunków rozwoju tych systemów jest opracowanie systemu czujników samozasilających, dedykowanych do pracy w sieciach bezprzewodowych. Rozwiązanie takie będzie stanowić uzupełnienie typowych układów sterowania, możliwe do zastosowania w miejscach, w których nie istnieje możliwość zainstalowania czujników konwencjonalnych lub w bezpośrednim otoczeniu maszyny, w przypadku braku możliwości połączenia przewodowego. W artykule została przedstawiona ogólna koncepcja sieci czujników samozasilających z uwzględnieniem dwóch metod zasilania – z zastosowaniem piezoelectric energy harvester (odzysk energii z użyciem piezoelektryków) oraz termogeneratorów. Przedstawiona została również perspektywa zastosowania metod sztucznej inteligencji w automatycznej konfiguracji złożonej sieci komunikacyjnej obejmującej przedmiotowe oczujnikowanie.

Źródło:

Archives of Mining Sciences; 2016, 61, 4; 907-915
0860-7001

Pojawia się w:

Archives of Mining Sciences

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 25.

Tytuł:

Computer-aided system for layout of fire hydrants on boards designed vessel using the Particle Swarm Optimization algorithm

Autorzy:

Gomułka, Piotr

Powiązania:

https://bibliotekanauki.pl/articles/34600515.pdf

Data publikacji:

2023

Wydawca:

Politechnika Gdańska. Wydział Inżynierii Mechanicznej i Okrętownictwa

Tematy:

ship
fire hydrant
design
layout
particle swarm optimization

Opis:

The functional layout of fire safety equipment in technical spaces of ships is a time-consuming process. When designing a ship fire protection system, the designer must manually position each system component in such a way as to meet the requirements of regulations arising from the technical specification, various legal regulations of maritime conventions and classification societies of the vessel to be designed. Layout of fire hydrants assisted by a computer that is based on pre-defined criteria and various constraints could significantly support the designer in working easier and faster. This paper presents a prototype computer-aided design system that enables optimal placement of fire hydrants using the metaheuristic Particle Swarm Optimization (PSO) algorithm. This algorithm was used in Rhinoceros 3D software with its Grasshopper plugin for visualizing the arrangement of fire safety equipment. Various solution arrangements compared with the fire hydrant placement in real ships are illustrated by a case study. Demonstrating how design work can be facilitated and what potential benefits can be achieved are presented as well.

Źródło:

Polish Maritime Research; 2023, 4; 4-16
1233-2585

Pojawia się w:

Polish Maritime Research

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 26.

Tytuł:

Research on the mill feeding system of an elastic variable universe fuzzy control based on particle swarm optimization algorithm

Autorzy:

Tian, Niu
Huang, Songwei
He, Lifang
Du, Lingpan
Yang, Sheping
Huang, Bin

Powiązania:

https://bibliotekanauki.pl/articles/24085898.pdf

Data publikacji:

2023

Wydawca:

Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej

Tematy:

fuzzy control
contraction-expansion factor
particle swarm optimization

Opis:

The grinding process in the concentrator is a part of the largest energy consumption, but also the most likely to cause a waste of resources, so the optimization of the grinding process is a very important link.The traditional fuzzy controller relies solely on the expert knowledge summary to construct control rules, which can cause significant steady-state errors in the model. In order to solve the above problem, this paper proposes an elastic variable universe fuzzy control based on Particle Swarm Optimization (PSO) algorithm. The elastic universe fuzzy control model does not need precise fuzzy rules, but only needs to input the general trend of the rules, and the division of the universe is performed by the contraction-expansionfactor. The control performance is directly related to the contraction-expansionfactor, so this article also proposes using particle swarm optimization to optimize the scaling factor to achieve the optimal value. Finally, simulation models of traditional fuzzy control and elastic universe fuzzy control of feeding system of mill were built using Python to verify the control effect. Itssimulation results show that the time of the reaction of the fuzzy control system in the elastic variable theory universe based on particle swarm optimization was shorter by 34.48% comparing to the traditional one. Elastic variable universe fuzzy control based on particle swarm optimization (PSO) effectively improved the control accuracy of the mill feeding system and improved the response speed of the system to a certain extent.

Źródło:

Physicochemical Problems of Mineral Processing; 2023, 59, 3; art. no. 169942
1643-1049
2084-4735

Pojawia się w:

Physicochemical Problems of Mineral Processing

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 27.

Tytuł:

Problem strojenia algorytmu optymalizacji rojem cząstek w optymalizacji ciągłej
The problem of tuning the particle swarm optimization algorithm in continuous optimization

Autorzy:

Mrozek, Adam
Badura, Dariusz

Powiązania:

https://bibliotekanauki.pl/articles/592187.pdf

Data publikacji:

2018

Wydawca:

Uniwersytet Ekonomiczny w Katowicach

Tematy:

Optymalizacja
Optymalizacja rojem cząstek
Strojenie
Optimization
Particle Swarm Optimization
Tuning

Opis:

Optymalizacja wybranego zagadnienia, polegająca na znalezieniu analitycznego rozwiązania wyznaczającego ekstremum opisującego to zagadnienie funkcji, jest bardzo często złożona. Analityczne rozwiązanie staje się czasem niemożliwe, szczególnie w przypadku, gdy funkcja jest sformułowana w sposób uwikłany. W wielu przypadkach nie istnieją też metody automatycznego rozwiązywania takich formuł. Do rozwiązywania wielu problemów optymalizacyjnych skutecznym narzędziem okazała się optymalizacja rojem cząstek (ang. Particle Swarm Optimization, PSO). Sam algorytm bywa także stosowany jako część innych niedeterministycznych algorytmów, tworząc konstrukcje hybrydowe. Biorąc pod uwagę skuteczność znajdowania rozwiązania, wśród innych podobnych metod optymalizacji algorytm PSO nie plasuje się na czołowym miejscu. Stąd liczne próby modyfikacji oraz ustalenia najbardziej optymalnych i uniwersalnych parametrów algorytmu PSO. W artykule przedstawiono wyniki badań efektywności podstawowej wersji algorytmu optymalizacji rojem cząstek (PSO) dla problemów ciągłych o różnej skali złożoności. Autorzy podjęli także próbę oceny kosztu strojenia tego algorytmu dla małych problemów.
The optimization of the chosen issue of finding an analytical solution to determine the extreme describing this function is very often complex. An analytical solution is sometimes impossible, especially when the function is formulated in an entangled way. In many cases, there are no methods for automatically solving such formulas. Optimization of the particle swarm (Particle Swarm Optimization, PSO) has proved to be an effective tool for solving many optimization problems. Hence numerous attempts to modify and determine the most optimal and universal parameters of the PSO algorithm. The algorithm itself is also used as a part of other non-deterministic algorithms to create hybrid constructions. The article presents the results of research on the effectiveness of the basic version of the particle swarm optimization algorithm (PSO) for continuous problems of varying complexity scale. The authors also attempted to evaluate the cost of tuning this algorithm for small problems. The carried out computational experiments confirm the hypotheses advanced.

Źródło:

Studia Ekonomiczne; 2018, 355; 61-80
2083-8611

Pojawia się w:

Studia Ekonomiczne

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 28.

Tytuł:

Studium przypadku skuteczności nowych metod optymalizacji roju w porównaniu do metod znanych

Autorzy:

Baumgart, Jan
Sangho, Belco

Powiązania:

https://bibliotekanauki.pl/articles/41206153.pdf

Data publikacji:

2021

Wydawca:

Uniwersytet Kazimierza Wielkiego w Bydgoszczy

Tematy:

algorytm roju
wzorce
inspirowanie naturą
metaheurystyka
pojedyncze obiektywne problemy optymalizacji
optymalizacja funkcji
algorytmy optymalizacji
swarm algorithm
patterns
inspired by nature
metaheuristics
single objective optimization problems
function optimization
optimization algorithms

Opis:

Porównianie skuteczności nowych metod optymalizacji roju w porównaniu z metodami znanymi w dziedzinie. Inspirowane naturą algorytmy metaheurystyczne stają się coraz bardziej popularne w rozwiązywaniu problemów optymalizacyjnych. Dzięki ich popularności niemal codziennie możemy zobaczyć nowepodejścia i proponowane rozwiązania. W tym artykule przedstawię porównanie, które pokaże kilka najnowszychprac z tej dziedziny w porównaniu z niektórymi algorytmami traktowanymi jako podstawa dziedziny. Głównymcelem było porównanie ostatnio wprowadzonych algorytmów roju i określenie, kiedy nowe rozwiązania są faktycznie szybsze i bardziej precyzyjne. Podsumowując, czy przetestowane nowe podejścia są lepsze niż obecne,dobrze znane i ugruntowane w terenie algorytmy. Algorytmy brane pod uwagę w tej pracy to: Particle SwarmOptimization [5], Artifical Bee Colony [3], Elephant Herding Optimization [7], Whale Optimization [4] i Gras-shopper Optimization [6].Algorytmy uznawane za nowe w tej dziedzinie porównano z dwoma popularnymi idobrze znanymi algorytmami metaheurystycznymi pod względem dokładności znalezionych rozwiązań i szybkości. Zgodnie z wynikami eksperymentów większość porównywanych nowych algorytmów dawała zadowalającewyniki w użytkowaniu.
Comparing the effectiveness of new methods of swarm optimization in comparison with knownmethods. Nature-inspired metaheuristic algorithms are becoming more and more popular in solving optimization problems. Thanks to their popularity, we can see new approaches and proposed solutions almost everyday. In this article, I will present a comparison that will show some of the most recent works in this fieldcompared to some algorithms considered as the basis of the field. The main goal was to compare the recently introduced swarm algorithms and determine when new solutions are actually faster and more precise. Inconclusion, are the new approaches tested better than the current, well-known and field-grounded algorithms?The algorithms considered in this paper are Particle Swarm Optimization, Artifical Bee Colony, Elephant Herding Optimization, Whale Optimization, and Grasshopper Optimization. Algorithms considered new inthis field were compared with two popular and well-known metaheuristic algorithms in terms of accuracy ofsolutions found and speed. According to the experimental results, most of the compared new algorithms gave satisfactory results in use.

Źródło:

Studia i Materiały Informatyki Stosowanej; 2021, 1; 47-50
1689-6300

Pojawia się w:

Studia i Materiały Informatyki Stosowanej

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 29.

Tytuł:

Zastosowanie algorytmu optymalizacji rojem cząstek do znajdowania ekstremów globalnych wybranych funkcji testowych
A particle swarm optimization algorithm for finding global extrema of some benchmark functions

Autorzy:

Figielska, E.
Wiatrak, M.

Powiązania:

https://bibliotekanauki.pl/articles/91471.pdf

Data publikacji:

2015

Wydawca:

Warszawska Wyższa Szkoła Informatyki

Tematy:

optymalizacja rojem cząstek
ekstremum globalne
funkcje testowe
particle swarm optimization (PSO)
global extremum
benchmark functions

Opis:

Praca dotyczy zastosowania algorytmu optymalizacji rojem cząstek do znajdowania ekstremów globalnych dla wybranych funkcji jedno i wielomodalnych. Na podstawie wyników eksperymentu obliczeniowego wyłoniono warianty ustawień parametrów algorytmu zapewniające jego największą skuteczność.
In this paper, we present the particle swarm optimization algorithm for finding the global extrema of several single and multimodal functions. The values of the algorithm parameters which ensure its best performance are determined on the basis of the computational results.

Źródło:

Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki; 2015, 9, 13; 7-19
1896-396X
2082-8349

Pojawia się w:

Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 30.

Tytuł:

A new auto adaptive fuzzy hybrid particle swarm optimization and genetic algorithm

Autorzy:

Dziwiński, Piotr
Bartczuk, Łukasz
Paszkowski, Józef

Powiązania:

https://bibliotekanauki.pl/articles/1837533.pdf

Data publikacji:

2020

Wydawca:

Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych

Tematy:

hybrid methods
Particle Swarm Optimization
Genetic Algorithm
fuzzy systems
multimodal function

Opis:

The social learning mechanism used in the Particle Swarm Optimization algorithm allows this method to converge quickly. However, it can lead to catching the swarm in the local optimum. The solution to this issue may be the use of genetic operators whose random nature allows them to leave this point. The degree of use of these operators can be controlled using a neuro-fuzzy system. Previous studies have shown that the form of fuzzy rules should be adapted to the fitness landscape of the problem. This may suggest that in the case of complex optimization problems, the use of different systems at different stages of the algorithm will allow to achieve better results. In this paper, we introduce an auto adaptation mechanism that allows to change the form of fuzzy rules when solving the optimization problem. The proposed mechanism has been tested on benchmark functions widely adapted in the literature. The results verify the effectiveness and efficiency of this solution.

Źródło:

Journal of Artificial Intelligence and Soft Computing Research; 2020, 10, 2; 95-111
2083-2567
2449-6499

Pojawia się w:

Journal of Artificial Intelligence and Soft Computing Research

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 31.

Tytuł:

Modelling of Curvature of the Railway Track Geometrical Layout Using Particle Swarm Optimization

Autorzy:

Palikowska, Katarzyna Małgorzata

Powiązania:

https://bibliotekanauki.pl/articles/504485.pdf

Data publikacji:

2014

Wydawca:

Międzynarodowa Wyższa Szkoła Logistyki i Transportu

Tematy:

Particle Swarm Optimization algorithm cubic C-Bezier curve
curvature of the railway track layout dynamic interactions
transition curve

Opis:

A method of railway track geometrical layout design, based on an application of cubic C-Bezier curves for describing the layout curvature is presented in the article. The control points of a cubic C-Bezier curve are obtained in an optimization process carried out using Particle Swarm Optimization algorithm. The optimization criteria are based on the evaluation of the dynamic interactions and satisfaction of geometrical design requirements.

Źródło:

Logistics and Transport; 2014, 21, 1; 73-82
1734-2015

Pojawia się w:

Logistics and Transport

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 32.

Tytuł:

Design of a Predictive PID Controller Using Particle Swarm Optimization

Autorzy:

Mustafa, Norhaida
Hashim, Fazida Hanim

Powiązania:

https://bibliotekanauki.pl/articles/1844451.pdf

Data publikacji:

2020

Wydawca:

Polska Akademia Nauk. Czytelnia Czasopism PAN

Tematy:

proportional integral derivative controller
particle swarm optimization (PSO) algorithm
optimization
predictive PID

Opis:

The proportional-integral-derivative (PID) controller is widely used in various industrial applications such as process control, motor drives, magnetic and optical memory, automotive, flight control and instrumentation. PID tuning refers to the generation of PID parameters (Kp, Ki, Kd) to obtain the optimum fitness value for any system. The determination of the PID parameters is essential for any system that relies on it to function in a stable mode. This paper proposes a method in designing a predictive PID controller system using particle swarm optimization (PSO) algorithm for direct current (DC) motor application. Extensive numerical simulations have been done using the Mathwork’s Matlab simulation environment. In order to gain full benefits from the PSO algorithm, the PSO parameters such as inertia weight, iteration number, acceleration constant and particle number need to be carefully adjusted and determined. Therefore, the first investigation of this study is to present a comparative analysis between two important PSO parameters; inertia weight and number of iteration, to assist the predictive PID controller design. Simulation results show that inertia weight of 0.9 and iteration number 100 provide a good fitness achievement with low overshoot and fast rise and settling time. Next, a comparison between the performance of the DC motor with PID-PSO, with PID of gain 1, and without PID were also discussed. From the analysis, it can be concluded that by tuning the PID parameters using PSO method, the best gain in performance may be found. Finally, when comparing between the PID-PSO and its counterpart, the PI-PSO, the PID-PSO controller gives better performance in terms of robustness, low overshoot (0.005%), low minimum rise time (0.2806 seconds) and low settling time (0.4326 seconds).

Źródło:

International Journal of Electronics and Telecommunications; 2020, 66, 4; 737-743
2300-1933

Pojawia się w:

International Journal of Electronics and Telecommunications

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 33.

Tytuł:

Predicting and minimizing the blasting cost in limestone mines using a combination of gene expression programming and particle swarm optimization

Autorzy:

Bastami, Reza
Bazzazi, Abbas Aghajani
Shoormasti, Hadi Hamidian
Ahangari, Kaveh

Powiązania:

https://bibliotekanauki.pl/articles/1853861.pdf

Data publikacji:

2020

Wydawca:

Polska Akademia Nauk. Czytelnia Czasopism PAN

Tematy:

kopalnia wapienia
wybuch detonacyjny
regresja nieliniowa
blasting cost
limestone mine
gene expression programming
non-linear multivariate regression
particle swarm optimization algorithm
environmental impacts

Opis:

Blasting cost prediction and optimization is of great importance and significance to achieve optimal fragmentation through controlling the adverse consequences of the blasting process. By gathering explosive data from six limestone mines in Iran, the present study aimed to develop a model to predict blasting cost, by gene expression programming method. The model presented a higher correlation coefficient (0.933) and a lower root mean square error (1088) comparing to the linear and nonlinear multivariate regression models. Based on the sensitivity analysis, spacing and ANFO value had the most and least impact on blasting cost, respectively. In addition to achieving blasting cost equation, the constraints such as frag-mentation, fly rock, and back break were considered and analyzed by the gene expression programming method for blasting cost optimization. The results showed that the ANFO value was 9634 kg, hole dia-meter 76 mm, hole number 398, hole length 8.8 m, burden 2.8 m, spacing 3.4 m, hardness 3 Mhos, and uniaxial compressive strength 530 kg/cm2 as the blast design parameters, and blasting cost was obtainedas 6072 Rials/ton, by taking into account all the constraints. Compared to the lowest blasting cost among the 146-research data (7157 Rials/ton), this cost led to a 15.2% reduction in the blasting cost and optimal control of the adverse consequences of the blasting process.

Źródło:

Archives of Mining Sciences; 2020, 65, 4; 835-850
0860-7001

Pojawia się w:

Archives of Mining Sciences

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 34.

Tytuł:

A comparative study on multi-swarm optimisation and bat algorithm for unconstrained non linear optimisation problems

Autorzy:

Baidoo, E.
Opoku Oppong, S

Powiązania:

https://bibliotekanauki.pl/articles/117918.pdf

Data publikacji:

2016

Wydawca:

Polskie Towarzystwo Promocji Wiedzy

Tematy:

swarm intelligence
bio-inspired
bat algorithm
multi-swarm optimisation
nonlinear optimisation

Opis:

A study branch that mocks-up a population of network of swarms or agents with the ability to self-organise is Swarm intelligence. In spite of the huge amount of work that has been done in this area in both theoretically and empirically and the greater success that has been attained in several aspects, it is still ongoing and at its infant stage. An immune system, a cloud of bats, or a flock of birds are distinctive examples of a swarm system. In this study, two types of meta-heuristics algorithms based on population and swarm intelligence - Multi Swarm Optimization (MSO) and Bat algorithms (BA) – are set up to find optimal solutions of continuous non-linear optimisation models. In order to analyze and compare perfect solutions at the expense of performance of both algorithms, a chain of computational experiments on six generally used test functions for assessing the accuracy and the performance of algorithms, in swarm intelligence fields are used. Computational experiments show that MSO algorithm seems much superior to BA.

Źródło:

Applied Computer Science; 2016, 12, 4; 59-77
1895-3735

Pojawia się w:

Applied Computer Science

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 35.

Tytuł:

A Comparative Study of PID Controller Tuning Using GA, EP, PSO and ACO

Autorzy:

Nagaraj, B.
Vijayakumar, P.

Powiązania:

https://bibliotekanauki.pl/articles/384767.pdf

Data publikacji:

2011

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów

Tematy:

ant colony algorithm
evolutionary program
genetic algorithm particle swarm optimization and soft computing

Opis:

Proportional - Integral - Derivative control schemes continue to provide the simplest and effective solutions to most of the control engineering applications today. How ever PID controller are poorly tuned in practice with most of the tuning done manually which is difficult and time consuming. This article comes up with a hybrid approach involving Genetic Algorithm (GA), Evolutionary Pro gramming (EP), Particle Swarm Optimization (PSO) and Ant Colony Optimization (ACO). The proposed hybrid algorithm is used to tune the PID parameters and its per formance has been compared with the conventional me thods like Ziegler Nichols and Cohen Coon method. The results obtained reflect that use of heuristic algorithm based controller improves the performance of process in terms of time domain specifications, set point tracking, and regulatory changes and also provides an optimum stability. Speed control of DC motor process is used to assess the efficacy of the heuristic algorithm methodology

Źródło:

Journal of Automation Mobile Robotics and Intelligent Systems; 2011, 5, 2; 42-48
1897-8649
2080-2145

Pojawia się w:

Journal of Automation Mobile Robotics and Intelligent Systems

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 36.

Tytuł:

Multi-Objective Optimization of Squeeze Casting Process using Genetic Algorithm and Particle Swarm Optimization

Autorzy:

Patel, G. C. M.
Krishna, P.
Vundavilli, P. R.
Parappagoudar, M. B.

Powiązania:

https://bibliotekanauki.pl/articles/379601.pdf

Data publikacji:

2016

Wydawca:

Polska Akademia Nauk. Czytelnia Czasopism PAN

Tematy:

squeeze casting process
multi-objective optimization
genetic algorithm
squeeze casting
prasowanie stopu
optymalizacja wielokryterialna
algorytm genetyczny

Opis:

The near net shaped manufacturing ability of squeeze casting process requiresto set the process variable combinations at their optimal levels to obtain both aesthetic appearance and internal soundness of the cast parts. The aesthetic and internal soundness of cast parts deal with surface roughness and tensile strength those can readily put the part in service without the requirement of costly secondary manufacturing processes (like polishing, shot blasting, plating, hear treatment etc.). It is difficult to determine the levels of the process variable (that is, pressure duration, squeeze pressure, pouring temperature and die temperature) combinations for extreme values of the responses (that is, surface roughness, yield strength and ultimate tensile strength) due to conflicting requirements. In the present manuscript, three population based search and optimization methods, namely genetic algorithm (GA), particle swarm optimization (PSO) and multi-objective particle swarm optimization based on crowding distance (MOPSO-CD) methods have been used to optimize multiple outputs simultaneously. Further, validation test has been conducted for the optimal casting conditions suggested by GA, PSO and MOPSO-CD. The results showed that PSO outperformed GA with regard to computation time.

Źródło:

Archives of Foundry Engineering; 2016, 16, 3; 172-186
1897-3310
2299-2944

Pojawia się w:

Archives of Foundry Engineering

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 37.

Tytuł:

Control imrovement of shunt active power filter using an optimized-PI controller based on ant colony algorithm and swarm optimization

Autorzy:

Berbaoui, B.
Ferdi, B.
Benachaiba, C.
Dehini, R.

Powiązania:

https://bibliotekanauki.pl/articles/385137.pdf

Data publikacji:

2010

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów

Tematy:

ant colony optimization
particle swarm optimization (PSO)
shunt active power filter
armonic compensation
PI controller

Opis:

In the last years, there has been a increase currents harmonics on electrical network injected by nonlinear loads, such as rectifier equipment used in telecommunication system, power suppliers, domestic appliances, ect. This paper makes a comparison of the effectiveness of the two methods on particular optimization problem, namely. The tuning of the parameters for PI DC link voltage to a shunt active power filter. The simulation results demonstrates that the optimized PI controller by ant colony (ACO) presents a advantage of little response time and best control performances compared to the optimized PI with Particle swarm (PSO). This comparison is shown on redu cing harmonic current supply (THD).

Źródło:

Journal of Automation Mobile Robotics and Intelligent Systems; 2010, 4, 4; 19-25
1897-8649
2080-2145

Pojawia się w:

Journal of Automation Mobile Robotics and Intelligent Systems

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 38.

Tytuł:

Applications of genetic algorithm and swarm intelligence algorithms to short transfer
Zastosowanie algorytmu genetycznego oraz algorytmów rojowych do estymacji współczynnika wymiany ciepła

Autorzy:

Raszkowski, Tomasz
Samson, Agnieszka

Powiązania:

https://bibliotekanauki.pl/articles/699848.pdf

Data publikacji:

2017

Wydawca:

Łódzkie Towarzystwo Naukowe

Źródło:

Bulletin de la Société des Sciences et des Lettres de Łódź, Série: Recherches sur les déformations; 2017, 67, 3; 103-125
1895-7838
2450-9329

Pojawia się w:

Bulletin de la Société des Sciences et des Lettres de Łódź, Série: Recherches sur les déformations

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 39.

Tytuł:

Optymalizacja natężenia pola elektrycznego linii elektroenergetycznej z wykorzystaniem algorytmu genetycznego i roju cząstek
Optimization of electric field intensity under power transmission line with use of genetic algorithm and particle swarm

Autorzy:

Król, K.
Machczyński, W.

Powiązania:

https://bibliotekanauki.pl/articles/377207.pdf

Data publikacji:

2018

Wydawca:

Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej

Tematy:

natężenie pola elektrycznego
napowietrzna linia elektroenergetyczna
metoda ładunków symulacyjnych
optymalizacja
algorytm genetyczny
algorytm roju cząstek

Opis:

W artykule przedstawiono optymalizację parametrów linii w celu minimalizacji wartości natężenia pola elektrycznego pod napowietrzną linią elektroenergetyczną przy pomocy algorytmu genetycznego (AG) oraz roju cząstek (PSO). Uwzględnia się zmienność rozkładu ładunków wzdłuż przewodów linii oraz zwis przewodów, który aproksymuje się krzywą łańcuchową. W obliczeniach wykorzystano metodę ładunków symulacyjnych (CSM) oraz metodę odbić zwierciadlanych. Przykładowe obliczenia w układzie trójwymiarowym wykonano dla linii jednotorowej 220 kV. Dokonano porównania użytych algorytmów optymalizacyjnych.
The paper presents optimization of line parameters aimed at reducing the intensity of the electric field under overhead power line by taking into account the variation of charge distribution along the conductors as well as sag of overhead line with the use of genetic algorithm (AG) and particle swarm optymalization (PSO). The conductor sag was approximated by chain curve. The charge simulation method (CSM) and the method of images were used in the simulations. Sample calculations in a three-dimensional system were made for 220 kV single - circuit transmission line. A comparison of used optimization algorithms was made.

Źródło:

Poznan University of Technology Academic Journals. Electrical Engineering; 2018, 93; 131-142
1897-0737

Pojawia się w:

Poznan University of Technology Academic Journals. Electrical Engineering

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 40.

Tytuł:

Function optimization using metaheuristics

Autorzy:

Pilski, M.
Seredyński, F.

Powiązania:

https://bibliotekanauki.pl/articles/92887.pdf

Data publikacji:

2006

Wydawca:

Uniwersytet Przyrodniczo-Humanistyczny w Siedlcach

Tematy:

particle swarm optimization (PSO)
artificial immune system
genetic algorithm
function optimization

Opis:

The paper presents the results of comparison of three metaheuristics that currently exist in the problem of function optimization. The first algorithm is Particle Swarm Optimization (PSO) - the algorithm has recently emerged. The next one is based on a paradigm of Artificial Immune System (AIS). Both algorithms are compared with Genetic Algorithm (GA). The algorithms are applied to optimize a set of functions well known in the area of evolutionary computation. Experimental results show that it is difficult to unambiguously select one best algorithm which outperforms other tested metaheuristics.

Źródło:

Studia Informatica : systems and information technology; 2006, 1(7); 77-91
1731-2264

Pojawia się w:

Studia Informatica : systems and information technology

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 41.

Tytuł:

Algorytmy stadne w problemach optymalizacji
Swarm Algorithms in Optimization Problems

Autorzy:

Filipowicz, B.
Kwiecień, J.

Powiązania:

https://bibliotekanauki.pl/articles/274567.pdf

Data publikacji:

2011

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów

Tematy:

optymalizacja nieliniowa
algorytm PSO
algorytm pszczeli
algorytm świetlika
nonlinear optimization
particle swarm optimization (PSO)
bee algorithm
firefly algorithm

Opis:

W artykule przedstawiono zastosowanie algorytmu optymalizacji rojem cząstek, algorytmu pszczelego i algorytmu świetlika do wyznaczenia optymalnego rozwiązania wybranych testowych funkcji ciągłych. Przedstawiono i porównano wyniki badań dla funkcji Rosenbrocka, Rastrigina i de Jonga.
This paper presents particle swarm optimization, bee algorithm and firefly algorithm, used for optimal solution of selected continuous well-known functions. Results of these algorithms are compared to each other on Rosenbrock, Rastrigin and de Jong functions.

Źródło:

Pomiary Automatyka Robotyka; 2011, 15, 12; 152-157
1427-9126

Pojawia się w:

Pomiary Automatyka Robotyka

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 42.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 43.

Tytuł:

ARL-Wavelet-BPF optimization using PSO algorithm for bearing fault diagnosis

Autorzy:

Ahsan, Muhammad
Bismor, Dariusz
Manzoor, Muhammad Arslan

Powiązania:

https://bibliotekanauki.pl/articles/27322619.pdf

Data publikacji:

2023

Wydawca:

Polska Akademia Nauk. Czasopisma i Monografie PAN

Tematy:

signal-to-noise ratio
asymmetric real Laplace wavelet
bandpass filter
particle swarm optimization
spectral kurtosis
fault frequency

Opis:

Rotating element bearings are the backbone of every rotating machine. Vibration signals measured from these bearings are used to diagnose the health of the machine, but when the signal-to-noise ratio is low, it is challenging to diagnose the fault frequency. In this paper, a new method is proposed to enhance the signal-to-noise ratio by applying the Asymmetric Real Laplace wavelet Bandpass Filter (ARL-wavelet-BPF). The Gaussian function of the ARL-wavelet represents an excellent BPF with smooth edges which helps to minimize the ripple effects. The bandwidth and center frequency of the ARL-wavelet-BPF are optimized using the Particle Swarm Optimization (PSO) algorithm. Spectral kurtosis (SK) of the envelope spectrum is employed as a fitness function for the PSO algorithm which helps to track the periodic spikes generated by the fault frequency in the vibration signal. To validate the performance of the ARL-wavelet-BPF, different vibration signals with low signal-to-noise ratio are used and faults are diagnosed.

Źródło:

Archives of Control Sciences; 2023, 33, 3; 589--606
1230-2384

Pojawia się w:

Archives of Control Sciences

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 44.

Tytuł:

Optimizing the Bit-flipping Method for Decoding Low-density Parity-check Codes in Wireless Networks by Using the Artificial Spider Algorithm

Autorzy:

Ghaffoori, Ali Jasim
Abdul-Adheem, Wameedh Riyadh

Powiązania:

https://bibliotekanauki.pl/articles/2055251.pdf

Data publikacji:

2022

Wydawca:

Polska Akademia Nauk. Czytelnia Czasopism PAN

Tematy:

low-density parity-check
LDPC
hard-decision Bit-Flipping
BF
particle swarm optimization
PSO
artificial spider algorithm
ASA

Opis:

In this paper, the performance of Low-Density Parity-Check (LDPC) codes is improved, which leads to reduce the complexity of hard-decision Bit-Flipping (BF) decoding by utilizing the Artificial Spider Algorithm (ASA). The ASA is used to solve the optimization problem of decoding thresholds. Two decoding thresholds are used to flip multiple bits in each round of iteration to reduce the probability of errors and accelerate decoding convergence speed while improving decoding performance. These errors occur every time the bits are flipped. Then, the BF algorithm with a low-complexity optimizer only requires real number operations before iteration and logical operations in each iteration. The ASA is better than the optimized decoding scheme that uses the Particle Swarm Optimization (PSO) algorithm. The proposed scheme can improve the performance of wireless network applications with good proficiency and results. Simulation results show that the ASA-based algorithm for solving highly nonlinear unconstrained problems exhibits fast decoding convergence speed and excellent decoding performance. Thus, it is suitable for applications in broadband wireless networks.

Źródło:

International Journal of Electronics and Telecommunications; 2022, 68, 1; 109--114
2300-1933

Pojawia się w:

International Journal of Electronics and Telecommunications

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 45.

Tytuł:

A novel fuzzy c-regression model algorithm using a new error measure and particle swarm optimization

Autorzy:

Soltani, M.
Chaari, A.
Ben Hmida, F.

Powiązania:

https://bibliotekanauki.pl/articles/330134.pdf

Data publikacji:

2012

Wydawca:

Uniwersytet Zielonogórski. Oficyna Wydawnicza

Tematy:

model rozmyty Takagi-Sugeno
algorytm grupowania
metoda najmniejszych kwadratów
optymalizacja rojem cząstek
Takagi-Sugeno fuzzy models
noise clustering algorithm
fuzzy c-regression model
orthogonal least squares
particle swarm optimization (PSO)

Opis:

This paper presents a new algorithm for fuzzy c-regression model clustering. The proposed methodology is based on adding a second regularization term in the objective function of a Fuzzy C-Regression Model (FCRM) clustering algorithm in order to take into account noisy data. In addition, a new error measure is used in the objective function of the FCRM algorithm, replacing the one used in this type of algorithm. Then, particle swarm optimization is employed to finally tune parameters of the obtained fuzzy model. The orthogonal least squares method is used to identify the unknown parameters of the local linear model. Finally, validation results of two examples are given to demonstrate the effectiveness and practicality of the proposed algorithm.

Źródło:

International Journal of Applied Mathematics and Computer Science; 2012, 22, 3; 617-628
1641-876X
2083-8492

Pojawia się w:

International Journal of Applied Mathematics and Computer Science

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 46.

Tytuł:

Population diversity maintenance in brain storm optimization algorithm

Autorzy:

Cheng, S.
Shi, Y.
Qin, Q.
Zhang, Q
Bai, R.

Powiązania:

https://bibliotekanauki.pl/articles/91571.pdf

Data publikacji:

2014

Wydawca:

Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych

Tematy:

brainstorm
optimization algorithm
convergence
divergence
brainstorm optimization
BSO
swarm intelligence
BSO algorithm

Opis:

The convergence and divergence are two common phenomena in swarm intelligence. To obtain good search results, the algorithm should have a balance on convergence and divergence. The premature convergence happens partially due to the solutions getting clustered together, and not diverging again. The brain storm optimization (BSO), which is a young and promising algorithm in swarm intelligence, is based on the collective behavior of human being, that is, the brainstorming process. The convergence strategy is utilized in BSO algorithm to exploit search areas may contain good solutions. The new solutions are generated by divergence strategy to explore new search areas. Premature convergence also happens in the BSO algorithm. The solutions get clustered after a few iterations, which indicate that the population diversity decreases quickly during the search. A definition of population diversity in BSO algorithm is introduced in this paper to measure the change of solutions’ distribution. The algorithm’s exploration and exploitation ability can be measured based on the change of population diversity. Different kinds of partial reinitialization strategies are utilized to improve the population diversity in BSO algorithm. The experimental results show that the performance of the BSO is improved by part of solutions re-initialization strategies.

Źródło:

Journal of Artificial Intelligence and Soft Computing Research; 2014, 4, 2; 83-97
2083-2567
2449-6499

Pojawia się w:

Journal of Artificial Intelligence and Soft Computing Research

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 47.

Tytuł:

Identification of the Heat Transfer Coefficient in the Inverse Stefan Problem by Using the ABC Algorithm

Autorzy:

Hetmaniok, E.
Słota, D.
Zielonka, A.

Powiązania:

https://bibliotekanauki.pl/articles/382882.pdf

Data publikacji:

2012

Wydawca:

Polska Akademia Nauk. Czytelnia Czasopism PAN

Tematy:

solidification process
foundry industry
application of information technology
Stefan problem
swarm intelligence
ABC algorithm
proces krzepnięcia
przemysł odlewniczy
zastosowanie technologii informatycznych
Problem Stefana
inteligencja roju
algorytm ABC

Opis:

A procedure based on the Artificial Bee Colony algorithm for solving the two-phase axisymmetric one-dimensional inverse Stefan problem with the third kind boundary condition is presented in this paper. Solving of the considered problem consists in reconstruction of the function describing the heat transfer coefficient appearing in boundary condition of the third kind in such a way that the reconstructed values of temperature would be as closed as possible to the measurements of temperature given in selected points of the solid. A crucial part of the solution method consists in minimizing some functional which will be executed with the aid of one of the swarm intelligence algorithms - the ABC algorithm.

Źródło:

Archives of Foundry Engineering; 2012, 12, 2s; 27-32
1897-3310
2299-2944

Pojawia się w:

Archives of Foundry Engineering

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 48.

Tytuł:

Dynamics of Stochastic vs. Greedy Heuristics in Traveling Salesman Problem

Autorzy:

Białogłowski, M.
Staniaszek, M.
Laskowski, W.
Grudniak, M.

Powiązania:

https://bibliotekanauki.pl/articles/91276.pdf

Data publikacji:

2018

Wydawca:

Warszawska Wyższa Szkoła Informatyki

Tematy:

traveling salesman problem
Nearest Neighbor
Monte Carlo
Simulated Annealing
Genetic Algorithm
particle swarm optimization (PSO)

Opis:

We studied the relative performance of stochastic heuristics in order to establish the relations between the fundamental elements of their mechanisms. The insights on their dynamics, abstracted from the implementation details, may contribute to the development of an efficient framework for design of new probabilistic methods. For that, we applied four general optimization heuristics with varying number of hyperparameters to traveling salesman problem. A problem-specific greedy approach (Nearest Neighbor) served as a reference for the results of: Monte Carlo, Simulated Annealing, Genetic Algorithm, and Particle Swarm Optimization. The more robust heuristics – with higher configuration potential, i.e. with more hyperparameters – outperformed the smart ones, being surpassed only by the method specifically designed for the task.

Źródło:

Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki; 2018, 12, 19; 7-24
1896-396X
2082-8349

Pojawia się w:

Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 49.

Tytuł:

Bainite transformation time model optimization for Austempered Ductile Iron with the use of heuristic algorithms

Autorzy:

Olejarczyk-Wożeńska, Izabela
Opaliński, Andrzej
Mrzygłód, Barbara
Regulski, Krzysztof
Kurowski, Wojciech

Powiązania:

https://bibliotekanauki.pl/articles/29520068.pdf

Data publikacji:

2022

Wydawca:

Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH

Tematy:

heuristic optimization
bainite
ADI
Particle Swarm Optimization
Evolutionary Optimization Algorithm

Opis:

The paper presents the application of heuristic optimization methods in identifying the parameters of a model for bainite transformation time in ADI (Austempered Ductile Iron). Two algorithms were selected for parameter optimization – Particle Swarm Optimization and Evolutionary Optimization Algorithm. The assumption of the optimization process was to obtain the smallest normalized mean square error (objective function) between the time calculated on the basis of the identified parameters and the time derived from the experiment. As part of the research, an analysis was also made in terms of the effectiveness of selected methods, and the best optimization strategies for the problem to be solved were selected on their basis.

Źródło:

Computer Methods in Materials Science; 2022, 22, 3; 125-136
2720-4081
2720-3948

Pojawia się w:

Computer Methods in Materials Science

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 50.

Tytuł:

On the efficiency of population-based optimization in finding best parameters for RGB-D visual odometry

Autorzy:

Kostusiak, Aleksander
Skrzypczyński, Piotr

Powiązania:

https://bibliotekanauki.pl/articles/384397.pdf

Data publikacji:

2019

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów

Tematy:

particle swarm optimization (PSO)
evolutionary algorithm
visual odometry
RGB-D

Opis:

Visual odometry estimates the transformations between consecutive frames of a video stream in order to recover the camera’s trajectory. As this approach does not require to build a map of the observed environment, it is fast and simple to implement. In the last decade RGBD cameras proliferated in roboTIcs, being also the sensors of choice for many practical visual odometry systems. Although RGB-D cameras provide readily available depth images, that greatly simplify the frame-to-frame transformations computaTIon, the number of numerical parameters that have to be set properly in a visual odometry system to obtain an accurate trajectory estimate remains high. Whereas seƫng them by hand is certainly possible, it is a tedious try-and-error task. Therefore, in this article we make an assessment of two population-based approaches to parameter opTImizaTIon, that are for long time applied in various areas of robotics, as means to find best parameters of a simple RGB-D visual odometry system. The optimization algorithms investigated here are particle swarm optimization and an evolutionary algorithm variant. We focus on the optimization methods themselves, rather than on the visual odometry algorithm, seeking an efficient procedure to find parameters that minimize the estimated trajectory errors. From the experimental results we draw conclusions as to both the efficiency of the optimization methods, and the role of particular parameters in the visual odometry system.

Źródło:

Journal of Automation Mobile Robotics and Intelligent Systems; 2019, 13, 2; 5-14
1897-8649
2080-2145

Pojawia się w:

Journal of Automation Mobile Robotics and Intelligent Systems

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce