Informacja

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

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "Genetic Algorithm" wg kryterium: Temat

  Lista filtrów

Dostawca treści

Wyrównaj
Wyświetlanie 1-15 z 375
Tytuł:
Application of Genetic Algorithm for Feature Selection in Optimisation of SVMR Model for Prediction of Yarn Tenacity
Zastosowanie algorytmów genetycznych do selekcji cech w optymalizacji modelu maszyn wektorów nośnych dla regresji w aspekcie prognozowania właściwości wytrzymałościowych przędzy
Autorzy:
Abakar, K. A. A.
Yu, C.
Powiązania:
https://bibliotekanauki.pl/articles/231903.pdf
Data publikacji:
2013
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
Tematy:
genetic algorithm
feature selection
support vector machines for regression
yarn properties
algorytm genetyczny
wybór funkcji
maszyny wektorów nośnych dla regresji
właściwości przędzy
Opis:
A proposed hybrid genetic algorithm (GA) approach for feature selection combined with support vector machines for regression (SVMR) was applied in this paper to optimise a data set of fibre properties and predict the yarn tenacity property. This hybrid approach was compared with a noisy model of SVMR that used all the data set of fibre properties as input in the prediction. The GA for feature selection was used as the preprocessing stage that aimed to find and select the best attributes or variables that most effect or are related to the prediction of yarn tenacity. The hybrid approach showed better predictive performance than the noisy model. However, the results indicated the suitability of GA for feature selection in the choice of the best fibre property attributes that give the preferred performance and high accuracy in the prediction of yarn tenacity.
Zaproponowany system hybrydowy łączący algorytmy genetyczne z klasyfikatorem w postaci maszyny wektorów nośnych dla regresji (SVMR) został zastosowany dla zoptymalizowania zestawu danych obejmującego właściwości fizyczne włókien dla prognozowania właściwości wytrzymałościowych przędzy. W tym hybrydowym rozwiązaniu porównano zaproponowany model SVMR z modelem „zaszumionym”, w którym użyto pełny zestaw danych właściwości fizycznych włókien jako danych wejściowych w prognozowaniu. Algorytmy genetyczne w selekcji cech zostały użyte na etapie wstępnego przetwarzania, którego celem było znalezienie i wybranie najlepszych zmiennych, które najefektywniej są powiązane z przewidywaniem wytrzymałości przędzy. Hybrydowe rozwiązanie wykazało lepsze efekty przewidywania wytrzymałości przędzy w porównaniu z modelem „zaszumionym”. Jednakże wyniki badań wykazały, że do realizacji zadania polegającego na wyborze cech z selekcji najkorzystniejszych właściwości włókien bardzo przydatne są również algorytmy genetyczne, które umożliwiają uzyskanie wysokiej dokładności prognozowania wytrzymałości przędzy.
Źródło:
Fibres & Textiles in Eastern Europe; 2013, 6 (102); 95-99
1230-3666
2300-7354
Pojawia się w:
Fibres & Textiles in Eastern Europe
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modeling Pollution Index Using Artificial Neural Network and Multiple Linear Regression Coupled with Genetic Algorithm
Autorzy:
Abdulkareem, Iman Ali
Abbas, Abdulhussain A.
Dawood, Ammar Salman
Powiązania:
https://bibliotekanauki.pl/articles/2068477.pdf
Data publikacji:
2022
Wydawca:
Polskie Towarzystwo Inżynierii Ekologicznej
Tematy:
Shatt Al-Arab river
comprehensive pollution index
multiple linear regression
artificial neural network
genetic algorithm
Opis:
Shatt Al-Arab River in Basrah province, Iraq, was assessed by applying comprehensive pollution index (CPI) at fifteen sampling locations from 2011 to 2020, taking into consideration twelve physicochemical parameters which included pH, Tur., TDS, EC, TH, Na+, K+, Ca+2, Mg+2, Alk., SO4-2, and Cl-. The effectiveness of multiple linear regression (MLR) and artificial neural network (ANN) for predicting comprehensive pollution index was examined in this research. In order to determine the ideal values of the predictor parameters that lead to the lowest CPI value, the genetic algorithm coupled with multiple linear regression (GA-MLR) was used. A multi-layer feed-forward neural network with backpropagation algorithm was used in this study. The optimal ANN structure utilized in this research consisted of three layers: the input layer, one hidden layer, and one output layer. The predicted equation of the comprehensive pollution index was created using the regression technique and used as an objective function of the genetic algorithm. The minimum predicted comprehensive pollution index value recommended by the GA-MLR approach was 0.3777.
Źródło:
Journal of Ecological Engineering; 2022, 23, 3; 236--250
2299-8993
Pojawia się w:
Journal of Ecological Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Design of a linear quadratic regulator based on genetic model reference adaptive control
Autorzy:
Abdullah, Abdullah I.
Mahmood, Ali.
Thanoon, Mohammad A.
Powiązania:
https://bibliotekanauki.pl/articles/27314263.pdf
Data publikacji:
2022
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
model reference adaptive control
gradient approach
Linear Quadratic Regulator
genetic algorithm
Opis:
The conventional control system is a controller that controls or regulates the dynamics of any other process. From time to time, a conventional control system may not behave appropriately online; this is because of many factors like a variation in the dynamics of the process itself, unexpected changes in the environment, or even undefined parameters of the system model. To overcome this problem, we have designed and implemented an adaptive controller. This paper discusses the design of a controller for a ball and beam system with Genetic Model Reference Adaptive Control (GMRAC) for an adaptive mechanism with the MIT rule. Parameter adjustment (selection) should occur using optimization methods to obtain an optimal performance, so the genetic algorithm (GA) will be used as an optimization method to obtain the optimum values for these parameters. The Linear Quadratic Regulator (LQR) controller will be used as it is one of the most popular controllers. The performance of the proposed controller with the ball and beam system will be carried out with MATLAB Simulink in order to evaluate its effectiveness. The results show satisfactory performance where the position of the ball tracks the desired model reference.
Źródło:
Journal of Automation Mobile Robotics and Intelligent Systems; 2022, 16, 3; 75--81
1897-8649
2080-2145
Pojawia się w:
Journal of Automation Mobile Robotics and Intelligent Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Swing-up control of mass body interlinked flexible tether
Sterowanie wychyleniem masywnego ciała na elastycznej uwięzi
Autorzy:
Abdullah, M. A.
Michitsuji, Y.
Takehara, S.
Nagai, M.
Miyajima, N.
Powiązania:
https://bibliotekanauki.pl/articles/139466.pdf
Data publikacji:
2010
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
sterowanie wychyleniem
dynamika układu wieloczłonowego
ciało elastyczne
algorytm genetyczny
uwięź
bezwzględne współrzędne węzłowe
motion control
multibody dynamics
flexible body
genetic algorithm
tether
Absolute Nodal Coordinate Formulation
Opis:
One of the applications of tether system is in the field of satellite technology, where the mother ship and satellite equipment are connected with a cable. In order to grasp the motion of this kind of tether system in detail, the tether can be effectively modeled as flexible body and dealt by multibody dynamic analysis. In the analysis and modeling of flexible body of tether, large deformation and large displacement must be considered. Multibody dynamic analysis such as Absolute Nodal Coordinate Formulation with an introduction of the effect of damping force formulation can be used to describe the motion behavior of a flexible body. In this study, a parameter identification technique via an experimental approach is proposed in order to verify the modeling method. An example of swing-up control using the genetic algorithm control approach is performed through simulation and experiment. The validity of the model and availability of motion control based on multibody dynamics analysis are shown by comparison between numerical simulation and experiment.
Systemy z uwięzią znajdują zastosowanie m.in. w technice satelitarnej, gdzie statek-matka i osprzęt satelitarny są złączone liną. By szczegółowo opisać ruch tego rodzaju układów, można modelować uwięź jako ciało elastyczne i stosować w obliczeniach metodę układów wieloczłonowych. W analizie i modelowaniu ciała podatnego - uwięzi, należy brać pod uwagę znaczne odkształcenia i przemieszczenia. By opisać dynamikę ciała podatnego można wykorzystać metodę układów wieloczłonowych, stosując sformułowanie w bezwzględnych współrzędnych węzłowych (Absolute Nodal Coordinate Formulation) i wprowadzając siły tłumienia. Celem weryfikacji metody modelowania, w przedstawionym studium proponuje się eksperymentalne podejście do identyfikacji parametrów. Przykładowe sterowanie wychyleniem, w którym wykorzystano genetyczny algorytm sterowania, zostało wykonane na drodze symulacji i eksperymentalnie. Zgodność modelu z rzeczywistością i użyteczność sterowania ruchem na podstawie analizy dynamiki układu wieloczłonowego zostały pokazane poprzez porównanie symulacji numerycznej i danych eksperymentalnych.
Źródło:
Archive of Mechanical Engineering; 2010, LVII, 2; 115-131
0004-0738
Pojawia się w:
Archive of Mechanical Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Beam Pattern Optimization Via Unequal Ascending Clusters
Autorzy:
Abdulqader, Ahmed Jameel
Mohammed, Jafar Ramadhan
Ali, Yessar E. Mohammad
Powiązania:
https://bibliotekanauki.pl/articles/2200966.pdf
Data publikacji:
2023
Wydawca:
Instytut Łączności - Państwowy Instytut Badawczy
Tematy:
beam pattern
clustered array
genetic algorithm
sidelobes
Opis:
In this paper, two different architectures based on completely and sectionally clustered arrays are proposed to improve the array patterns. In the wholly clustered arrays, all elements of the ordinary array are divided into multiple unequal ascending clusters. In the sectionally clustered arrays, two types of architectures are proposed by dividing a part of the array into clusters based on the position of specific elements. In the first architecture of sectionally clustered arrays, only those elements that are located on the sides of the array are grouped into unequal ascending clusters, and other elements located in the center are left as individual and unoptimized items (i.e. uniform excitation). In the second architecture, only some of the elements close the center are grouped into unequal ascending clusters, and the side elements were left individually and without optimization. The research proves that the sectionally clustered architecture has many advantages compared to the completely clustered structure, in terms of the complexity of the solution. Simulation results show that PSLL in the side clustered array can be reduced to more than −28 dB for an array of 40 elements. The PSLL was −17 dB in the case of a centrally clustered array, whereas the complexity percentage in the wholly clustered array method was 12 .5 %, while the same parameter for the partially clustered array method equaled 10%.
Źródło:
Journal of Telecommunications and Information Technology; 2023, 1; 1--7
1509-4553
1899-8852
Pojawia się w:
Journal of Telecommunications and Information Technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie regulatora ułamkowego rzędu PD do automatycznego sterowania zamówieniami dla magazynu ze zmiennym w czasie opóźnieniem dostaw
Application of a Fractional Order PD Controller for Automatic Orders Control System for a Warehouse with Time-Varying Deliveries Delay
Autorzy:
Abrahamowicz, E.
Orłowski, P.
Powiązania:
https://bibliotekanauki.pl/articles/275760.pdf
Data publikacji:
2016
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
regulator niecałkowitego rzędu
system magazynowy
układ sterowania
zmienne opóźnienie
układ dyskretny
algorytm genetyczny
fractional order controller
inventory system
control systems
variable delay
discrete-time system
genetic algorithm
Opis:
W pracy zaproponowano wykorzystanie regulatora niecałkowitego rzędu w systemie magazynowym z automatycznym sterowaniem wielkością dostaw. Rozważania oparto na dyskretnym, niestacjonarnym, dynamicznym modelu systemu magazynowego ze zmiennym w czasie opóźnieniem. W układzie sterowania zamówieniami wykorzystano dyskretny regulator niecałkowitego rzędu PDμ, strukturę feedback-feedforward oraz zmodyfikowany predyktor Smitha. Parametry układu regulacji zostały wyznaczone w wyniku optymalizacji z wykorzystaniem algorytmu genetycznego. W celu oceny jakości regulacji zastosowane zostały wskaźniki jakości bazujące na ocenie zajętości powierzchni magazynowej oraz utraconych korzyści. Przedstawione zostały wyniki badań symulacyjnych dla regulatorów całkowitego oraz niecałkowitego rzędu, co umożliwiło dokonanie analizy porównawczej skuteczności działania obu regulatorów.
In the paper a fractional controller is employed in the automatic control warehouse system. A discrete, non-stationary and dynamic model with variable time delay of the inventory system is assumed. The control system uses a discrete fractional order feedback-feedforward PDμ controller with Smith predictor. The parameters of the control system are determined using numerical optimization – genetic algorithm. In order to assess the control quality a two quality indicators are employed. First one bases on an assessment of occupancy of warehouse space and second one the lost benefits. The simulation results are shown for two controllers: fractional controller and for comparison for classical integer order PD controller.
Źródło:
Pomiary Automatyka Robotyka; 2016, 20, 2; 5-10
1427-9126
Pojawia się w:
Pomiary Automatyka Robotyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Multi-combinative strategy to avoid premature convergence in genetically-generated fuzzy knowledge bases
Multikombinacyjna strategia unikania przedwczesnej konwergencji w genetycznie generowanych rozmytych bazach wiedzy
Autorzy:
Achiche, S.
Balazinski, M.
Baron, L.
Powiązania:
https://bibliotekanauki.pl/articles/281997.pdf
Data publikacji:
2004
Wydawca:
Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej
Tematy:
artificial intelligence
fuzzy decision support system
fuzzy knowledge base
learning
premature convergence
genetic algorithm
crossover operators
Opis:
A growing number of industrial fields is concerned by complex and multiobjective problems. For this kind of problems, optimal decision making is critical. Decision support systems using fuzzy logic are often used to deal with complex and large decision making problems. However the main drawback is the need of an expert to manually construct the knowledge base. The use of genetic algorithms proved to be an effective way to solve this problem. Genetic algorithms model the life evolution strategy using the Darwin theory. A main problem in genetic algorithms is the premature convergence, and the last enhancements in order to solve this problem include new multi-combinative reproduction techniques. There are two principal ways to perform multi-combinative reproduction within a genetic algorithm, namely the Multi-parent Recombination, Multiple Crossover on Multiple Parents (MCMP); and the Multiple Crossover Per Couple (MCPC). Both techniques try to take the most of the genetic information contained in the parents. This paper explores the possibility to decrease premature convergence in a real/binary like coded genetic algorithm (RBCGA) used in automatic generation of fuzzy knowledge bases (FKBs). The RBCGA uses several crossover mechanisms applied to the same couple of parents. The crossover are also combined in different ways creating a multiple offspring from the same parent genes. The large family concept and the variation of the crossovers should introduce diversity and variation in otherwise prematurely converged populations and hence, keeping the search process active.
Rosnącej liczbie dziedzin, którymi zainteresowany jest przemysł, towarzyszą złożone zagadnienia wieloobiektowe. Dla takich zagadnień optymalne podejmowanie decyzji jest krytyczne. Często dla wsparcia procesu decyzyjnego w złożonych problemach stosuje się układy logiki rozmytej. Kłopotem pozostaje jednak potrzeba manualnego wygenerowania bazy wiedzy poprzez eksperta. Okazuje się, że pewnym rozwiązaniem tego problemu może być użycie algorytmów genetycznych. Algorytmy takie modelują zagadnienie ewolucyjne na podstawie teorii Darwina. Głównym problemem w algorytmach genetycznych jest przedwczesna konwergencja, której próby wyeliminowania oparto na strategii multikombinowanych technik reprodukcji. Występują zasadniczo dwie drogi realizacji techniki reprodukcji: Multiple Crossover on Multiple Parents (MCMP) oraz Multiple Crossover Per Couple (MCPC). Obydwie metody celują w wykorzystanie jak największej ilości informacji genetycznej od rodziców. W artykule zajęto się możliwością ograniczania przedwczesnej konwergencji w rzeczywistym/binarnym kodzie genetycznym (RBCGA) używanym w automatycznymgenerowaniu rozmytych baz wiedzy (FKBs). Algorytm RBCGA stosuje kilka mechanizmów krzyżowania genów w odniesieniu do tej samej pary rodziców. Mechanizmy te przeróżnie kombinowane pozwalają na wielokrotną kreację potomstwa od tej samej pary rodziców. Koncepcja dużej rodziny i różnicowanie krzyżowania powinny wprowadzić dywersyfikację nowogenerowanych pokoleń, które w przeciwnym razie szybko uległyby konwergencji. Zapobieżenie temu zjawisku poprzez strategię multikombinacyjną utrzymuje proces poszukiwania rozwiązania w stanie aktywnym.
Źródło:
Journal of Theoretical and Applied Mechanics; 2004, 42, 3; 417-444
1429-2955
Pojawia się w:
Journal of Theoretical and Applied Mechanics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A robust algorithm to solve the signal setting problem considering different traffic assignment approaches
Autorzy:
Adacher, L.
Gemma, A.
Powiązania:
https://bibliotekanauki.pl/articles/330229.pdf
Data publikacji:
2017
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
genetic algorithm
surrogate method
traffic signal synchronization
traffic assignment
simulation model
algorytm genetyczny
metoda zastępcza
synchronizacja sygnału ruchu
model symulacji
Opis:
In this paper we extend a stochastic discrete optimization algorithm so as to tackle the signal setting problem. Signalized junctions represent critical points of an urban transportation network, and the efficiency of their traffic signal setting influences the overall network performance. Since road congestion usually takes place at or close to junction areas, an improvement in signal settings contributes to improving travel times, drivers’ comfort, fuel consumption efficiency, pollution and safety. In a traffic network, the signal control strategy affects the travel time on the roads and influences drivers’ route choice behavior. The paper presents an algorithm for signal setting optimization of signalized junctions in a congested road network. The objective function used in this work is a weighted sum of delays caused by the signalized intersections. We propose an iterative procedure to solve the problem by alternately updating signal settings based on fixed flows and traffic assignment based on fixed signal settings. To show the robustness of our method, we consider two different assignment methods: one based on user equilibrium assignment, well established in the literature as well as in practice, and the other based on a platoon simulation model with vehicular flow propagation and spill-back. Our optimization algorithm is also compared with others well known in the literature for this problem. The surrogate method (SM), particle swarm optimization (PSO) and the genetic algorithm (GA) are compared for a combined problem of global optimization of signal settings and traffic assignment (GOSSTA). Numerical experiments on a real test network are reported.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2017, 27, 4; 815-826
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The Unrelated Parallel Machines Scheduling Problem with Machine and Job Dependent Setup Times, Availability Constraints, Time Windows and Maintenance Times
Autorzy:
Agárdi, Anita
Nehéz, Károly
Powiązania:
https://bibliotekanauki.pl/articles/2023961.pdf
Data publikacji:
2021-09
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
production scheduling
parallel machine
setup time
time windows
genetic algorithm
Opis:
Unrelated Parallel Machines Scheduling Problem (U-PMSP) is a category of discrete optimization problems in which various manufacturing jobs are assigned to identical parallel machines at particular times. In this paper, a specific production scheduling task the U-PMSP with Machine and Job Dependent Setup Times, Availability Constraint, Time Windows and Maintenance Times is introduced. Machines with different capacity limits and maintenance times are available to perform the tasks. After that our problem, the U-PMSP with Machine and Job Dependent Setup Times, Availability Constraints, Time Windows and Maintenance Times is detailed. After that, the applied optimization algorithm and their operators are introduced. The proposed algorithm is the genetic algorithm (GA), and proposed operators are the order crossover, partially matched crossover, cycle crossover and the 2-opt as a mutation operator. Then we prove the efficiency of our algorithm with test results. We also prove the efficiency of the algorithm on our own data set and benchmark data set. The authors conclude that this GA is effective for solving high complexity parallel machine problems.
Źródło:
Management and Production Engineering Review; 2021, 13, 3; 15-24
2080-8208
2082-1344
Pojawia się w:
Management and Production Engineering Review
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
New hardware engine for new operating systems
Autorzy:
Ahmadi, N.
Kaveh, M.
Powiązania:
https://bibliotekanauki.pl/articles/11375.pdf
Data publikacji:
2013
Wydawca:
Przedsiębiorstwo Wydawnictw Naukowych Darwin / Scientific Publishing House DARWIN
Tematy:
hardware engine
new system
operating system
genetic algorithm
chromosome
genetic diversity
problem solution
Opis:
Genetic algorithm is a soft computing method that works on set of solutions. These solutions are called chromosome and the best one is the absolute solution of the problem. The main problem of this algorithm is that after passing through some generations, it may be produced some chromosomes that had been produced in some generations ago that causes reducing the convergence speed. From another respective, most of the genetic algorithms are implemented in software and less works have been done on hardware implementation. Our work implements genetic algorithm in hardware that doesn’t produce chromosome that have been produced in previous generations. In this work, most of genetic operators are implemented without producing iterative chromosomes and genetic diversity is preserved. Genetic diversity causes that not only don’t this algorithm converge to local optimum but also reaching to global optimum. Without any doubts, proposed approach is so faster than software implementations. Evaluation results also show the proposed approach is faster than hardware ones.
Źródło:
International Letters of Natural Sciences; 2013, 05
2300-9675
Pojawia się w:
International Letters of Natural Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A logistic optimization for the vehicle routing problem through a case study in the food industry
Autorzy:
Akpinar, Muhammet Enes
Powiązania:
https://bibliotekanauki.pl/articles/1835487.pdf
Data publikacji:
2021
Wydawca:
Wyższa Szkoła Logistyki
Tematy:
vehicle routing problem
time windows
optimization
metaheuristic algorithm
genetic algorithm
trasa pojazdu
okna czasowe
optymalizacja
algorytm metaheurystyczny
algorytm genetyczny
Opis:
In this study, the food delivery problem faced by a food company is discussed. There are seven different regions where the company serves food and a certain number of customers in each region. The time of requesting food for each customer varies according to the shift situation. This type of problem is referred to as a vehicle routing problem with time windows in the literature and the main aim of the study is to minimize the total travel distance of the vehicles. The second aim is to determine which vehicle will follow which route in the region by using the least amount of vehicle according to the desired mealtime. Methods: In this study, genetic algorithm methodology is used for the solution of the problem. Metaheuristic algorithms are used for problems that contain multiple combinations and cannot be solved in a reasonable time. Thus in this study, a solution to this problem in a reasonable time is obtained by using the genetic algorithm method. The advantage of this method is to find the most appropriate solution by trying possible solutions with a certain number of populations. Results: Different population sizes are considered in the study. 1000 iterations are made for each population. According to the genetic algorithm results, the best result is obtained in the lowest population size. The total distance has been shortened by about 14% with this method. Besides, the number of vehicles in each region and which vehicle will serve to whom has also been determined. This study, which is a real-life application, has provided serious profitability to the food company even from this region alone. Besides, there have been improvements at different rates in each of the seven regions. Customers' ability to receive service at any time has maximized customer satisfaction and increased the ability to work in the long term. Conclusions: The method and results used in the study were positive for the food company. However, the metaheuristic algorithm used in this study does not guarantee an optimal result. Therefore, mathematical models or simulation models can be considered in terms of future studies. Besides, in addition to the time windows problem, the pickup problem can also be taken into account and different solution proposals can be developed.
Źródło:
LogForum; 2021, 17, 3; 387-397
1734-459X
Pojawia się w:
LogForum
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
New genetic algorithm based on dissimilarities and similarities
Autorzy:
Al-Jawadi, R.
Studniarski, M.
Younus, A.
Powiązania:
https://bibliotekanauki.pl/articles/305764.pdf
Data publikacji:
2018
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
genetic algorithm
forma analysis
similarity and dissimilarity of chromosomes
chromosome injection
Opis:
Optimization is essential for nding suitable answers to real life problems. In particular, genetic (or more generally, evolutionary) algorithms can provide satisfactory approximate solutions to many problems to which exact analytcal results are not accessible. In this paper we present both theoretical and experimental results on a new genetic algorithm called Dissimilarity and Simlarity of Chromosomes (DSC). This methodology constructs new chromosomes starting with the pairs of existing ones by exploring their dissimilarities and similarities. To demonstrate the performance of the algorithm, it is run on 17 two-dimensional, one four-dimensional and two ten-dimensional optimization problems described in the literature, and compared with the well-known GA, CMA-ES and DE algorithms. The results of tests show the superiority of our strategy in the majority of cases.
Źródło:
Computer Science; 2018, 19 (1); 23-41
1508-2806
2300-7036
Pojawia się w:
Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Cross‐Comparison of Evolutionary Algorithms for Optimizing Design of Sustainable Supply Chain Network under Disruption Risks
Autorzy:
Al-Zuheri, Atiya
Powiązania:
https://bibliotekanauki.pl/articles/2023790.pdf
Data publikacji:
2021
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
comparison
genetic algorithm
particle swarm optimization
sustainable supply chain design
disruption risk
porównanie
algorytm genetyczny
optymalizacja rojem cząstek
projektowanie zrównoważonego łańcucha dostaw
ryzyko zakłóceń
Opis:
Optimization of a sustainable supply chain network design (SSCND) is a complex decision-making process which can be done by the optimal determination of a set of decisions and constraints such as the selection of suppliers, transportation-related facilities and distribution centres. Different optimization techniques have been applied to handle various SSCND problems. Meta- heuristic algorithms are developed from these techniques that are commonly used to solving supply chain related problems. Among them, Genetic algorithms (GA) and particle swarm optimization (PSO) are implemented as optimization solvers to obtain supply network design decisions. This paper aims to compare the performance of these two evolutionary algorithms in optimizing such problems by minimizing the total cost that the system faces to potential disruption risks. The mechanism and implementation of these two evolutionary algorithms is presented in this paper. Also, using an optimization considers ordering, purchasing, inventory, transportation, and carbon tax cost, a numerical real-life case study is presented to demonstrate the validity of the effectiveness of these algorithms. A comparative study for the algorithms performance has been carried out based on the quality of the obtained solution and the results indicate that the GA performs better than PSO in finding lower-cost solution to the addressed SSCND problem. Despite a lot of research literature being done regarding these two algorithms in solving problems of SCND, few studies have compared the optimization performance between GA and PSO, especially the design of sustainable systems under risk disruptions.
Źródło:
Advances in Science and Technology. Research Journal; 2021, 15, 4; 342-351
2299-8624
Pojawia się w:
Advances in Science and Technology. Research Journal
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Improving estimation accuracy of metallurgical performance of industrial flotation process by using hybrid genetic algorithm – artificial neural network (GA-ANN)
Autorzy:
Allahkarami, E.
Salmani Nuri, O.
Abdollahzadeh, A.
Rezai, B.
Maghsoudi, B.
Powiązania:
https://bibliotekanauki.pl/articles/109424.pdf
Data publikacji:
2017
Wydawca:
Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:
artificial neural network
genetic algorithm
prediction
copper flotation
Opis:
In this study, a back propagation feed forward neural network, with two hidden layers (10:10:10:4), was applied to predict Cu grade and recovery in industrial flotation plant based on pH, chemical reagents dosage, size percentage of feed passing 75 μm, moisture content in feed, solid ratio, and grade of copper, molybdenum, and iron in feed. Modeling is performed basing on 92 data sets under different operating conditions. A back propagation training was carried out with initial weights randomly mode that may lead to trapping artificial neural network (ANN) into the local minima and converging slowly. So, the genetic algorithm (GA) is combined with ANN for improving the performance of the ANN by optimizing the initial weights of ANN. The results reveal that the GA-ANN model outperforms ANN model for predicting of the metallurgical performance. The hybrid GA-ANN based prediction method, as used in this paper, can be further employed as a reliable and accurate method, in the metallurgical performance prediction.
Źródło:
Physicochemical Problems of Mineral Processing; 2017, 53, 1; 366-378
1643-1049
2084-4735
Pojawia się w:
Physicochemical Problems of Mineral Processing
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A real-valued genetic algorithm to optimize the parameters of support vector machine for classification of multiple faults in NPP
Autorzy:
Amer, F. Z.
El-Garhy, A. M.
Awadalla, M. H.
Rashad, S. M.
Abdien, A. K.
Powiązania:
https://bibliotekanauki.pl/articles/147652.pdf
Data publikacji:
2011
Wydawca:
Instytut Chemii i Techniki Jądrowej
Tematy:
support vector machine (SVM)
fault classification
multi fault classification
genetic algorithm (GA)
machine learning
Opis:
Two parameters, regularization parameter c, which determines the trade off cost between minimizing the training error and minimizing the complexity of the model and parameter sigma (σ) of the kernel function which defines the non-linear mapping from the input space to some high-dimensional feature space, which constructs a non-linear decision hyper surface in an input space, must be carefully predetermined in establishing an efficient support vector machine (SVM) model. Therefore, the purpose of this study is to develop a genetic-based SVM (GASVM) model that can automatically determine the optimal parameters, c and sigma, of SVM with the highest predictive accuracy and generalization ability simultaneously. The GASVM scheme is applied on observed monitored data of a pressurized water reactor nuclear power plant (PWRNPP) to classify its associated faults. Compared to the standard SVM model, simulation of GASVM indicates its superiority when applied on the dataset with unbalanced classes. GASVM scheme can gain higher classification with accurate and faster learning speed.
Źródło:
Nukleonika; 2011, 56, 4; 323-332
0029-5922
1508-5791
Pojawia się w:
Nukleonika
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 375

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies