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 "Optymalizacja rojem cząstek" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-21 z 21
    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
    Artykuł
    Tytuł:
    Unsupervised classification and particle swarm optimization
    Klasyfikacja nienadzorowana i optymalizacja rojem cząstek
    Autorzy:
    Truszkowski, A.
    Topczewska, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/341179.pdf
    Data publikacji:
    2012
    Wydawca:
    Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
    Tematy:
    klasyfikacja nienadzorowana
    analiza skupień
    optymalizacja rojem cząstek
    unsupervised classification
    clustering
    particle swarm optimization (PSO)
    Opis:
    This article considers three algorithms of unsupervised classification -K-means, Gbest and the Hybrid method, the last two have been proposed in [14]. All three algorithms belong to the class of non-hierarchical methods. At first, the initial split of objects into known in advance number of classes is performed. If it is necessary, some objects are then moved into other clusters to achieve better split - between cluster variation should be much larger than within cluster variation. The first algorithm described in this paper (K-means) is wellknown classical method. The second one (Gbest) is based on the particle swarm intelligence idea. While the third is a hybrid of two mentioned algorithms. Several indices assessing the quality of obtained clusters are calculated.
    W niniejszym artykule porównywane są trzy algorytmy analizy skupień - metoda k-średnich, algorytm gbest oraz metoda hybrydowa. Algorytmy gbest oraz hybrydowy zostały zaproponowane w publikacji [14]. Wszystkie trzy metody nalezą a do rodziny metod niehierarchicznych, w których na początku tworzony jest podział obiektów na znaną z góry liczbę klastrów. Następnie, niektóre obiekty przenoszone są pomiędzy klastrami, by uzyskać jak najlepszy podział - wariancja pomiędzy skupieniami powinna być znacznie większa niż wariancja wewnątrz skupień. Pierwszy algorytm (k-means) jest znaną, klasyczną metodą. Drugi oparty jest na idei inteligencji roju cząstek. Natomiast trzeci jest metodą hybrydową łączącą dwa wymienione wcześniej algorytmy. Do porównania uzyskanych skupień wykorzystano kilka różnych indeksów szacujących jakość otrzymanych skupień.
    Źródło:
    Zeszyty Naukowe Politechniki Białostockiej. Informatyka; 2012, 9; 119-132
    1644-0331
    Pojawia się w:
    Zeszyty Naukowe Politechniki Białostockiej. Informatyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    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
    Artykuł
    Tytuł:
    Scheduling electric power generators using particle swarm optimization combined with the Lagrangian relaxation method
    Autorzy:
    Balci, H. H.
    Valenzuela, J. F.
    Powiązania:
    https://bibliotekanauki.pl/articles/907641.pdf
    Data publikacji:
    2004
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    optymalizacja rojem cząstek
    jednostka wytwórcza
    relaksacja Lagrange'a
    particle swarm optimization (PSO)
    unit commitment
    Lagrange relaxation
    Opis:
    This paper describes a procedure that uses particle swarm optimization (PSO) combined with the Lagrangian Relaxation (LR) framework to solve a power-generator scheduling problem known as the unit commitment problem (UCP). The UCP consists of determining the schedule and production amount of generating units within a power system subject to operating constraints. The LR framework is applied to relax coupling constraints of the optimization problem. Thus, the UCP is separated into independent optimization functions for each generating unit. Each of these sub-problems is solved using Dynamic Programming (DP). PSO is used to evolve the Lagrangian multipliers. PSO is a population based search technique, which belongs to the swarm intelligence paradigm that is motivated by the simulation of social behavior to manipulate individuals towards better solution areas. The performance of the PSO-LR procedure is compared with results of other algorithms in the literature used to solve the UCP. The comparison shows that the PSO-LR approach is efficient in terms of computational time while providing good solutions.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2004, 14, 3; 411-421
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    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
    Artykuł
    Tytuł:
    Coordinated control of phase shifting transformers in the power system
    Skoordynowane sterowanie przesuwnikami fazowymi w systemie elektroenergetycznym
    Autorzy:
    Korab, R.
    Owczarek, R.
    Połomski, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/397322.pdf
    Data publikacji:
    2017
    Wydawca:
    ENERGA
    Tematy:
    power system
    phase shifting transformer
    unscheduled flow
    particle swarm optimisation
    system elektroenergetyczny
    przesuwnik fazowy
    przepływ nieplanowy
    optymalizacja rojem cząstek
    Opis:
    In response to the growing problem of unscheduled flows, more and more transmission system operators in Europe provide their systems with phase shifting transformers (PST). However, the operations of several PSTs deployed close to each other must be coordinated for them to be effective and to avoid their harmful interactions. Coordination of a group of such devices leads to a problem of multidimensional optimisation. This paper presents a method of optimal PST setting based on the particle swarm optimisation (PSO) algorithm. As an optimisation criterion the minimization of unscheduled flow through the given system has been applied. The impact of the number of particles in the swarm and their maximum permissible velocity on the optimisation algorithm’s efficiency was analysed. Results are presented for a 118-node test grid.
    W odpowiedzi na rosnący problem przepływów nieplanowych coraz większa liczba operatorów systemów przesyłowych w Europie wyposaża swoje systemy w przesuwniki fazowe (PST). Jednakże użycie kilku PST zainstalowanych geograficznie lub elektrycznie blisko siebie musi być skoordynowane w celu skutecznego wykorzystania tych urządzeń i uniknięcia ich niekorzystnych interakcji. Koordynacja grupy takich urządzeń prowadzi do problemu optymalizacji wielowymiarowej. W artykule przedstawiono metodę optymalizacji nastaw PST opartą na algorytmie roju cząstek (PSO). Jako kryterium optymalizacji zastosowano minimalizację przepływu nieplanowego przez dany system. Przeanalizowano wpływ liczby cząstek roju oraz ich maksymalnej dozwolonej prędkości na efektywność algorytmu optymalizacji. Przedstawiono wyniki dla sieci testowej zawierającej 118 węzłów.
    Źródło:
    Acta Energetica; 2017, 3; 97-103
    2300-3022
    Pojawia się w:
    Acta Energetica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Feature selection using particle swarm optimization in text categorization
    Autorzy:
    Aghdam, M. H.
    Heidari, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/91792.pdf
    Data publikacji:
    2015
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    classification system
    feature selection
    text categorization
    particle swarm optimization (PSO)
    system klasyfikacji
    wybór funkcji
    kategoryzacja tekstu
    optymalizacja rojem cząstek
    Opis:
    Feature selection is the main step in classification systems, a procedure that selects a subset from original features. Feature selection is one of major challenges in text categorization. The high dimensionality of feature space increases the complexity of text categorization process, because it plays a key role in this process. This paper presents a novel feature selection method based on particle swarm optimization to improve the performance of text categorization. Particle swarm optimization inspired by social behavior of fish schooling or bird flocking. The complexity of the proposed method is very low due to application of a simple classifier. The performance of the proposed method is compared with performance of other methods on the Reuters-21578 data set. Experimental results display the superiority of the proposed method.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2015, 5, 4; 231-238
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A modified particle swarm optimization procedure for triggering fuzzy flip-flop neural networks
    Autorzy:
    Kowalski, Piotr A.
    Słoczyński, Tomasz
    Powiązania:
    https://bibliotekanauki.pl/articles/2055168.pdf
    Data publikacji:
    2021
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    fuzzy neural network
    fuzzy flip-flop neuron
    particle swarm optimization
    training procedure
    sieć neuronowa rozmyta
    optymalizacja rojem cząstek
    procedura szkoleniowa
    Opis:
    The aim of the presented study is to investigate the application of an optimization algorithm based on swarm intelligence to the configuration of a fuzzy flip-flop neural network. Research on solving this problem consists of the following stages. The first one is to analyze the impact of the basic internal parameters of the neural network and the particle swarm optimization (PSO) algorithm. Subsequently, some modifications to the PSO algorithm are investigated. Approximations of trigonometric functions are then adopted as the main task to be performed by the neural network. As a result of the numerical verification of the problem, a set of rules are developed that can be helpful in constructing a fuzzy flip-flop type neural network. The obtained results of the computations significantly simplify the structure of the neural network in relation to similar conditions known from the literature.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2021, 31, 4; 577--586
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Optymalizacja rojowa nastaw przesuwników fazowych w systemie elektroenergetycznym
    Swarm optimization of settings of phase shifting transformers in a power system
    Autorzy:
    Korab, R.
    Owczarek, R.
    Połomski, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/269100.pdf
    Data publikacji:
    2017
    Wydawca:
    Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
    Tematy:
    power system
    phase shifting transformer
    particle swarm optimization (PSO)
    active power losses
    system elektroenergetyczny
    przesuwnik fazowy
    optymalizacja rojem cząstek
    straty mocy czynnej
    Opis:
    W artykule przedstawiono zastosowanie algorytmu rojowego PSO do optymalizacji nastaw grupy przesuwników fazowych w systemie elektroenergetycznym. Jako kryterium optymalizacji zastosowano minimalizację strat mocy czynnej w sieci testowej IEEE 118. Przeanalizowano wpływ maksymalnej dozwolonej prędkości cząstek na efektywność algorytmu optymalizacji. Wyniki badań pokazują ważność tego parametru.
    In response to the growing problem of unscheduled flows, a larger and larger number of transmission system operators in Europe equip their systems with phase shifting transformers (PSTs). PSTs are special transformers which installed in a transmission line enable regulation of the voltage phase angle and thereby change of the active power flow in the line. However, the use of several PSTs installed geographically close to each other must be coordinated in order to efficiently use those devices and avoid their adverse interactions. The coordination of a group of such devices leads to a multidimensional optimization problem. In this paper, the coordination problem was solved by optimization of settings of all analyzed PSTs, based on the swarm algorithm. This approach was examined and tested on an IEEE 118-bus test system. The minimization of active power losses in this system was used as the optimization criterion. The impact of maximum allowed velocity of particles on the effectiveness of the optimization algorithm was analyzed. The result shows that the improved effectiveness of the proposed approach can be obtained by careful selection of this parameter.
    Źródło:
    Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2017, 53; 99-102
    1425-5766
    2353-1290
    Pojawia się w:
    Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
    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:
    Optimization algorithm for number and wells placement
    Algorytm optymalizacji liczby i położenia odwiertów
    Autorzy:
    Łętkowski, Piotr
    Powiązania:
    https://bibliotekanauki.pl/articles/1834980.pdf
    Data publikacji:
    2019
    Wydawca:
    Instytut Nafty i Gazu - Państwowy Instytut Badawczy
    Tematy:
    optimization
    reservoir simulation
    swarm intelligence
    particle swarm optimization (PSO)
    optimal number of wells
    optimal well placement
    optymalizacja
    symulacje złożowe
    inteligencja roju
    optymalizacja rojem cząstek
    optymalna liczba odwiertów
    optymalne położenie odwiertów
    Opis:
    Determination of the optimal number and placement of production wells is crucial for the effective depletion of the hydrocarbon reservoir. Due to the strongly non-linearity of the problem and the occurrence of multiple local minimums in the response function the non-gradient optimization methods in combination with reservoir simulations are most commonly used for its solution. However, it should be noted that most of the research works dedicated to this issue describe the process of placement optimization but not the number of drilling wells assuming that it was arbitrary set. This is partly due to the fact that known and used optimization methods operate on a fixed number of optimization parameters, therefore the number of production wells can not change during the optimization process. The paper is dedicated to the attempt to build an algorithm that allows simultaneous optimization of the number and position of production wells with respect to the discounted profit in a given period of operation. The basic optimization method in the presented algorithm is the Particle Swarm Optimization (PSO) – one of the most effective non-gradient optimization methods that belongs to the group of methods applying the swarm’s intelligence. Taking into account the number of drilling wells in the optimization process means that the algorithm operates on a variable number of parameters. The objective algorithm starts optimization from an arbitrarily set number of producers, reducing it gradually. Efficiency tests conducted on the sample reservoir PUNQ-S3 indicated a satisfactory convergence of the proposed method. The computing program created implements the mechanisms of convergence enhancement by improving the boundary conditions for the optimization method. The minimum separation distance control between production wells was also introduced at the initial stage of optimization process. Although the algorithm is characterized by satisfactory convergence it would be advisable to improve it by using a hybrid method to increase its effectiveness in the local optimization phase and to introduce minimum well spacing during the entire optimization process.
    Określenie optymalnej liczby i położenia odwiertów eksploatacyjnych jest kluczowe dla efektywnej eksploatacji złoża węglowodorowego. Ze względu na silnie nieliniowy charakter problemu oraz występowanie w funkcji odpowiedzi wielokrotnych minimów lokalnych do jego rozwiązania najczęściej wykorzystywane są bezgradientowe metody optymalizacyjne w połączeniu z symulacjami złożowymi. Należy jednak zauważyć, że większość prac poświęconych temu zagadnieniu opisuje proces optymalizacji położenia, a nie liczby odwiertów, przyjmując, że jest ona dana arbitralnie. Wynika to po części z faktu, że znane i stosowane metody optymalizacyjne operują na stałej liczbie parametrów optymalizacyjnych, w związku z czym liczba odwiertów wydobywczych nie może zmieniać się w trakcie procesu optymalizacji. Artykuł jest poświęcony próbie zbudowania algorytmu umożliwiającego równoczesną optymalizację liczby i położenia odwiertów wydobywczych ze względu na zdyskontowany zysk w zadanym okresie eksploatacji. Podstawową metodą optymalizacyjną w prezentowanym algorytmie jest optymalizacja rojem cząstek (ang. PSO) – jedna z najbardziej efektywnych metod optymalizacji bezgradientowej, należąca do grupy metod wykorzystujących inteligencję roju. Próby efektywności metody przeprowadzone na przykładzie złoża testowego PUNQ-S3 wskazały na zadowalającą zbieżność zaproponowanej metody, dla której na początkowym etapie zastosowano kontrolę minimalnej odległości pomiędzy odwiertami. Jakkolwiek algorytm charakteryzuje się zadowalającą zbieżnością, to jednak wskazane byłoby jego udoskonalenie poprzez wykorzystanie metody hybrydowej w celu zwiększenia jego efektywności w fazie optymalizacji lokalnej oraz wprowadzenie kontroli odległości minimalnej w trakcie całego procesu optymalizacji.
    Źródło:
    Nafta-Gaz; 2019, 75, 12; 744-750
    0867-8871
    Pojawia się w:
    Nafta-Gaz
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Hydrology modelling in Taleghan mountainous watershed using SWAT
    Modelowanie hydrologii górskiej zlewni rzeki Taleghan z zastosowaniem modelu SWAT
    Autorzy:
    Noor, H.
    Vafakhah, M.
    Taheriyoun, M.
    Moghadasi, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/292853.pdf
    Data publikacji:
    2014
    Wydawca:
    Instytut Technologiczno-Przyrodniczy
    Tematy:
    auto-calibration
    particle swarm optimization (PSO)
    snow hydrology
    soil and water assessment tool
    Taleghan Dam
    autokalibracja
    hydrologia śniegu
    optymalizacja rojem cząstek (PSO)
    system oceny gleby i wody
    zapora Taleghan
    Opis:
    Mountainous regions in Iran are important sources of surface water supply and groundwater recharge. Therefore, accurate simulation of hydrologic processes in mountains at large scales is important for water resource management and for watershed management planning. Snow hydrology is the more important hydrologic process in mountainous watersheds. Therefore, streamflow simulation in mountainous watersheds is often challenging because of irregular topography and complex hydrological processes. In this study, the Soil and Water Assessment Tool (SWAT) was used to model daily runoff in the Taleghan mountainous watershed (800.5 km2) in west of Tehran, Iran. Most of the precipitation in the study area takes place as snow, therefore, modeling daily streamflow in this river is very complex and with large uncertainty. Model calibration was performed with Particle Swarm Optimization. The main input data for simulation of SWAT including Digital Elevation Model (DEM), land use, soil type and soil properties, and hydro-climatological data, were appropriately collected. Model performance was evaluated both visually and statistically where a good relation between observed and simulated discharge was found. The results showed that the coefficient of determination R2 and the Nash-Sutcliffe coefficient NS values were 0.80 and 0.78, respectively. The calibrated model was most sensitive to snowmelt parameters and CN2 (Curve Number). Results indicated that SWAT can provide reasonable predictions daily streamflow from Taleghan watersheds.
    Górskie regiony Iranu są ważnymi terenami zasilania wód powierzchniowych i podziemnych. Z tego powodu dokładna symulacja procesów hydrologicznych w dużej skali ma znaczenie dla gospodarki zasobami wodnymi i planowania zarządzania zlewnią. Śnieg odgrywa ważną rolę w hydrologii górskich zlewni. Symulacja przepływów w tych zlewniach stanowi więc wyzwanie z powodu nieregularnej rzeźby terenu i skomplikowanych procesów hydrologicznych. W badaniach zastosowano system oceny gleby i wody (SWAT) do modelowania dobowego odpływu z górskiej zlewni Taleghan (800,5 km2) położonej w Iranie na zachód od Teheranu. Większość opadów na obszarze badań stanowi śnieg, dlatego modelowanie dobowego przepływu rzeki jest złożone i obarczone znacznym stopniem niepewności. Optymalizację modelu przeprowadzono metodą roju cząstek (PSO). Zebrano odpowiednie dane wejściowe do symulacji SWAT: cyfrowy model deniwelacji (DEM), dane o użytkowaniu gruntów, typie i właściwościach gleby oraz dane hydrologiczne i klimatyczne. Działanie modelu oceniano zarówno wizualnie, jak i statystycznie. W tym drugim przypadku stwierdzono ścisłą zależność między obserwowanym i symulowanym przepływem wody. Współczynniki determinacji R2 i Nasha-Sutcliffa NS wynosiły odpowiednio 0,80 i 0,78. Wykalibrowany model był najbardziej wrażliwy na parametry topnienia śniegu i CN2. Wyniki badań wykazały, że model SWAT może zapewnić wiarygodne prognozy dobowego przepływu wody w zlewni rzeki Taleghan.
    Źródło:
    Journal of Water and Land Development; 2014, 20; 11-18
    1429-7426
    2083-4535
    Pojawia się w:
    Journal of Water and Land Development
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Early prediction of remaining discharge time for lithium-ion batteries considering parameter correlation between discharge stages
    Wczesne przewidywanie czasu pozostałego do rozładowania baterii litowo-jonowej z uwzględnieniem korelacji parametrów z różnych etapów procesu rozładowania
    Autorzy:
    Yu, Jinsong
    Yang, Jie
    Tang, Diyin
    Dai, Jing
    Powiązania:
    https://bibliotekanauki.pl/articles/1365259.pdf
    Data publikacji:
    2019
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    lithium-ion battery
    parameter correlation
    particle swarm optimization (PSO)
    particle filter
    remaining discharge time prognostics
    bateria litowo-jonowa
    korelacja parametrów
    optymalizacja rojem cząstek
    filtr cząsteczkowy
    prognozowanie czasu do rozładowania
    Opis:
    In this paper, we propose a method for making early predictions of remaining discharge time (RDT) that considers information about future battery discharge process. Instead of analyzing the entire degradation process of a battery, as in the existing literature, we obtain the information about future battery condition by decomposing the discharge model into three stages, according to level of voltage loss. Correlation between model parameters at the first and last stages of discharge process allows the values of model parameters in the future to be used to predict the value of parameters at early stages of discharge. The particle swarm optimization (PSO) and particle filter (PF) algorithms are employed to update parameters when new voltage data is available. A case study demonstrates that the proposed approach predicts RDT more accurately than the benchmark PF-based prediction method, regardless of the degradation period of the battery.
    W pracy zaproponowano metodę wczesnego przewidywania czasu pozostałego do rozładowania baterii (RDT), która uwzględnia informacje na temat przyszłego procesu jej rozładowywania. Zamiast analizować cały proces degradacji baterii, jak to ma miejsce w literaturze przedmiotu, wykorzystano informacje o przyszłym stanie baterii uzyskane na drodze podziału modelu procesu rozładowania na trzy etapy, według poziomu utraty napięcia. Korelacje między parametrami modelu uzyskanymi na pierwszym i ostatnim etapie procesu rozładowania baterii umożliwiają wykorzystanie przyszłych wartości parametrów do przewidywania wartości parametrów we wczesnych etapach rozładowania. Do aktualizacji parametrów zgodnie z napływającymi nowymi danymi napięciowymi wykorzystano algorytm optymalizacji rojem cząstek (PSO) i algorytm filtra cząsteczkowego (PF). Studium przypadku pokazuje, że proponowane podejście pozwala bardziej precyzyjnie prognozować RDT niż metoda prognozowania oparta na PF, niezależnie od okresu degradacji baterii.
    Źródło:
    Eksploatacja i Niezawodność; 2019, 21, 1; 81-89
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    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
    Artykuł
    Tytuł:
    Intelligent financial time series forecasting: A complex neuro-fuzzy approach with multi-swarm intelligence
    Autorzy:
    Li, C.
    Chiang, T. W.
    Powiązania:
    https://bibliotekanauki.pl/articles/331280.pdf
    Data publikacji:
    2012
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    zbiór rozmyty
    system neuronowo-rozmyty
    optymalizacja rojem cząstek
    szereg czasowy
    complex fuzzy set
    complex neuro fuzzy system
    hierarchical multi swarm
    particle swarm optimization (PSO)
    recursive least squares estimator
    time series forecasting
    Opis:
    Financial investors often face an urgent need to predict the future. Accurate forecasting may allow investors to be aware of changes in financial markets in the future, so that they can reduce the risk of investment. In this paper, we present an intelligent computing paradigm, called the Complex Neuro-Fuzzy System (CNFS), applied to the problem of financial time series forecasting. The CNFS is an adaptive system, which is designed using Complex Fuzzy Sets (CFSs) whose membership functions are complex-valued and characterized within the unit disc of the complex plane. The application of CFSs to the CNFS can augment the adaptive capability of nonlinear functional mapping, which is valuable for nonlinear forecasting. Moreover, to optimize the CNFS for accurate forecasting, we devised a new hybrid learning method, called the HMSPSO-RLSE, which integrates in a hybrid way the so-called Hierarchical Multi-Swarm PSO (HMSPSO) and the well known Recursive Least Squares Estimator (RLSE). Three examples of financial time series are used to test the proposed approach, whose experimental results outperform those of other methods.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2012, 22, 4; 787-800
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    One cabin equipment location method based on the visibility human-factor potential field
    Metoda rozmieszczania przyrządów pokładowych oparta na pojęciach potencjałowego pola widoczności oraz potencjałowego pola czynnika ludzkiego
    Autorzy:
    Ge, Z.
    Wu, F.
    Yang, Y.
    Luo, X.
    Powiązania:
    https://bibliotekanauki.pl/articles/301748.pdf
    Data publikacji:
    2015
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    cabin equipment
    human-factor potential field (HFPF)
    visibility potential field(VPF)
    layout optimization
    particle swarm optimization (PSO)
    przyrządy pokładowe
    potencjałowe pole czynnika ludzkiego (HFPF)
    potencjałowe pole widoczności (VPF)
    optymalizacja rozmieszczenia
    optymalizacja rojem cząstek (PSO)
    Opis:
    The visibility is the basic condition for cabin equipment location. For the description of human, object and obstacle, the humanfactor potential field concept is proposed in this paper, concluding the visibility potential field, the reachability potential field. The cabin equipment layout problem is modeled based on the basic visibility potential field model. The optimal layout optimization method is studied based on the particle swarm optimization (PSO) algorithm by natural selection. Finally, the applicability of the proposed idea is illustrated by numerical studies.
    Widoczność jest podstawowym warunkiem przy projektowaniu rozmieszczenia przyrządów pokładowych. W przedstawionej pracy zaproponowano pojęcie potencjałowego pola czynnika ludzkiego (human-factor potential field, HFPF), które służy do opisu czynnika ludzkiego, przedmiotów oraz przeszkód. HFPF obejmuje pojęcia potencjałowego pola widoczności oraz potencjałowego pola dostępu. Problem umiejscowienia elementów wyposażenia kabiny zamodelowano na podstawie podstawowego modelu potencjałowego pola widoczności. Metodę optymalizacji rozmieszczenia elementów wyposażenia badano w oparciu o algorytm optymalizacji rojem cząstek (PSO), metodą naturalnej selekcji. Zastosowanie proponowanej koncepcji zilustrowano na przykładzie badań numerycznych.
    Źródło:
    Eksploatacja i Niezawodność; 2015, 17, 2; 236-242
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Optymalizacja położenia odwiertów wydobywczych ze względu na czas trwania plateau wydobycia
    Well placement optimization for constant production rate
    Autorzy:
    Łętkowski, Piotr
    Powiązania:
    https://bibliotekanauki.pl/articles/31348130.pdf
    Data publikacji:
    2022
    Wydawca:
    Instytut Nafty i Gazu - Państwowy Instytut Badawczy
    Tematy:
    optymalizacja
    symulacje złożowe
    inteligencja roju
    optymalizacja rojem cząstek
    optymalna liczba odwiertów
    optymalne położenie odwiertów
    mapa potencjału produktywności
    optimization
    reservoir simulation
    swarm intelligence
    particle swarm optimization
    optimal number of wells
    optimal well placement
    productivity potential map
    Opis:
    Określenie optymalnego rozmieszczenia odwiertów eksploatacyjnych na złożu węglowodorów jest kluczowe dla jego efektywnej eksploatacji. Tak sformułowane zagadnienie stanowi złożony problem optymalizacyjny, którego rozwiązanie w postaci lokalizacji odwiertów zależy między innymi od sposobu zdefiniowania funkcji celu. W literaturze najczęściej występują dwie postacie funkcji celu: zysk bieżący netto (NPV) oraz sumaryczne wydobycie ropy naftowej. Rzadziej spotykana jest funkcja celu bazująca na równomierności sczerpania złoża. Artykuł jest poświęcony próbie zastosowania funkcji celu opartej na czasie wydobycia ropy ze stałą wydajnością (tzw. plateau). Optymalizację prowadzono dla sumarycznego wydobycia ropy oraz zysku bieżącego netto w czasie trwania fazy plateau. W tym celu zbudowano hybrydowy algorytm optymalizacyjny bazujący na optymalizacji rojem cząstek. Zastosowanie algorytmu hybrydowego łączącego trzy mechanizmy wynikało z jednej strony z konieczności poprawienia skuteczności podstawowej metody optymalizacyjnej, z drugiej zaś miało na celu ograniczenie tzw. przedwczesnej zbieżności. Cele te zostały zrealizowane poprzez wykorzystanie mapy potencjału produktywności oraz wprowadzenie mechanizmu mutacji. Optymalizację prowadzono dla dwóch różnych sposobów sterowania odwiertami: sterowania grupowego ze stałą wydajnością oraz sterowania indywidualnego. Zbudowany algorytm potwierdził efektywność, uzyskując wzrost wartości funkcji celu w stosunku do wartości pierwotnej od 40% do 300%. We wszystkich analizowanych przypadkach algorytm rozmieścił odwierty produkcyjne poprawnie, co do zasady. Odwierty zostały rozmieszczone w strefie ropnej w bezpiecznej odległości zarówno od kontaktu woda–ropa, jak i ropa–gaz, przy czym stwierdzono pewne różnice w zależności od przyjętej funkcji celu. Przeprowadzone symulacje potwierdziły możliwość zastosowania czasu trwania plateau jako funkcji celu dla optymalizacji położenia odwiertów produkcyjnych.
    Determining the optimal placement of production wells in a hydrocarbon reservoir is crucial for the effective exploitation. The problem formulated in this way is a complex optimization problem, the solution of which in the form of the location of the wells depends, inter alia, on the method of defining the objective function. Two forms of the objective function are most often found in the literature. These are the net pay value (NPV) and total oil production. The objective function based on the uniformity of the reservoir depletion is less common. The article is devoted to an attempt to apply the objective function based on the duration of oil production with a constant production rate (the so-called production plateau). The optimization was carried out for the total oil production and for the net pay value for the plateau period. The need to use a hybrid algorithm combining three mechanisms resulted, on the one hand, from the need to improve the effectiveness of the basic optimization method, and on the other hand, to reduce the so-called “premature convergence”. For this purpose, a hybrid optimization algorithm based on particle swarm optimization was built. These goals were achieved through the use of a productivity potential map and a mutation mechanism. Optimization was carried out for two different well control methods: group control with constant production rate and individual well control. The developed algorithm confirmed the effectiveness, obtaining an increase in the value of the objective function in relation to the original value from 40% to 300%. As a rule, the algorithm placed the production wells correctly in all analyzed cases. The well were located in the oil zone at a safe distance from both water-oil and oil-gas contacts, with some differences depending on the target function adopted. The simulations carried out confirmed the possibility of using the plateau duration as a function of the objective for optimizing the location of production wells.
    Źródło:
    Nafta-Gaz; 2022, 78, 8; 598-607
    0867-8871
    Pojawia się w:
    Nafta-Gaz
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Optymalizacja liczby i położenia odwiertów eksploatacyjnych z wykorzystaniem mapy potencjału produktywności
    Optimization of the number and placement of exploitation wells using a productivity potential map
    Autorzy:
    Łętkowski, Piotr
    Powiązania:
    https://bibliotekanauki.pl/articles/31344029.pdf
    Data publikacji:
    2022
    Wydawca:
    Instytut Nafty i Gazu - Państwowy Instytut Badawczy
    Tematy:
    optymalizacja
    symulacje złożowe
    inteligencja roju
    optymalizacja rojem cząstek
    optymalna liczba odwiertów
    optymalne położenie odwiertów
    mapa potencjału produktywności
    optimization
    reservoir simulation
    swarm intelligence
    particle swarm optimization
    optimal number of wells
    optimal well placement
    productivity potential map
    Opis:
    Jednym z podstawowych elementów planu zagospodarowania złoża węglowodorów jest określenie liczby i położenia odwiertów eksploatacyjnych (produkcyjnych i zatłaczających). Należy jednak zauważyć, że zdecydowana większość prac poświęcona temu zagadnieniu opisuje proces optymalizacji położenia, a nie liczby odwiertów, przyjmując, że jest ona zadana arbitralnie. Wynika to z faktu, że znane i stosowane metody optymalizacyjne operują na stałej liczbie parametrów optymalizacyjnych, w związku z czym liczba odwiertów wydobywczych nie może zmieniać się w trakcie procesu optymalizacji. W artykule przedstawiono modyfikację podstawowej metody optymalizacyjnej uwzględniającą zmianę liczby odwiertów w czasie optymalizacji, przy czym optymalizacja położenia i liczby odwiertów przebiega równocześnie. Podstawową metodą optymalizacyjną w skonstruowanym algorytmie jest optymalizacja rojem cząstek (ang. PSO) – jedna z najbardziej efektywnych metod optymalizacji bezgradientowej, należąca do grupy metod stochastycznych. Została ona zmodyfikowana dla potrzeb przyjętego problemu optymalizacyjnego poprzez zmianę postaci funkcji celu oraz wprowadzenie zmiennej progowej, co pozwoliło na operowanie zmienną liczbą odwiertów. W celu poprawienia zbieżności algorytm uzupełniono o mechanizm mutacji oparty na mapie potencjału produktywności. Testy zbieżności metody przeprowadzone na przykładzie złoża testowego PUNQ-S3 wskazały na zadowalającą efektywność zaproponowanego rozwiązania. Algorytm potrzebował 150 iteracji i 750 wywołań funkcji celu, aby 2,5-krotnie zwiększyć początkową wartość NPV przy równoczesnej 3,5-krotnej redukcji liczby odwiertów produkcyjnych. Z kolei zastosowanie algorytmu do optymalizacji liczby i rozmieszczenia odwiertów zatłaczających przy zadanej liczbie konfiguracji odwiertów wydobywczych pozwoliło na zwiększenie zysku netto o 1/3 przy ponad 2-krotnej redukcji liczby odwiertów
    One of the basic elements of the hydrocarbon reservoir development plan is to determine the number and location of production and injection wells. However, it should be noted that most of the research works dedicated to this issue describe the process of placement optimization but not the number of exploitation wells assuming that it was an arbitrary set. This is partly due to the fact that known and used optimization methods operate on a fixed number of optimization parameters, therefore the number of production wells can not change during the optimization process. The paper presents modification of the basic optimization method taking into account the change in the number of wells during optimization. The optimization of the placement and number of wells run simultaneously. The basic optimization method in the constructed algorithm is particle swarm optimization (PSO) – one of the most effective methods of non-gradient optimization, belonging to the group of stochastic methods. It was modified for the needs of the adopted optimization problem by changing the form of the objective function and introducing the threshold variable which allowed to change the number of wells. In order to improve the convergence, the algorithm is supported by a mutation mechanism based on the productivity potential map. The convergence tests carried out based on the example of the PUNQ-S3 benchmark field showed the satisfactory effectiveness of the proposed solution. The algorithm took 150 iterations and 750 objective function calls to increase the starting NPV value by 2.5 times while reducing the number of production wells by 3.5 times. On the other hand, the use of the algorithm to optimize the number and placement of injection wells for a given number of production wells configuration allowed to increase the NPV value profit by 1/3 with a reduction of more than 2 times in the number of wells.
    Źródło:
    Nafta-Gaz; 2022, 78, 12; 861-871
    0867-8871
    Pojawia się w:
    Nafta-Gaz
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Particle swarm-optimized support vector machines and pre-processing techniques for remaining useful life estimation of bearings
    Zastosowanie maszyn wektorów nośnych zoptymalizowanych metodą roju cząstek oraz technik przetwarzania wstępnego do oceny pozostałego okresu użytkowania łożysk
    Autorzy:
    Souto, Maior Caio Bezerra
    das Chagas Moura, Márcio
    Lins, Isis Didier
    Powiązania:
    https://bibliotekanauki.pl/articles/301219.pdf
    Data publikacji:
    2019
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    big data
    vibration signal
    bearings
    remaining useful life
    empirical mode decomposition
    wavelets transform
    support vector machine
    particle swarm optimization (PSO)
    duże dane
    sygnał drgań
    łożyska
    pozostały okres użytkowania
    empiryczna dekompozycja sygnału
    transformata falkowa
    maszyna wektorów nośnych
    optymalizacja rojem cząstek
    Opis:
    The useful life time of equipment is an important variable related to system prognosis, and its accurate estimation leads to several competitive advantage in industry. In this paper, Remaining Useful Lifetime (RUL) prediction is estimated by Particle Swarm optimized Support Vector Machines (PSO+SVM) considering two possible pre-processing techniques to improve input quality: Empirical Mode Decomposition (EMD) and Wavelet Transforms (WT). Here, EMD and WT coupled with SVM are used to predict RUL of bearing from the IEEE PHM Challenge 2012 big dataset. Specifically, two cases were analyzed: considering the complete vibration dataset and considering truncated vibration dataset. Finally, predictions provided from models applying both pre-processing techniques are compared against results obtained from PSO+SVM without any pre-processing approach. As conclusion, EMD+SVM presented more accurate predictions and outperformed the other models.
    Okres użytkowania sprzętu jest ważną zmienną związaną z prognozowaniem pracy systemu, a możliwość jego dokładnej oceny daje zakładom przemysłowym znaczną przewagę konkurencyjną. W tym artykule pozostały czas pracy (Remaining Useful Life, RUL) szacowano za pomocą maszyn wektorów nośnych zoptymalizowanych rojem cząstek (SVM+PSO) z uwzględnieniem dwóch technik przetwarzania wstępnego pozwalających na poprawę jakości danych wejściowych: empirycznej dekompozycji sygnału (Empirical Mode Decomposition, EMD) oraz transformat falkowych (Wavelet Transforms, WT). W niniejszej pracy, EMD i falki w połączeniu z SVM wykorzystano do prognozowania RUL łożyska ze zbioru danych IEEE PHM Challenge 2012 Big Dataset. W szczególności, przeanalizowano dwa przypadki: uwzględniający kompletny zestaw danych o drganiach oraz drugi, biorący pod uwagę okrojoną wersję tego zbioru. Prognozy otrzymane na podstawie modeli, w których zastosowano obie techniki przetwarzania wstępnego porównano z wynikami uzyskanymi za pomocą PSO + SVM bez wstępnego przetwarzania danych. Wyniki pokazały, że model EMD + SVM generował dokładniejsze prognozy i tym samym przewyższał pozostałe badane modele.
    Źródło:
    Eksploatacja i Niezawodność; 2019, 21, 4; 610-618
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie algorytmu optymalizacji rojem cząstek do rozwiązywania układów równań nieliniowych
    Autorzy:
    Prus, Karol
    Figielska, Ewa
    Powiązania:
    https://bibliotekanauki.pl/articles/14115103.pdf
    Data publikacji:
    2023-09
    Wydawca:
    Warszawska Wyższa Szkoła Informatyki
    Tematy:
    Algorytm optymalizacji rojem cząstek
    układy równań nieliniowych
    optymalizacja
    Opis:
    Artykuł dotyczy wykorzystania algorytmu optymalizacji rojem cząstek do rozwiązywania układów równań nieliniowych. Przeprowadzona została eksperymentalna analiza efektywności i skuteczności działania algorytmu w zależności od ustawień jego parametrów.
    Źródło:
    Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki; 2023, 17, 28; 27-40
    1896-396X
    2082-8349
    Pojawia się w:
    Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie algorytmów rojowych do optymalizacji parametrów w modelach układów regulacji
    Application of swarm intelligence algorithms to optimization of control system models
    Autorzy:
    Tomera, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/269153.pdf
    Data publikacji:
    2015
    Wydawca:
    Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
    Tematy:
    algorytmy rojowe
    optymalizacja parametrów
    algorytm mrówkowy
    algorytm sztucznej kolonii pszczół
    algorytm optymalizacji rojem cząstek
    swarm intelligence
    swarm based optimization
    ant colony optimization
    Artificial Bee Colony
    particle swarm optimization (PSO)
    Opis:
    W pracy przedstawione zostały algorytmy rojowe, takie jak: algorytm mrówkowy, zmodyfikowany algorytm mrówkowy, algorytm sztucznej kolonii pszczół oraz algorytm optymalizacji rojem cząstek. Dla tych algorytmów przygotowane zostało oprogramowanie w Matlabie, pozwalające na optymalizację parametrów poszukiwanych modeli matematycznych, wyznaczanych na podstawie przeprowadzonych testów identyfikacyjnych lub na optymalizację parametrów regulatorów zastosowanych w modelach matematycznych układów sterowania.
    The paper presents the 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). Ant colony optimization (ACO) based upon the observation of the behavior of ant colonies looking for food in the surrounding anthill. Feeding ants it is based on finding the shortest path transitions between a food source and the anthill. In the process of foraging ants on their paths crossing from the nest to a food source and back, they leave a pheromone trail. The work presents also the modified ant colony algorithm (MACO). This algorithm is based on searching the solution space surrounded by the best solution obtained in the previous iteration. If you find a local minimum, the proposed algorithm uses pheromone to find a new solution space, while retaining the position information current local minimum. The artificial bee colony algorithm is one of the well-known swarm intelligence algorithms. In the past decade there has been created several different algorithms based on the observation of the behavior of cooperative bees. Among them, the most frequently analyzed and used is bee algorithm proposed in 2005 by Dervis Karaboga and was be used in the proposed paper. The particle swarm optimization algorithm (PSO) is based on adjusting the change speed of the moving particles to a speed of particles movement in the neighborhood. Particle optimization algorithm is one of the computational techniques derived on the basis of swarm behavior such as flocks of birds and schools of fish, which is the basis for the functioning of the exchange of information to enable them to cooperate. It was noticed that the animals in the herd tend to maintain the optimum distance from their neighbors, by appropriate adjustment of their speed. This method allows the synchronous and collision-free motion, often accompanied by sudden changes of direction and due to the rearrangement of the optimal formation. For these algorithms has been prepared the software in Matlab, allowing to optimization of the mathematical models designated on the basis of the carried out identification tests and control parameters used in the mathematical model of the control system.
    Źródło:
    Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2015, 46; 97-102
    1425-5766
    2353-1290
    Pojawia się w:
    Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-21 z 21

      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