Informacja

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

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

Wyszukujesz frazę "genetic optimization algorithm" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 110
Tytuł:
Аналіз теоретичних основ оптимізації портфеля високих технологій
The analysis of theoretical foundations of optimization a high technology room
Autorzy:
Omelianenko, V.A.
Powiązania:
https://bibliotekanauki.pl/articles/692374.pdf
Data publikacji:
2014
Wydawca:
Dnieprowski Uniwersytet Narodowy im. Ołesia Honczara
Tematy:
технологічний портфель
генетичний алгоритм
оптимізація
високі технології
трансфер технологій
technology portfolio
genetic algorithm
optimization
high technology
technology transfer
Opis:
The paper deals with the characteristics of technological portfolio of high-tech enterprises. The main approaches to determine the composition of the portfolio process and the main factors of its formation were analyzed and systematized. The possibility of using genetic algorithms to control the technological portfolio were Identified and offered the theoretical foundations of the optimization of its structure on the basis of resource and innovation criteria
Проаналізовано особливості управління технологічним портфелем високотехнологічних підприємств. Проаналізовано та систематизовано основні підходи до визначення складу технологічного портфеля та основні фактори його формування. Визначено можливості використання генетичних алгоритмів для управління технологічним портфелем та запропоновано теоретичні основи оптимізації його складу на основі ресурсних та інноваційних критеріїв.
Źródło:
European Journal of Management Issues; 2014, 3; 53-61
2519-8564
Pojawia się w:
European Journal of Management Issues
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie metod sztucznej inteligencji w energetyce
The applications of artificial intelligence techniques in energy systems
Autorzy:
Ściążko, A.
Powiązania:
https://bibliotekanauki.pl/articles/276892.pdf
Data publikacji:
2011
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
energetyka
sztuczna inteligencja
sieci neuronowe
algorytmy genetyczne
modelowanie
optymalizacja
odnawialne źródła energii
energy science
artificial intelligence
neural network
genetic algorithm
modeling
optimization
renewable energy
Opis:
Artykuł prezentuje możliwości wykorzystania metod sztucznej inteligencji w energetyce. Zastosowania te można podzielić na trzy grupy: modelowanie, przewidywanie i planowanie (optymalizacja) oraz kontrola procesów. W artykule pokazano typowe przykłady użycia sztucznej inteligencji, charakterystyczne dla każdej z grup. Przedstawiono także możliwe przyszłe wykorzystania tego typu metodologii, w szczególności w inteligentnych systemach elektroenergetycznych - Smart Grid. Druga część artykułu przedstawia i omawia przykład wykorzystania sztucznej inteligencji w modelowaniu systemu elektroenergetycznego, złożonego z następujących elementów: elektrociepłownia geotermalna, źródło geotermalne, miejska sieć ciepłownicza oraz zakład przemysłowy. Zadanie polegało na przygotowaniu modelu komputerowego rozważanego systemu oraz wielokryte-rialnej optymalizacji problemu. Jakość każdego z rozwiązań była oceniana na podstawie dwóch różnych funkcji dopasowania: obliczonej wartości kosztów inwestycyjnych oraz sprawności egzergetycznej systemu. Pokazano w jaki sposób można wykorzystać genetyczny algorytm optymalizacji wielokryterialnej oraz modelowanie zastępcze z wykorzystaniem sztucznej sieci neuronowej do analizy zadanego problemu. Rezultaty optymalizacji zostały zobrazowane na diagramie Pareto, na ich podstawie pokazano kilka typów możliwych rozwiązań projektowych (niewielkie koszty inwestycyjne i niska sprawność, wysokie koszty inwestycyjne ale wysoka sprawność oraz rozwiązanie pośrednie). Dla modelu zastępczego określono jego dokładność oraz dopasowanie do oczekiwanych rezultatów.
Paper presents possible applications of artificial intelligence techniques in the energy science problems. Those applications can be divided into three groups: modeling, predictions and planning (optimization) and process control. Article shows typical examples of use artificial intelligence in each group. Moreover there are presented the future possibilities of application, for example in Smart Grid's problems. Second part of the article introduces the case study of using artificial intelligence techniques in real life problem of analysis of complicated energy system. Its main elements are geothermal power plant, district heating system, industrial plant and electrical grid. The task was to model the system and run the multi criteria optimization. The quality of each solution was graded by the different objective functions: investment cost and energy efficiency. The paper presents multi criteria genetic optimization algorithm and neural network surrogate modeling for given problem. The optimization's results can be found in the Pareto diagram - they show different possible solutions (with low investment cost and low efficiency, with high cost and high efficiency or with mediumvalues). The quality of surrogate model is presented on the regression graph for neural network.
Źródło:
Pomiary Automatyka Robotyka; 2011, 15, 7-8; 53-59
1427-9126
Pojawia się w:
Pomiary Automatyka Robotyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie metod programowania genetycznego w procesie maksymalizacji wydobycia węglowodorów przy zastosowaniu symulatora złożowego
Application of Genetic Programming Methods for the Optimization of Hydrocarbon Production by using a Reservoir Simulator
Autorzy:
Łętkowski, P.
Powiązania:
https://bibliotekanauki.pl/articles/1835296.pdf
Data publikacji:
2017
Wydawca:
Instytut Nafty i Gazu - Państwowy Instytut Badawczy
Tematy:
algorytmy genetyczne
programowanie genetyczne
optymalizacja wydobycia
symulacje złożowe
genetic algorithm
geneting programming
production optimization
filed simulations
Opis:
Artykuł poświęcono zastosowaniu metody programowania genetycznego dla celów optymalizacji wydobycia ropy naftowej na przykładzie testowego złoża węglowodorowego. Prezentowane zagadnienie optymalizacyjne jest prostym przykładem problemu optymalnej kontroli i polega na doborze wydajności wydobycia ropy naftowej w przyjętych przedziałach czasowych w taki sposób, aby w zadanym całkowitym czasie eksploatacji uzyskać maksymalne wydobycie sumaryczne przy minimalnym wydobyciu wody. Problem rozwiązano przy zastosowaniu algorytmu genetycznego, kodującego dozwolone wartości wydajności wydobycia z listy wartości dozwolonych. Z jednej strony działanie takie jest charakterystyczne dla metod programowania genetycznego, zaś z drugiej redukuje istotnie przestrzeń rozwiązań. W artykule zastosowano algorytm genetyczny Hollanda, dla którego zaimplementowano krzyżowanie wielopunktowe oraz adaptację prawdopodobieństw krzyżowania i mutacji na podstawie tzw. współczynnika zróżnicowania populacji. Działanie tak zdefiniowanego mechanizmu adaptacji jest następujące: jeżeli zróżnicowanie populacji rośnie, liniowo zwiększane jest prawdopodobieństwo krzyżowania, a zmniejszane prawdopodobieństwo mutacji; w przeciwnym wypadku (zróżnicowanie populacji maleje) działa mechanizm odwrotny, tzn. zmniejsza się prawdopodobieństwo krzyżowania, a zwiększa prawdopodobieństwo mutacji. Taka metoda z jednej strony gwarantuje różnorodność populacji, z drugiej zaś zapewnia dobrą eksploatację przestrzeni rozwiązań. Przeprowadzono szereg testów mających na celu zweryfikowanie efektywności algorytmu w zależności od liczby punktów krzyżowania (krzyżowanie 1-, 2-, 3-punktowe) oraz długości chromosomu. Wykonane testy wskazują na zadowalającą zbieżność algorytmu, niezależnie od wartości badanych parametrów. Przyjęcie funkcji w określonej postaci spowodowało premiowanie przez algorytm niższych wartości wydobycia, co wynika z nieliniowego przyrostu wydobycia wody dla wyższych wartości wydobycia ropy naftowej.
The paper addresses the problem of oil production optimization by genetic programming methods. The specific example of the problem presented in the paper belongs to the class of, so called, optimal control problems. It consists in finding the time variable rates of oil production that result in the maximum of the total oil production while keeping the total water production at a minimum available level. The problem is solved by a genetic algorithm, that assumes the production rates from the list of the allowable values. This approach typical for genetic programming methods significantly reduces the space of possible solutions. The article uses the Holland genetic algorithm for which multi-point crossing has been implemented and the adaptation of crossing and mutation probabilities based on so the called coefficient of population variability. The adaptive mechanism makes the crossing probability increase and mutation probability decrease for population variability increasing with time, while the crossing probability decrease and mutation probability increase for the variability decreasing with time. This mechanism guarantees the population variability to be at on appropriate level and at the same time, the extrapolation process for the solution space to be effective. Several tests were performed to verify the actual effectiveness of the algorithm for various number of crossing points (1, 2, 3 – crossing points) and chromosome length. Their results show a satisfactory convergence of the method to the final solution independent of the varying parameters values. Adopting a function in a specific form resulted in an algorithm for lower mining values, resulting from a nonlinear increase in water extraction for higher oil production values.
Źródło:
Nafta-Gaz; 2017, 73, 10; 760-767
0867-8871
Pojawia się w:
Nafta-Gaz
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie i porównanie algorytmów metaheurystycznych i optymalizacyjnych w rekonstrukcji konduktancji siatek rezystorów
Applcation and comparasion of metaheuristic and optimization algorithms for reconstruction of conductances in resistive grids
Autorzy:
Zegarmistrz, P.
Galias, Z.
Powiązania:
https://bibliotekanauki.pl/articles/408046.pdf
Data publikacji:
2012
Wydawca:
Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Tematy:
siatka rezystorów
algorytm rekonstrukcji
tomografia rezystancyjna
wyżarzanie symulowane
algorytmy genetyczne
metody optymalizacyjne
resistive grid
reconstruction algorithm
resistance tomography
simulated annealing
genetic algorithms
optimization methods
Opis:
W pracy przedstawiono wyniki analizy algorytmów rekonstrukcji konduktancji prostokątnych siatek rezystorów na podstawie pomiarów brzegowych. Opracowano i zaimplementowano algorytmy rekonstrukcji bazujące na metodach metaheurystcznych (symulowane wyżarzanie, algorytmy genetyczne) oraz optymalizacyjnych. Zaproponowane algorytmy porównano pod względem stabilności numerycznej oraz poprawności uzyskiwanych wyników. Przedstawiono ograniczenia istniejących algorytmów oraz zaproponowano usprawnienia.
The problem of reconstruction of conductances in rectangular resistive grids from boundary measurements is studied. Several reconstruction algorithms based on metaheuristics (simulated annealing, genetic algorithms) and optimization methods are compared in terms of numerical stability and accuracy of the results. Limitations of the algorithms are discussed and several improvements are proposed.
Źródło:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2012, 3; 19-24
2083-0157
2391-6761
Pojawia się w:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie algorytmu genetycznego do rozwiązywania zadań niezawodnościowych dotyczących wielokryterialnych systemów szeregowo-równoległych
An application of genetic algorithm toward solving the reliability problem of multiobjective series-parallel systems
Autorzy:
Zarinchang, A.
Faghih, N.
Zarinchang, J.
Powiązania:
https://bibliotekanauki.pl/articles/301672.pdf
Data publikacji:
2012
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
algorytm genetyczny
optymalizacja wielokryterialna
optymalizacja niezawodności
podział nadmiarowości
systemy szeregowo-równoległe
metoda TOPSIS
multiobjective genetic algorithm
reliability optimization
redundancy apportionment
series-parallel systems
TOPSIS method
Opis:
Ponieważ znalezienie odpowiedniego rozwiązania zadania optymalizacji niezawodnościowej przy wykorzystaniu metod programowania matematycznego uznaje się za trudne, coraz częściej stosuje się do tego celu metody heurystyczne. Algorytm genetyczny do optymalizacji wielokryterialnej (Multiobjective Genetic Algorithm, MGA) jest jedną z metod heurystycznych, stworzoną w celu znajdowania rozwiązań dla systemów szeregowo-równoległych, pozwalającą na uzyskanie maksymalnej niezawodności oraz minimalnych kosztów i ciężaru na poziomie systemu. Zadania takie występują powszechnie w dziedzinie projektowania i konstrukcji systemów mechanicznych i elektrycznych. Wykazano, że MGA pozwala uzyskać odpowiednie rozwiązania tego typu zadań uwzględniając przy tym funkcje celu, takie jak niezawodność, koszty i ciężar. W niniejszej pracy przedstawiono połączenie metody wyszukiwania probabilistycznego oraz jednej z metod rozwiązywania problemów decyzyjnych o nazwie TOPSIS (Technique for Order Preference by Similarity to Ideal Solution). MGA pozwala uzyskać odpowiednie rozwiązania konstrukcyjne dając przy tym znaczną oszczędność czasu w porównaniu z niektórymi innymi metodami. Jednocześnie potraktowanie kosztów i ciężaru jako funkcji celu daje lepsze wyniki w porównaniu do metody wykorzystującej algorytm genetyczny, w której koszty i ciężar rozpatrywane są jako ograniczenia.
Since developing an appropriate solution for reliability optimization problem with mathematical programming methods has been considered as difficult techniques, the heuristic approaches increasingly has been applied. Multiobjectve Genetic Algorithm (MGA) has been among heuristic methods that was developed to find solutions for series-parallel systems to obtain maximum reliability, and minimum cost and weight at the system level. These are very common problems in engineering design such as mechanical and electrical systems. It has been shown that the Multiobjectve Genetic Algorithm offers proper results to these problems while it respects to the several objective functions such as reliability, cost and weight. This paper presents the combination of probabilistic search, and one of the decision making methods called Technique for Order Preference by Similarity to Ideal Solution (TOPSIS). The Multiobjectve Genetic Algorithm, allows us to achieve a proper design solution while it saves a considerable time compared with some other approaches. At the same time as the reliability, cost and weight were chosen as objective functions, the results obtained by this method showed an overall improvement in comparison to the existing GA method considering cost and weight as constraints.
Źródło:
Eksploatacja i Niezawodność; 2012, 14, 3; 243-248
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Weight minimization of spatial trusses with genetic algorithm
Autorzy:
Grzywiński, Maksym
Selejdak, Jacek
Powiązania:
https://bibliotekanauki.pl/articles/103965.pdf
Data publikacji:
2019
Wydawca:
Stowarzyszenie Menedżerów Jakości i Produkcji
Tematy:
weight minimization
space truss
size optimization
shape optimization
genetic algorithm
minimalizacja wagi
kratownica przestrzenna
optymalizacja wielkości
optymalizacja kształtu
algorytm genetyczny
Opis:
A genetic algorithm is proposed to solve the weight minimization problem of spatial truss structures considering size and shape design variables. A very recently developed metaheuristic method called JAYA algorithm (JA) is implemented in this study for optimization of truss structures. The main feature of JA is that it does not require setting algorithm specific parameters. The algorithm has a very simple formulation where the basic idea is to approach the best solution and escape from the worst solution. Analyses of structures are performed by a finite element code in MATLAB. The effectiveness of JA algorithm is demonstrated through benchmark spatial truss 39-bar, and compare with results in references.
Źródło:
Quality Production Improvement - QPI; 2019, 1, 1; 238-243
2657-8603
Pojawia się w:
Quality Production Improvement - QPI
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Use Of Genetic Algorithms in Supply Chain Management. Literature Review and Current Trends
Использование генетических алгоритмов в управлении цепью поставок. Обзор литературы, актуальные тренды
Autorzy:
Stawiński, Piotr
Powiązania:
https://bibliotekanauki.pl/articles/1195683.pdf
Data publikacji:
2013
Wydawca:
Szkoła Główna Handlowa w Warszawie
Tematy:
управление цепью поставок
генетический алгоритм
оптимизация
supply chain management
genetic algorithm
optimization
Opis:
For the past few decades SCM has been one of the main objectives in research and practice. Since that time researchers have developed a lot of methods and procedures which optimized this process. To create an efficient supply chain network the resources and factories must be tightly integrated. The most supply chain network designs have multiple layers, members, periods, products, and comparative resources constraints exist between different layers. Supply chain networks design is related to the problems which are very popular in literature. The subject of this paper is to present the variants, configurations and parameters of genetic algorithm (GA) for solving supply chain network design problems. We focus on references from 2000 to 2011. Furthermore, current trends are introduced and discussed.
Уже несколько десятилетий управление цепью поставок (SCM) является одним из главных направлений исследований и практики. За это время были разработаны многие методы и процедуры оптимизации этого процесса. Чтобы создать эффективную сеть цепи поставок ресурсы и фабрики должны быть тесно интегрированы. SCM обращается к проблемам, которые очень популярны в литературе. Предметом настоящей работы является презентация вариантов конфигурации и параметров генетического алгоритма (GA), используемого для решения проблем с цепью поставок. В настоящей статье представлен обзор литературы за 2000–2011 гг. Креме того обсуждены здесь тренды, касающиеся проблематики SCM.
Źródło:
Edukacja Ekonomistów i Menedżerów; 2013, 27, 1; 167-184
1734-087X
Pojawia się w:
Edukacja Ekonomistów i Menedżerów
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Use of computer assistance in order to designate the tasks in the municipal services companies
Autorzy:
Izdebski, M.
Jacyna, M.
Powiązania:
https://bibliotekanauki.pl/articles/241863.pdf
Data publikacji:
2014
Wydawca:
Instytut Techniczny Wojsk Lotniczych
Tematy:
municipal services companies
transport
optimization
genetic algorithm
verification
Opis:
In this article, the method of designating the tasks in the municipal services companies was described. Presented method consists of three phase: the preparatory phase, the optimization phase and the generated tasks phase. Each phase was characterized. In this paper, the mathematical model of this problem was presented. The function of criterion and the condition on designating the tasks were defined. The minimum route described in the optimization phase was designated by the genetic algorithm. In this paper, the stages of constructing of the genetic algorithm were presented. A structure of the data processed by the algorithm, a function of adaptation, a selection of chromosomes, a crossover, a mutation and an inversion were characterized. A structure of the data was presented as string of natural numbers. In selection process, the roulette method was used and in the crossover, process the operator PMX was presented. The method was verified in programming language C #. The process of verification was divided into two stages. In the first stage, the best parameters of the genetics algorithm were designated. In the second stage, the algorithm was started with these parameters and the result was compared with the random search algorithm. The random search algorithm generates 2000 routes and the best result is compared with the genetic algorithm. The influence of the inversion, the mutation and the crossover on quality of the results was examined.
Źródło:
Journal of KONES; 2014, 21, 2; 105-112
1231-4005
2354-0133
Pojawia się w:
Journal of KONES
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Two stage optimization of the PMSM with excitation system composed of different materials
Autorzy:
Knypiński, Ł.
Nowak, L.
Powiązania:
https://bibliotekanauki.pl/articles/97722.pdf
Data publikacji:
2013
Wydawca:
Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
Tematy:
electric machines
permanent magnet synchronous motor
optimization
genetic algorithm
Opis:
The paper presents the algorithm and software for the optimization of the rotor structure of the permanent magnet synchronous motor with magnet composed of two materials about different magnetic properties. The software consists of two modules: a numerical model of the PMSM motor and an optimization solver. Numerical implementation is based on finite element method. The optimization module has been elaborated employing the Delphi environment. For the rotor structure optimization the genetic algorithm has been applied Selected results of the calculation are presented and discussed.
Źródło:
Computer Applications in Electrical Engineering; 2013, 11; 148-158
1508-4248
Pojawia się w:
Computer Applications in Electrical Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Travel management optimization based on air pollution condition using Markov decision process and genetic algorithm (case study: Shiraz city)
Autorzy:
Bagheri, Mohammad
Ghafourian, Hossein
Kashefiolasl, Morteza
Pour, Mohammad Taghi Sadati
Rabbani, Mohammad
Powiązania:
https://bibliotekanauki.pl/articles/223520.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
air pollution
dynamic optimization
genetic algorithm
Markov decision-making process
zarządzanie transportem
optymalizacja
zanieczyszczenie powietrza
algorytm genetyczny
proces decyzyjny Markowa
Opis:
Currently, air pollution and energy consumption are the main issues in the transportation area in large urban cities. In these cities, most people choose their transportation mode according to corresponding utility including traveller's and trip’s characteristics. Also, there is no effective solution in terms of population growth, urban space, and transportation demands, so it is essential to optimize systematically travel demands in the real network of roads in urban areas, especially in congested areas. Travel Demand Management (TDM) is one of the well-known ways to solve these problems. TDM defined as a strategy that aims to maximize the efficiency of the urban transport system by granting certain privileges for public transportation modes, Enforcement on the private car traffic prohibition in specific places or times, increase in the cost of using certain facilities like parking in congested areas. Network pricing is one of the most effective methods of managing transportation demands for reducing traffic and controlling air pollution especially in the crowded parts of downtown. A little paper may exist that optimize urban transportations in busy parts of cities with combined Markov decision making processes with reward and evolutionary-based algorithms and simultaneously considering customers’ and trip’s characteristics. Therefore, we present a new network traffic management for urban cities that optimizes a multi-objective function that related to the expected value of the Markov decision system’s reward using the Genetic Algorithm. The planned Shiraz city is taken as a benchmark for evaluating the performance of the proposed approach. At first, an analysis is also performed on the impact of the toll levels on the variation of the user and operator cost components, respectively. After choosing suitable values for the network parameters, simulation of the Markov decision process and GA is dynamically performed, then the optimal decision for the Markov decision process in terms of total reward is obtained. The results illustrate that the proposed cordon pricing has significant improvement in performance for all seasons including spring, autumn, and winter.
Źródło:
Archives of Transport; 2020, 53, 1; 89-102
0866-9546
2300-8830
Pojawia się w:
Archives of Transport
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The Use of Heuristic Algorithms to Optimize the Transport Issues on the Example of Municipal Services Companies
Autorzy:
Izdebski, M.
Powiązania:
https://bibliotekanauki.pl/articles/223579.pdf
Data publikacji:
2014
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
municipal services companies
transport
optimization
genetic algorithm
ant algorithm
usługi komunalne
optymalizacja
algorytm genetyczny
Opis:
In this article the main optimization problems in the municipal services companies were presented. These problems concern the issue of vehicle routing. The mathematical models of these problems were described. The function of criterion and the conditions on designating the vehicle routing were defined. In this paper the hybrid algorithm solving the presented problems was proposed. The hybrid algorithm consists of two heuristic algorithms: the ant and the genetic algorithm. In this paper the stages of constructing of the hybrid algorithm were presented. A structure of the data processed by the algorithm, a function of adaptation, a selection of chromosomes, a crossover, a mutation and an inversion were characterized. A structure of the data was presented as string of natural numbers. In selection process the roulette method was used and in the crossover process the operator PMX was presented. This algorithm was verified in programming language C #. The process of verification was divided into two stages. In the first stage the best parameters of the hybrid algorithm were designated. In the second stage the algorithm was started with these parameters and the result was compared with the random search algorithm. The random search algorithm generates 2000 routes and the best result is compared with the hybrid algorithm.
Źródło:
Archives of Transport; 2014, 29, 1; 27-36
0866-9546
2300-8830
Pojawia się w:
Archives of Transport
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The Use of a Global Index of Acoustic Assessment for Predicting Noise in Industrial Rooms and Optimizing the Location of Machinery and Workstations
Autorzy:
Pleban, D.
Powiązania:
https://bibliotekanauki.pl/articles/89745.pdf
Data publikacji:
2014
Wydawca:
Centralny Instytut Ochrony Pracy
Tematy:
noise
machinery
optimization
genetic algorithm
hałas
maszyny
optymalizacja
algorytm genetyczny
Opis:
This paper describes the results of a study aimed at developing a tool for optimizing the location of machinery and workstations. A global index of acoustic assessment of machines was developed for this purpose. This index and a genetic algorithm were used in a computer tool for predicting noise emission of machines as well as optimizing the location of machines and workstations in industrial rooms. The results of laboratory and simulation tests demonstrate that the developed global index and the genetic algorithm support measures aimed at noise reduction at workstations.
Źródło:
International Journal of Occupational Safety and Ergonomics; 2014, 20, 4; 627-638
1080-3548
Pojawia się w:
International Journal of Occupational Safety and Ergonomics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The stress-minimizing hole in a shear-loaded elastic plate at a given energy increment
Autorzy:
Vigdergauz, S.
Powiązania:
https://bibliotekanauki.pl/articles/38694050.pdf
Data publikacji:
2022
Wydawca:
Instytut Podstawowych Problemów Techniki PAN
Tematy:
2D elastostatic problem
Kolosov–Muskhelishvili potentials
stress concentration
factor
shape optimization
effective energy
extremal elastic structures
genetic algorithm
Opis:
Minimization of the peak tangential stresses around a single hole in an infinite 2D elastic plate under remote pure shear and a given hole-induced strain energy level is considered as a free-shape optimization problem under a physical constraint. It is solved by combining a genetic algorithm with the almost analytical, and hence highly accurate stress-strain solver for any finitely parameterized family of closed curves. The results obtained in wide ranges of the governing parameters are detailed and discussed. They may be applicable to the optimal holes design in constructive elements and dilute perforated structures. The current analysis extends the author’s previous publications, which were focused on the unconstrained shape optimization within the same setup.
Źródło:
Archives of Mechanics; 2022, 74, 2-3; 109-126
0373-2029
Pojawia się w:
Archives of Mechanics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The optmization tool supporting supply chain management in the multi-criteria approach
Optymalizacyjne narzędzie wspomagające zarządzanie łańcuchem dostaw w ujęciu wielokryterialnym
Autorzy:
Izdebski, M.
Jacyna-Gołda, I.
Gołębiowski, P.
Plandor, J.
Powiązania:
https://bibliotekanauki.pl/articles/962267.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
optymalizacja wielokryterialna
algorytm genetyczny
infrastruktura transportowa
zarządzanie łańcuchem dostaw
multi-criteria optimization
genetic algorithm
transport infrastructure
supply chain management
Opis:
W artykule przedstawiono nowe narzędzie optymalizacyjne wspierające zarządzanie łańcuchem dostaw w aspekcie wielokryterialnym. To narzędzie zostało wdrożone w systemie EPLOS (Europejski Portal Usług Logistycznych). System EPLOS to zintegrowany system informatyczny wspierający proces tworzenia sieci dostaw i dystrybucji w łańcuchach dostaw. Ten system składa się z wielu modułów, np. moduł optymalizacji odpowiedzialny za przetwarzanie danych, generowanie wyników, moduł danych wejściowych, moduł kalibracji parametrów algorytmu optymalizacyjnego. Głównym celem badań było opracowanie systemu do określania parametrów łańcucha dostaw, które wpływają na jego efektywność w procesie zarządzania przepływem towarów między poszczególnymi ogniwami łańcucha. Parametry te zostały uwzględnione w modelu matematycznym jako zmienne decyzyjne w celu ustalenia ich w procesie optymalizacji. W modelu matematycznym zdefiniowano dane wejściowe adekwatne do analizowanego problemu, przedstawiono główne ograniczenia związane z wyznaczaniem efektywnego sposobu zarządzania łańcuchem dostaw oraz opisano funkcje kryterium. Problem zarządzania przepływem towarów w łańcuchu dostaw został przedstawiony w ujęciu wielokryterialnym. Ocenę efektywności zarządzania łańcuchem dostaw przeprowadzono na podstawie globalnej funkcji kryterium składającej się z częściowych funkcji kryteriów opisanych w modelu matematycznym. Główne funkcje kryteriów na podstawie których wyznaczane jest końcowe rozwiązane to współczynnik wykorzystania wewnętrznych środków transportu, współczynnik wykorzystania zewnętrznych środków transportu, koszty pracy środków transportu wewnętrznego i personelu, całkowity koszt realizacji zadań transportowych, współczynnik wykorzystania czasu zaangażowania pojazdów, całkowity czas poświęcony na wykonanie zadań, czy liczba pojazdów. Punktem wyjścia do badania było założenie, że o skuteczności zarządzania łańcuchem decydują dwa problemy decyzyjne ważne dla menedżerów w procesie zarządzania łańcuchem dostaw, tj. problem przydziału pojazdów do zadań i problem lokalizacji obiektów logistycznych w łańcuchu dostaw. Aby rozwiązać badany problem, zaproponowano innowacyjne podejście w postaci opracowania algorytmu genetycznego, który został dostosowane do przedstawionego modelu matematycznego. W pracy szczegółowo opisano poszczególne kroki konstruowania algorytmu. Zaproponowana struktura przetwarzana przez algorytm jest strukturą macierzową, dzięki której wyznaczane są optymalne parametry łańcucha dostaw. Procesy krzyżowania i mutacji zostały opracowane adekwatnie do przyjętej struktury macierzowej. W procesie kalibracji algorytmu wyznaczono takie wartości parametrów algorytmu tj. prawdopodobieństwo krzyżowania czy mutacji, które generują optymalne rozwiązanie. Poprawność algorytmu genetycznego oraz efektywność zaproponowanego narzędzia wspomagającego proces zarządzania łańcuchem dostaw została potwierdzona w procesie jego weryfikacji.
The article presents a new optimization tool supporting supply chain management in the multi-criteria aspect. This tool was implemented in the EPLOS system (European Logistics Services Portal system). The EPLOS system is an integrated IT system supporting the process of creating a supply and distribution network in supply chains. This system consists of many modules e.g. optimization module which are responsible for data processing, generating results. The main objective of the research was to develop a system to determine the parameters of the supply chain, which affect its efficiency in the process of managing the goods flow between individual links in the chain. These parameters were taken into account in the mathematical model as decision variables in order to determine them in the optimization process. The assessment of supply chain management effectiveness was carried out on the basis of the global function of the criterion consisting of partial functions of the criteria described in the mathematical model. The starting point for the study was the assumption that the effectiveness of chain management is determined by two important decision-making problems that are important for managers in the supply chain management process, i.e. the problem of assigning vehicles to tasks and the problem of locating logistics facilities in the supply chain. In order to solve the problem, an innovative approach to the genetic algorithm was proposed, which was adapted to the developed mathematical model. The correctness of the genetic algorithm has been confirmed in the process of its verification.
Źródło:
Archives of Civil Engineering; 2020, 66, 3; 505-524
1230-2945
Pojawia się w:
Archives of Civil Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The influence of the diversified passenger population on safe evacuation from a passenger ship
Wpływ zróżnicowania populacji pasażerów na bezpieczną ewakuację ze statku pasażerskiego
Autorzy:
Łozowicka, D.
Powiązania:
https://bibliotekanauki.pl/articles/359307.pdf
Data publikacji:
2010
Wydawca:
Akademia Morska w Szczecinie. Wydawnictwo AMSz
Tematy:
ewakuacja
statki pasażerskie
algorytmy genetyczne
optymalizacja
evacuation modeling
passenger ships
genetic algorithm
optimization
Opis:
This article states theoretical assumptions for the method of identifying disadvantageous evacuation times from ships relating to diversified populations of passengers. The influence of age, sex and physical fitness of people is examined. The presented optimization uses the genetic algorithms method as well as Genetic Algorithm and Direct Search Toolbox included in Matlab software. Examples of calculations of the time of passenger evacuation from a passenger ship are given to verify the operation of the developed method.
W artykule podaje się teoretyczne założenia do metody poszukiwania niekorzystnych czasów ewakuacji ze statków pod kątem zróżnicowania populacji pasażerów. Analizuje się wpływ wieku, płci oraz predyspozycji fizycznych ludzi. Do optymalizacji wykorzystuje się metodę algorytmów genetycznych, a także Genetic Algorithm and Direct Search Toolbox programu Matlab. Podaje się przykładowe obliczenia czasu ewakuacji ze statku pasażerskiego w celu zweryfikowania poprawności działania opracowanej metody.
Źródło:
Zeszyty Naukowe Akademii Morskiej w Szczecinie; 2010, 21 (93); 57-61
1733-8670
2392-0378
Pojawia się w:
Zeszyty Naukowe Akademii Morskiej w Szczecinie
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 110

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