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 "multi-objective optimization problem" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-6 z 6
    Tytuł:
    Design of Pareto-Optimal Radar Receive Filters
    Autorzy:
    De Maio, A.
    Piezzo, M.
    Iommelli, S.
    Farina, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/227067.pdf
    Data publikacji:
    2011
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    radar receive filter design
    mismatched filte
    design
    multi-objective optimization problem
    Pareto-optimal points
    Opis:
    This paper deals with the design of radar receive filters jointly optimized with respect to sidelobe energy and sidelobe peaks via Pareto-optimal theory. We prove that this criterion is tantamount to jointly minimizing two quadratic forms, so that the design can be analytically formulated in terms of a multi-objective optimization problem. In order to solve it, we resort to the scalarization technique, which reduces the vectorial problem into a scalar one using a Pareto weight defining the relative importance of the two objective functions. At the analysis stage, we assess the performance of the receive filters in correspondence of different values of the Pareto weight highlighting the performance compromises between the Integrated Sidelobe Level (ISL) and the Peak Sidelobe Level (PSL).
    Źródło:
    International Journal of Electronics and Telecommunications; 2011, 57, 4; 477-481
    2300-1933
    Pojawia się w:
    International Journal of Electronics and Telecommunications
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Handling insensitivity in multi-physics inverse problems using a complex evolutionary strategy
    Rozpoznawanie niewrażliwości w wielokryterialnych problemach odwrotnych przy użyciu złożonej strategii ewolucyjnej
    Autorzy:
    Sawicki, Jakub
    Smołka, Maciej
    Łoś, Marcin
    Schaefer, Robert
    Powiązania:
    https://bibliotekanauki.pl/articles/29520322.pdf
    Data publikacji:
    2019
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    multi-objective optimization
    evolutionary algorithm
    inverse problem
    Opis:
    In this paper we present a complex strategy for the solution of ill posed, in-verse problems formulated as multiobjective global optimization ones. The strategy is capable of identifying the shape of objective insensitivity regions around connected components of Pareto set. The goal is reached in two phases. In the first, global one, the connected components of the Pareto set are localized and separated in course of the multi-deme, hierarchic memetic strategy HMS. In the second, local phase, the random sample uniformly spread over each Pareto component and its close neighborhood is obtained in the specially profiled evolutionary process using multiwinner selection. Finally, each local sample forms a base for the local approximation of a dominance function. Insensitivity region surrounding each connected component of the Pareto set is estimated by a sufficiently low level set of this approximation. Capabilities of the whole procedure was verified using specially-designed two-criterion benchmarks.
    Artykuł prezentuje złożoną strategię rozwiązywania źle postawionych problemów odwrotnych sformułowanych jako wielokryterialne zadania optymalizacji globalnej. Opisana strategia umożliwia identyfikację obszarów niewrażliwości funkcji celu wokół spójnych składowych zbioru Pareto. Cel jest osiągany w dwu etapach. W pierwszym z nich — globalnym — składowe spójne zbioru Pareto są lokalizowane i separowane przy pomocy wielopopulacyjnej hierarchicznej strategii memetycznej HMS. W etapie drugim — lokalnym — przy użyciu specjalnie sprofilowanego procesu ewolucyjnego wykorzystującego operator selekcji wyborczej z wieloma zwycięzcami produkowana jest losowa próbka rozłożona jednostajnie na każdej składowej i jej bliskim otoczeniu. Finalnie każda lokalna próbka jest użyta jako baza do zbudowania lokalnej aproksymacji funkcji dominacji. Zbiory poziomicowe tej aproksymacji dla odpowiednio niskich poziomów stanowią przybliżenie zbiorów niewrażliwości wokół składowych spójnych. Możliwości strategii zostały zweryfikowane przy użyciu specjalnie zaprojektowanych dwukryterialnych funkcji testowych.
    Źródło:
    Computer Methods in Materials Science; 2019, 19, 1; 2-11
    2720-4081
    2720-3948
    Pojawia się w:
    Computer Methods in Materials Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Fuzzy multi-objective supplier selection problem in a supply chain
    Autorzy:
    Kamal, Murshid
    Gupta, Srikant
    Raina, Ather Aziz
    Powiązania:
    https://bibliotekanauki.pl/articles/1177774.pdf
    Data publikacji:
    2018
    Wydawca:
    Przedsiębiorstwo Wydawnictw Naukowych Darwin / Scientific Publishing House DARWIN
    Tematy:
    Fuzzy Goal Programming
    Multi-objective Optimization
    Supplier Selection Problem
    Opis:
    The decision making of supplier selection and their allocation is one of the main concerns in supply chain management. In this paper, an attempt has been made to obtain an optimal allocation for supplier based on minimizing the net cost, minimizing the net rejections, and minimizing the net late deliveries subject to realistic constraints regarding buyer’s demand, vendors’ capacity, vendors’ quota flexibility, purchase value of items, budget allocation to individual vendor, etc. We convert the problem into single objective fuzzy goal programming problem by using weighted root power mean the method of aggregation with linear, exponential and hyperbolic membership functions. The comparison has been made by assigning different weights to the objective functions. A numerical illustration is provided for the verification of applicability of the approach.
    Źródło:
    World Scientific News; 2018, 100; 165-183
    2392-2192
    Pojawia się w:
    World Scientific News
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Numerical application of the SPEA algorithm to reliability multi-objective optimization
    Autorzy:
    Guze, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/2069179.pdf
    Data publikacji:
    2015
    Wydawca:
    Uniwersytet Morski w Gdyni. Polskie Towarzystwo Bezpieczeństwa i Niezawodności
    Tematy:
    multi-objective
    optimization
    reliability
    0-1 knapsack problem
    SPEA
    Opis:
    The main aim of the paper is the computer-aided multi-objective reliability optimization using the SPEA algorithm. This algorithm and the binary knapsack problem are described. Furthermore, the computer program that solves the knapsack problem with accordance to SPEA algorithm is introduced. Example of the possible application of this program to the multi-objective reliability optimization of exemplary parallel-series system is shown.
    Źródło:
    Journal of Polish Safety and Reliability Association; 2015, 6, 1; 101--114
    2084-5316
    Pojawia się w:
    Journal of Polish Safety and Reliability Association
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Multi-objective optimization of vehicle routing problem using evolutionary algorithm with memory
    Autorzy:
    Podlaski, K.
    Wiatrowski, G.
    Powiązania:
    https://bibliotekanauki.pl/articles/305266.pdf
    Data publikacji:
    2017
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    vehicle routing problem
    time windows
    evolutionary algorithms
    multi-objective optimization
    Opis:
    The idea of a new evolutionary algorithm with memory aspect included is proposed to find multiobjective optimized solution of vehicle routing problem with time windows. This algorithm uses population of agents that individually search for optimal solutions. The agent memory incorporates the process of learning from the experience of each individual agent as well as from the experience of the population. This algorithm uses crossover operation to define agents evolution. In the paper we choose as a base the Best Cost Route Crossover (BCRC) operator. This operator is well suited for VPRTW problems. However it does not treat both of parent symmetrically what is not natural for general evolutionary processes. The part of the paper is devoted to find an extension of the BCRC operator in order to improve inheritance of chromosomes from both of parents. Thus, the proposed evolutionary algorithm is implemented with use of two crossover operators: BCRC and its extended-modified version. We analyze the results obtained from both versions applied to Solomon’s and Gehring & Homberger instances. We conclude that the proposed method with modified version of BCRC operator gives statistically better results than those obtained using original BCRC. It seems that evolutionary algorithm with memory and modification of Best Cost Route Crossover Operator lead to very promising results when compared to the ones presented in the literature.
    Źródło:
    Computer Science; 2017, 18 (3); 269-286
    1508-2806
    2300-7036
    Pojawia się w:
    Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The airport gate assignment problem – multi-objective optimization versus evolutionary multi-objective optimization
    Autorzy:
    Kaliszewski, I.
    Miroforidis, J.
    Stańczak, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/305661.pdf
    Data publikacji:
    2017
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    airport gate assignment problem
    Evolutionary Multi-objective Optimization
    mixed-integer programming
    Opis:
    In this paper, we approach the Airport Gate Assignment Problem by Multi-objective Optimization as well as Evolutionary Multi-objective Optimization. We solve a bi-criteria formulation of this problem by the commercial mixed-integer programming solver CPLEX and a dedicated Evolutionary Multi-objective Optimization algorithm. To deal with multiple objectives, we apply a methodology that we developed earlier to capture decision-maker preferences in multi-objective environments. We present the results of numerical tests for these two approaches.
    Źródło:
    Computer Science; 2017, 18 (1); 41-52
    1508-2806
    2300-7036
    Pojawia się w:
    Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-6 z 6

      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