Temat: optymalizacja funkcji - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Komputerowy algorytm optymalizacji oparty na teorii "małych światów"
Computer optimization algorithm based on "small-worlds" phenomenon
Autorzy:: Bieś, G.
Powiązania:: https://bibliotekanauki.pl/articles/156948.pdf
Data publikacji:: 2011
Wydawca:: Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:: teoria "małych światów"
algorytm ewolucyjny
optymalizacja funkcji
"small-worlds" phenomenon
evolutionary algorithm
Opis:: W opracowaniu przedstawiono komputerowy algorytm optymalizacji o nazwie Algorytm "Małe Światy" (AMS), wykorzystujący mechanizm przeszukiwania przestrzeni dopuszczalnych rozwiązań problemu optymalizacyjnego opartego na fenomenie zjawiska "małych światów". W algorytmie zaproponowano metody wyznaczania lokalnych i dalekich kontaktów dla modelu sieci o właściwościach "małego świata", korzystając z teorii rachunku prawdopodobieństwa połączonego z pozycyjnym systemem liczbowym. Uzyskane wyniki testów wskazują, że algorytm skutecznie przeszukuje znaczne obszary dopuszczalnych wartości funkcji celu, znajdując rozwiązania optymalne. Właściwości te sugerują, że zaprezentowane rozwiązania mogą być przydatną metodą optymalizacyjną.
The paper presents a computer algorithm optimization, called Algo-rithm "Small-Worlds" (ASW), that uses mechanism of search the space of feasible solutions the optimization problem based on the "small-worlds" phenomenon. In the algorithm the determination of local and distant contacts for the "small-world" network model, using theory of probability combined with positional numeral system is used. In order to validate the algorithm with respect to the theory of J.M. Kleinberg, conducted test by finding the shortest path between any two points in two-dimensional networks of different sizes [Tab. 1]. Benchmarks of algorithm (ASW) as compared with genetic algorithm (GA) for finding an extremum functions and polynomial coefficients are given. The tests results indicate [Tab. 2] that algorithm provides effective mechanisms to search large areas of the limit values objective function and finds optimal solution. These properties suggest that presented solutions can be a useful method for solving optimization problems.
Źródło:: Pomiary Automatyka Kontrola; 2011, R. 57, nr 7, 7; 733-736
0032-4140
Pojawia się w:: Pomiary Automatyka Kontrola
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Feature optimization using a two-tier hybrid optimizer in an Internet of Things network
Autorzy:: Agrawal, Akhileshwar Prasad
Singh, Nanhay
Powiązania:: https://bibliotekanauki.pl/articles/15548024.pdf
Data publikacji:: 2023
Wydawca:: Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:: IoT
Internet of Things
anomaly mitigation
GWO
Gray Wolf Optimizer
feature optimization
PSO
particle swarm optimizer
Internet Rzeczy
optymalizacja funkcji
Opis:: The growing use of the Internet of Things (IoT) in smart applications necessitates improved security monitoring of IoT components. The security of such components is monitored using intrusion detection systems which run machine learning (ML) algorithms to classify access attempts as anomalous or normal. However, in this case, one of the issues is the large length of the data feature vector that any ML or deep learning technique implemented on resource-constrained intelligent nodes must handle. In this paper, the problem of selecting an optimal-feature set is investigated to reduce the curse of data dimensionality. A two-layered approach is proposed: the first tier makes use of a random forest while the second tier uses a hybrid of gray wolf optimizer (GWO) and the particle swarm optimizer (PSO) with the k-nearest neighbor as the wrapper method. Further, differential weight distribution is made to the local-best and global-best positions in the velocity equation of PSO. A new metric, i.e., the reduced feature to accuracy ratio (RFAR), is introduced for comparing various works. Three data sets, namely, NSLKDD, DS2OS and BoTIoT, are used to evaluate and validate the proposed work. Experiments demonstrate improvements in accuracy up to 99.44%, 99.44% and 99.98% with the length of the optimal-feature vector equal to 9, 4 and 8 for the NSLKDD, DS2OS and BoTIoT data sets, respectively. Furthermore, classification improves for many of the individual classes of attacks: denial-of-service (DoS) (99.75%) and normal (99.52%) for NSLKDD, malicious control (100%) and DoS (68.69%) for DS2OS, and theft (95.65%) for BoTIoT.
Źródło:: International Journal of Applied Mathematics and Computer Science; 2023, 33, 2; 313--326
1641-876X
2083-8492
Pojawia się w:: International Journal of Applied Mathematics and Computer Science
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: Algorytm inspirowany polem walki - połączenie algorytmów numerycznych z ideą roju
Autorzy:: Baumgart, Jan
Sangho, Belco
Powiązania:: https://bibliotekanauki.pl/articles/41206049.pdf
Data publikacji:: 2021
Wydawca:: Uniwersytet Kazimierza Wielkiego w Bydgoszczy
Tematy:: algorytm optymalizacyjny
inspiracja polem walki
rozwiązanie
optymalizacja
rzeczywiste problemy optymalizacji
optymalizacja funkcji
algorytm numeryczny
optimization algorithms
battlefield inspired inspiration
solution
optimization
real optimization problems
function optimization
numerical algorithm
Opis:: Artykuł przedstawia przygotowany algorytm na bazie połączenia idei znanych metod numerycznych z metodami opartymi na idei roju. Algorytm został przygotowany z inspiracji polem walki podczas którego w równych odstępach żołnierze przeczesują siły wroga z różnymi prędkościami zależnie od posiadanego orężu a następnie ograniczają zakres pola bitwy. Zaproponowane rozwiązanie wywodzi się właśnie ze zbliżonych założeń. Głównym założeniem pracy było przedstawienie potencjalnego zysku z połączenia metod optymalizacji oraz porównanie metody mieszanej z metodami bazującymi na idei roju pod względem prędkości działania oraz skuteczności odnajdowania optimum globalnego.Algorytm został porównany z dwoma algorytmami metaheurystycznymi pod kątem dokładności odnalezionych rozwiązań oraz prędkości. Zgodnie z wynikami eksperymentów posiada wydajność podobną w porównaniu z innymi algorytmami oraz daje zadowalające efekty w wykorzystaniu.
he article presents prepared algorithm based on the combination of the ideas of known numericalmethods with methods based on the idea of a swarm. The algorithm was prepared inspired by the battlefield,during which, at equal intervals, soldiers scour enemy forces at different speeds depending on the weapon theyhave, and then limit the scope of the battlefield. The proposed solution is based on similar assumptions. Themain assumption of the work was to present the potential profit from the combination of optimization methodsand to compare the mixed method with methods based on the idea of a swarm in terms of operating speed andthe effectiveness of finding the global optimum. The algorithm was compared with two metaheuristic algorithmsin terms of the accuracy of the solutions found and speed. According to the results of the experiments, it hasa similar performance compared to other algorithms and gives satisfactory results in use.
Źródło:: Studia i Materiały Informatyki Stosowanej; 2021, 2; 26-31
1689-6300
Pojawia się w:: Studia i Materiały Informatyki Stosowanej
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 4.

Tytuł:: Studium przypadku skuteczności nowych metod optymalizacji roju w porównaniu do metod znanych
Autorzy:: Baumgart, Jan
Sangho, Belco
Powiązania:: https://bibliotekanauki.pl/articles/41206153.pdf
Data publikacji:: 2021
Wydawca:: Uniwersytet Kazimierza Wielkiego w Bydgoszczy
Tematy:: algorytm roju
wzorce
inspirowanie naturą
metaheurystyka
pojedyncze obiektywne problemy optymalizacji
optymalizacja funkcji
algorytmy optymalizacji
swarm algorithm
patterns
inspired by nature
metaheuristics
single objective optimization problems
function optimization
optimization algorithms
Opis:: Porównianie skuteczności nowych metod optymalizacji roju w porównaniu z metodami znanymi w dziedzinie. Inspirowane naturą algorytmy metaheurystyczne stają się coraz bardziej popularne w rozwiązywaniu problemów optymalizacyjnych. Dzięki ich popularności niemal codziennie możemy zobaczyć nowepodejścia i proponowane rozwiązania. W tym artykule przedstawię porównanie, które pokaże kilka najnowszychprac z tej dziedziny w porównaniu z niektórymi algorytmami traktowanymi jako podstawa dziedziny. Głównymcelem było porównanie ostatnio wprowadzonych algorytmów roju i określenie, kiedy nowe rozwiązania są faktycznie szybsze i bardziej precyzyjne. Podsumowując, czy przetestowane nowe podejścia są lepsze niż obecne,dobrze znane i ugruntowane w terenie algorytmy. Algorytmy brane pod uwagę w tej pracy to: Particle SwarmOptimization [5], Artifical Bee Colony [3], Elephant Herding Optimization [7], Whale Optimization [4] i Gras-shopper Optimization [6].Algorytmy uznawane za nowe w tej dziedzinie porównano z dwoma popularnymi idobrze znanymi algorytmami metaheurystycznymi pod względem dokładności znalezionych rozwiązań i szybkości. Zgodnie z wynikami eksperymentów większość porównywanych nowych algorytmów dawała zadowalającewyniki w użytkowaniu.
Comparing the effectiveness of new methods of swarm optimization in comparison with knownmethods. Nature-inspired metaheuristic algorithms are becoming more and more popular in solving optimization problems. Thanks to their popularity, we can see new approaches and proposed solutions almost everyday. In this article, I will present a comparison that will show some of the most recent works in this fieldcompared to some algorithms considered as the basis of the field. The main goal was to compare the recently introduced swarm algorithms and determine when new solutions are actually faster and more precise. Inconclusion, are the new approaches tested better than the current, well-known and field-grounded algorithms?The algorithms considered in this paper are Particle Swarm Optimization, Artifical Bee Colony, Elephant Herding Optimization, Whale Optimization, and Grasshopper Optimization. Algorithms considered new inthis field were compared with two popular and well-known metaheuristic algorithms in terms of accuracy ofsolutions found and speed. According to the experimental results, most of the compared new algorithms gave satisfactory results in use.
Źródło:: Studia i Materiały Informatyki Stosowanej; 2021, 1; 47-50
1689-6300
Pojawia się w:: Studia i Materiały Informatyki Stosowanej
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 5.

Tytuł:: Optymalizacja dławika wygładzającego z zastosowaniem metody roju cząstek
Optimization of the smoothing choke using the particle swarm optimization method
Autorzy:: Knypiński, Łukasz
Krótki, Mateusz
Kurzawa, Milena
Powiązania:: https://bibliotekanauki.pl/articles/377638.pdf
Data publikacji:: 2020
Wydawca:: Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
Tematy:: optymalizacja
metoda roju cząstek
metoda funkcji kary zewnętrznej
dławik wygładzający
Opis:: W pracy przedstawiono algorytm oraz oprogramowanie do optymalizacji parametrów strukturalnych dławika wygładzającego. Aplikację komputerową opracowano w środowisku programistycznym Borland Delphi 7.0. Aplikacja komputerowa składa się z nadrzędnej procedury optymalizacyjnej współpracującej z matematycznym modelem urządzenia. W obliczeniach wykorzystano uproszczony model zjawisk w dławiku. Projektowane urządzenie opisano przy wykorzystaniu czterech zmiennych decyzyjnych. Analizowano trzy testowe zadania optymalizacji: zadanie bez ograniczeń oraz dwa zadanie z ograniczeniami. Przedstawiono i omówiono wybrane przykłady obliczeń optymalizacyjnych.
In the article an algorithm and computer software for optimization of structural parameters of smoothing choke is presented. The computer software was developed in the Borland Delphi 7.0 environment. The particle swarm optimization method was applied in the optimization procedure. The designed devices were described by four design variables. The two types of optimization problem were solved: (a) unconstrained optimization problem and (b) the constrained optimization problem. Selected result of computer simulation were presented and discussed.
Źródło:: Poznan University of Technology Academic Journals. Electrical Engineering; 2020, 104; 45-54
1897-0737
Pojawia się w:: Poznan University of Technology Academic Journals. Electrical Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 6.

Tytuł:: Adaptacja metody funkcji kary do algorytmu genetycznego w procesie projektowania urządzeń elektromagnetycznych
Adaptation of the penalty function method to genetic algorithm in the process of designing of the electromagnetic devices
Autorzy:: Knypiński, Ł.
Kowalski, K.
Nowak, L.
Powiązania:: https://bibliotekanauki.pl/articles/377667.pdf
Data publikacji:: 2018
Wydawca:: Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
Tematy:: optymalizacja z ograniczeniami
metoda funkcji kary
transformacja sigmoidalna
algorytm genetyczny
aktuator elektromagnetyczny
Opis:: W artykule przedstawiono sposób adaptacji metody funkcji kary do algorytmu genetycznego. Rozwiązując zadanie optymalizacji przy wykorzystaniu algorytmu genetycznego, wartość przystosowania musi być dodatnia i podlega maksymalizacji. W przypadku uwzględnienia ograniczeń z wykorzystaniem funkcji kary zewnętrznej, wartości kary mogą przekroczyć wartości pierwotnej funkcji celu. Do rozwiązania tego problemu wykorzystano transformację sigmoidalną. Opracowano oprogramowanie komputerowe w środowisku programistycznym Delphi. Poprawność algorytmu i oprogramowania testowano rozwiązując dwa zadania optymalizacji z ograniczeniami. Przeprowadzono optymalizację aktuatora elektromagnetycznego. Model matematyczny urządzenia zawiera równania pola elektromagnetycznego z uwzględnieniem nieliniowości materiałów ferromagnetycznych. Przedstawiono i omówiono wybrane wyniki obliczeń symulacyjnych.
In the paper the method of adaptation of the penalty function method to the genetic algorithm is presented. During solving the optimization task using the genetic algorithm, the adaptation value must be positive. In case of application of external penalty function, the penalty term may exceed the value of the primary objective function. The sigmoidal transformation was used to solve this problem. The computer software has been developed in the Delphi environment. The correctness of the algorithm and software was tested by solving two optimization problems with nonlinear constraints. Optimization of the electromagnetic actuator has been performed. The mathematical model of the devices contains equations of the electromagnetic field taking into account the nonlinearity of ferromagnetic materials. The selected results of the optimization were presented and discussed.
Źródło:: Poznan University of Technology Academic Journals. Electrical Engineering; 2018, 96; 9-20
1897-0737
Pojawia się w:: Poznan University of Technology Academic Journals. Electrical Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 7.

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

Zmień widok

na półce

Skocz do pozycji: 8.

Tytuł:: A Method for Constructing ε-value Functions for The Bolza Problem of Optimal Control
Autorzy:: Pustelnik, J.
Powiązania:: https://bibliotekanauki.pl/articles/911140.pdf
Data publikacji:: 2005
Wydawca:: Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:: optymalizacja nieliniowa
sterowanie optymalne
równanie Hamiltona-Jacobiego
programowanie dynamiczne
wartość funkcji
nonlinear optimization
Bolza problem
optimal control
Hamilton-Jacobi equation
dynamic programming
value function
approximate minimum
Opis:: The problem considered is that of approximate minimisation of the Bolza problem of optimal control. Starting from Bellman's method of dynamic programming, we define the ε-value function to be an approximation to the value function being a solution to the Hamilton-Jacobi equation. The paper shows an approach that can be used to construct an algorithm for calculating the values of an ε-value function at given points, thus approximating the respective values of the value function.
Źródło:: International Journal of Applied Mathematics and Computer Science; 2005, 15, 2; 177-186
1641-876X
2083-8492
Pojawia się w:: International Journal of Applied Mathematics and Computer Science
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 9.

Tytuł:: A new method for analytic determination of extremum of the transients in linear systems
Autorzy:: Górecki, H.
Powiązania:: https://bibliotekanauki.pl/articles/970346.pdf
Data publikacji:: 2004
Wydawca:: Polska Akademia Nauk. Instytut Badań Systemowych PAN
Tematy:: równanie przestępne
układ stacjonarny liniowy
optymalizacja parametryczna
formułka obliczeniowa
wyróżnik funkcji wykładniczej
wyznacznik Vandermondesa
wzór Vietesa
transcendental equations
extremal dynamic error
linear stationary system
parametric optimization
analytic formulae
discriminants of exponential functions
Vandermonde's determinant
Viete's formulae
process control
Opis:: The relation between extremal values of the error and the coefficients of its differential equations is one of the central problems of control systems in chemical industry, because extremal values of the error sometimes cause serious damages to the environment or to the system itself. Analytical formulae for the determination of these values are known only for the second-order systems. In this paper a method which permits to determine extremal values of the error in higher-order systems is proposed.
Źródło:: Control and Cybernetics; 2004, 33, 2; 275-295
0324-8569
Pojawia się w:: Control and Cybernetics
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "optymalizacja funkcji" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język