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 "parallel genetic algorithm" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-7 z 7
    Tytuł:
    The Unrelated Parallel Machines Scheduling Problem with Machine and Job Dependent Setup Times, Availability Constraints, Time Windows and Maintenance Times
    Autorzy:
    Agárdi, Anita
    Nehéz, Károly
    Powiązania:
    https://bibliotekanauki.pl/articles/2023961.pdf
    Data publikacji:
    2021-09
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    production scheduling
    parallel machine
    setup time
    time windows
    genetic algorithm
    Opis:
    Unrelated Parallel Machines Scheduling Problem (U-PMSP) is a category of discrete optimization problems in which various manufacturing jobs are assigned to identical parallel machines at particular times. In this paper, a specific production scheduling task the U-PMSP with Machine and Job Dependent Setup Times, Availability Constraint, Time Windows and Maintenance Times is introduced. Machines with different capacity limits and maintenance times are available to perform the tasks. After that our problem, the U-PMSP with Machine and Job Dependent Setup Times, Availability Constraints, Time Windows and Maintenance Times is detailed. After that, the applied optimization algorithm and their operators are introduced. The proposed algorithm is the genetic algorithm (GA), and proposed operators are the order crossover, partially matched crossover, cycle crossover and the 2-opt as a mutation operator. Then we prove the efficiency of our algorithm with test results. We also prove the efficiency of the algorithm on our own data set and benchmark data set. The authors conclude that this GA is effective for solving high complexity parallel machine problems.
    Źródło:
    Management and Production Engineering Review; 2021, 13, 3; 15-24
    2080-8208
    2082-1344
    Pojawia się w:
    Management and Production Engineering Review
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Optimization of a modular neural network for pattern recognition using parallel genetic algorithm
    Autorzy:
    Cárdenas, M.
    Melin, P.
    Cruz, L.
    Powiązania:
    https://bibliotekanauki.pl/articles/384887.pdf
    Data publikacji:
    2011
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    modular neural networks
    parallel genetic algorithm
    multi-core
    Opis:
    In this paper, the implementation of a Parallel Genetic Algorithm (PGA) for the training stage, and the optimi zation of a monolithic and modular neural network, for pattern recognition are presented. The optimization con sists in obtaining the best architecture in layers, and neu rons per layer achieving the less training error in a shor ter time. The implementation was performed in a multicore architecture, using parallel programming techniques to exploit its resources. We present the results obtained in terms of performance by comparing results of the training stage for sequential and parallel implementations.
    Źródło:
    Journal of Automation Mobile Robotics and Intelligent Systems; 2011, 5, 1; 77-84
    1897-8649
    2080-2145
    Pojawia się w:
    Journal of Automation Mobile Robotics and Intelligent Systems
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Schedule design for multiprocessor systems
    Projektowanie harmonogramu dla systemów mikroprocesorowych
    Autorzy:
    Globa, L.
    Lysenko, D.
    Powiązania:
    https://bibliotekanauki.pl/articles/153590.pdf
    Data publikacji:
    2010
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    harmonogram
    programowanie równoległe
    system wieloprocesorowy
    algorytm genetyczny
    schedule
    parallel programming
    multiprocessor system
    genetic algorithm
    Opis:
    Efficiency of multiprocessor system usage is strongly dependent on methods of schedule design - the way of task distribution on each processor to decrease overall schedule time. This article is devoted to the part of this process - schedule design on example of software development for LTE and WIMAX base stations.
    Wydajność użytkowania systemów mikroprocesorowych silnie zależy od metody zaprojektowania harmonogramu, tj. od sposobu rozdziału zadań na każdy procesor. Ma to wpływ na zmniejszenie całkowitego czasu wykonywania zadań. W artykule przedstawiono część tego procesu, tj. projektowanie harmonogramu na przykładzie opracowania oprogramowania dla stacji bazowych LTE oraz WIMAX. Wskazano cztery algorytmy możliwe do zastosowania przy wykorzystaniu algorytmów genetycznych. Podano wyniki badań symulacyjnych tych algorytmów, z których wynika, że uzyskuje się dobrą zbieżność przy ograniczonej liczbie generacji. Głównym zadaniem analizowanym w pracy jest skrócenie czasu opracowania oprogramowania za pomocą automatycznego opracowania harmonogramu, znajdowania błędów, uproszczenia debugowania, i wizualizacji za pomocą diagramu. Do rozwoju oprogramowania telekomunikacyjnego proponuje się oryginalną metodę możliwą do zastosowania w formie systemu wbudowanego (SOC). Platformą hardware'ową jest element SOC i kilka różnych jednostek przetwarzających. Algorytm cyfrowego przetwarzania sygnałów jest zdefiniowany przez listę zadań wraz z informacjami o zależnościach. Typ jednostki przetwarzającej i czas przetwarzania są zdefiniowane z góry dla każdego zadania.
    Źródło:
    Pomiary Automatyka Kontrola; 2010, R. 56, nr 12, 12; 1554-1556
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    GPU-based tuning of quantum-inspired genetic algorithm for a combinatorial optimization problem
    Autorzy:
    Nowotniak, R.
    Kucharski, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/201268.pdf
    Data publikacji:
    2012
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    quantum-inspired genetic algorithm
    evolutionary computing
    meta-optimization
    parallel algorithms
    GPGPU
    Opis:
    This paper concerns efficient parameters tuning (meta-optimization) of a state-of-the-art metaheuristic, Quantum-Inspired Genetic Algorithm (QIGA), in a GPU-based massively parallel computing environment (NVidia CUDATMtechnology). A novel approach to parallel implementation of the algorithm has been presented. In a block of threads, each thread transforms a separate quantum individual or different quantum gene; In each block, a separate experiment with different population is conducted. The computations have been distributed to eight GPU devices, and over 400× speedup has been gained in comparison to Intel Core i7 2.93GHz CPU. This approach allows efficient meta-optimization of the algorithm parameters. Two criteria for the meta-optimization of the rotation angles in quantum genes state space have been considered. Performance comparison has been performed on combinatorial optimization (knapsack problem), and it has been presented that the tuned algorithm is superior to Simple Genetic Algorithm and to original QIGA algorithm.
    Źródło:
    Bulletin of the Polish Academy of Sciences. Technical Sciences; 2012, 60, 2; 323-330
    0239-7528
    Pojawia się w:
    Bulletin of the Polish Academy of Sciences. Technical Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Identification of local elastic parameters in heterogeneous materials using a parallelized femu method
    Autorzy:
    Petureau, L.
    Doumalin, P.
    Bremand, F.
    Powiązania:
    https://bibliotekanauki.pl/articles/265841.pdf
    Data publikacji:
    2019
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    elastyczność
    algorytm genetyczny
    obliczenia równoległe
    identification
    elasticity
    heterogeneous materials
    genetic algorithm
    parallel computation
    Opis:
    In this work, we explore the possibilities of the widespread Finite Element Model Updating method (FEMU) in order to identify the local elastic mechanical properties in heterogeneous materials. The objective function is defined as a quadratic error of the discrepancy between measured fields and simulated ones. We compare two different formulations of the function, one based on the displacement fields and one based on the strain fields. We use a genetic algorithm in order to minimize these functions. We prove that the strain functional associated with the genetic algorithm is the best combination. We then improve the implementation of the method by parallelizing the algorithm in order to reduce the computation cost. We validate the approach with simulated cases in 2D.
    Źródło:
    International Journal of Applied Mechanics and Engineering; 2019, 24, 4; 140-156
    1734-4492
    2353-9003
    Pojawia się w:
    International Journal of Applied Mechanics and Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Równoległa realizacja przykładowego algorytmu genetycznego z wykorzystaniem akceleratorów GPU
    Autorzy:
    Ratuszniak, P.
    Stasiak, A.
    Łańcucki, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/118416.pdf
    Data publikacji:
    2018
    Wydawca:
    Politechnika Koszalińska. Wydawnictwo Uczelniane
    Tematy:
    algorytm genetyczny
    programowanie równoległe
    akceleracja obliczeń
    akceleratory GPU
    CUDA
    problem komiwojażera
    genetic algorithm
    parallel programming
    computing acceleration
    GPU
    travelling salesman problem
    Opis:
    W artykule zaprezentowano praktyczną implementację aplikacji rozwiązującej przykładowy algorytm genetyczny z wykorzystaniem akceleratorów GPU. W tym przypadku zdecydowano się na rozwiązanie za pomocą algorytmu genetycznego typowego problemu optymalizacyjnego, jakim jest problem komiwojażera. Dodatkowo w celu wykorzystania mocy karty graficznej w tworzonej aplikacji wykorzystano technologię programowania na karcie graficznej – technologię Nvidia CUDA.
    The paper presents a practical implementation of a local desktop application that solves exemplary genetic algorithm with the use of GPU accelerators. In this case decided with the use of genetic algorithm to solve typical optimization problem which is travelling salesman problem. Additionally used Nvidia CUDA programming technology in order to use power of GPU in created application.
    Źródło:
    Zeszyty Naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej; 2018, 13; 63-78
    1897-7421
    Pojawia się w:
    Zeszyty Naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej
    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
      Wyświetlanie 1-7 z 7

      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