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 "swarm algorithm" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 53
Tytuł:
Zastosowanie półautomatycznego algorytmu doboru optymalnej liczby i położenia odwiertów wydobywczych
Semi-Automatic Algorithm for Optimal Production Well Placement
Autorzy:
Łętkowski, P.
Powiązania:
https://bibliotekanauki.pl/articles/1835267.pdf
Data publikacji:
2018
Wydawca:
Instytut Nafty i Gazu - Państwowy Instytut Badawczy
Tematy:
optymalizacja
algorytm nietoperza
położenie odwiertów
NPV
eksploatacja
algorytmy rojowe
optimization
bat algorithm
location of wells
exploitation
swarm algorithms
Opis:
Artykuł poświęcono zastosowaniu tzw. algorytmu nietoperza do rozwiązania problemu określenia optymalnej liczby i położenia odwiertów wydobywczych. W procesie optymalizacji jako funkcję celu wykorzystano bieżącą wartość netto (ang. net present value – NPV). Testy zbudowanego algorytmu przeprowadzono na przykładzie modelu symulacyjnego złoża PUNQ-S3, dostępne- go na zasadach open source. Zastosowany algorytm został wyposażony w dodatkowe mechanizmy zwiększające jego efektywność: mechanizm próbkowania sześcianu łacińskiego (ang. Latin hypercube sampling – LHS) oraz mechanizm eliminowania położeń odwiertów poza modelem. Przeprowadzone testy wskazują na bardzo dobrą zbieżność zbudowanego algorytmu w procesie optymalizacji.
The article is devoted to the application of the so-called bat algorithm to solve the problem of determining the optimum number and location of production wells. This algorithm was proposed by Yang in 2010, and since then has been successfully used in solving both theoretical and practical optimization problems. The method belongs to a group of swarm optimization methods and in searching for the best solution, the algorithm uses a mechanism of echolocation, similar to the one used by a herd of bats. The current net present value (NPV) was used as a target function in the optimization process. The algorithm was tested on the example of the simulation model of the PUNQ-S3 reservoir available on an OpenSource basis. The applied algorithm was equipped with additional mechanisms increasing its effectiveness: Latin Hypercube Sampling (LHS) algorithm and the mechanism eliminating the locations of wells outside the operational area of the model. The first of the applied improvements ensures a better starting point for the proper optimization process, which significantly improves the convergence of the whole algorithm. The latter mechanism solves a problem specific to the issue in question.
Źródło:
Nafta-Gaz; 2018, 74, 8; 598-605
0867-8871
Pojawia się w:
Nafta-Gaz
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wild Image Retrieval with HAAR Features and Hybrid DBSCAN Clustering For 3D Cultural Artefact Landmarks Reconstruction
Autorzy:
Pitchandi, Perumal
Powiązania:
https://bibliotekanauki.pl/articles/2201730.pdf
Data publikacji:
2022
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
outliers removal
culturalartefact objects
3D reconstruction
particle swarm optimization
PSO
spatial clustering
density based spatial clustering
noise clustering algorithm
Opis:
In this digital age large amounts of information, images and videos can be found in the web repositories which accumulate this information. These repositories include personal, historic, cultural, and business event images. Image mining is a limited field in research where most techniques look at processing images instead of mining. Very limited tools are found for mining these images, specifically 3D (Three Dimensional) images. Open source image datasets are not structured making it difficult for query based retrievals. Techniques extracting visual features from these datasets result in low precision values as images lack proper descriptions or numerous samples exist for the same image or images are in 3D. This work proposes an extraction scheme for retrieving cultural artefact based on voxel descriptors. Image anomalies are eliminated with a new clustering technique and the 3D images are used for reconstructing cultural artefact objects. Corresponding cultural 3D images are grouped for a 3D reconstruction engine’s optimized performance. Spatial clustering techniques based on density like PVDBSCAN (Particle Varied Density Based Spatial Clustering of Applications with Noise) eliminate image outliers. Hence, PVDBSCAN is selected in this work for its capability to handle a variety of outliers. Clustering based on Information theory is also used in this work to identify cultural object’s image views which are then reconstructed using 3D motions. The proposed scheme is benchmarked with DBSCAN (Density-Based Spatial Clustering of Applications with Noise) to prove the proposed scheme’s efficiency. Evaluation on a dataset of about 31,000 cultural heritage images being retrieved from internet collections with many outliers indicate the robustness and cost effectiveness of the proposed method towards a reliable and just-in-time 3D reconstruction than existing state-of-the-art techniques.
Źródło:
Advances in Science and Technology. Research Journal; 2022, 16, 3; 269--281
2299-8624
Pojawia się w:
Advances in Science and Technology. Research Journal
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Voice recognition through the use of Gabor transform and heuristic algorithm
Autorzy:
Woźniak, M.
Połap, D.
Powiązania:
https://bibliotekanauki.pl/articles/226687.pdf
Data publikacji:
2017
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
neural networks
voice recognition
Gabor transform
heuristic algorithm
swarm
Opis:
Increasingly popular use of verification methods based on specific characteristics of people like eyeball, fingerprint or voice makes inventing more accurate and irrefutable methods of that urgent. In this work we present voice verification based on Gabor transformation. Proposed approach involves creation of spectrogram, which serves as a habitat for the population in selected heuristic algorithm. The use of heuristic allows for feature extraction to enable identity verification using classical neural network. The results of the research are presented and discussed to show efficiency of the proposed methodology.
Źródło:
International Journal of Electronics and Telecommunications; 2017, 63, 2; 159-164
2300-1933
Pojawia się w:
International Journal of Electronics and Telecommunications
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:
Swarm Behaviour Optimisation Methods Based on an Original Algorithm
Metoda optymalizacji zachowania się roju na podstawie autorskiego algorytmu
Autorzy:
Falkowski, Krzysztof
Duda, Michał
Powiązania:
https://bibliotekanauki.pl/articles/2036929.pdf
Data publikacji:
2021
Wydawca:
Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
Tematy:
swarms
swarm algorithm
sweep coverage
coverage task
optimisation
optymalizacja
rój
algorytm roju
Opis:
This article presents an authorial swarm algorithm that performs coverage tasks using the Sweep Coverage method. The presented solution assumes stochastic movement of the objects in the swarm which allows them to be simple ones. Our goal was to find an optimal number of objects in the swarm. The main evaluated factors are time and energy consumption. Changing input data allowed us to designate different cases and to examine the influence of varying parameters of a single boid on a whole swarm behaviour.
W artykule przedstawiono metody znalezienia optymalnej wielkości roju dla danego zadania. Głównymi ocenianymi czynnikami są czas i zużycie energii. Autorskie rozwiązanie algorytmiczne pozwoliło na wyznaczenie różnych przypadków i zbadanie wpływu różnych parametrów pojedynczego boida na zachowanie całego roju. Obliczenie efektywności energetycznej pozwoliło na wyznaczenie dodatkowych informacji o optymalizacji liczby boidów w roju. Wyniki pokazują, że można ocenić najlepsze rozwiązania dla określonych założeń. Można znaleźć, jaka liczba boidów wykonałaby zadanie w jak najkrótszym czasie przy założonej energooszczędności. Można również znaleźć grupę z najlepszym czasem do uzyskania wskaźnika efektywności energetycznej, która wykonałaby zadanie przy najlepszej kombinacji najkrótszego czasu i zużytej energii. Dodatkowe testy ze zmieniającymi się zmiennymi pozwoliły określić ich wpływ na wynik. Wykazano, że prędkość i bezpieczna odległość są ze sobą połączone, ale zmiana prędkości jest bardziej znacząca dla mniejszych rojów, gdy zmiana bezpiecznej odległości ma większy wpływ na liczniejsze grupy. Wynika z tego, że dla małych grup lepsze są szybsze boidy, a dla liczniejszych rojów bardziej przydatne byłyby boidy, które mogą poruszać się bliżej. Zmienianie promienia obszaru skanowanego na każdym kroku wpływa na ogólną wydajność, ale prawie nie ma wpływu na efektywność energetyczną roju.
Źródło:
Problemy Mechatroniki : uzbrojenie, lotnictwo, inżynieria bezpieczeństwa; 2021, 12, 3 (45); 53-70
2081-5891
Pojawia się w:
Problemy Mechatroniki : uzbrojenie, lotnictwo, inżynieria bezpieczeństwa
Dostawca treści:
Biblioteka Nauki
Artykuł
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
Tytuł:
Stochastic Movement Swarm Performing a Coverage Task with Physical Parameters
Stochastyczny ruch roju wykonujący zadanie przeszukiwania z uwzględnieniem parametrów fizycznych
Autorzy:
Falkowski, Krzysztof
Duda, Michał
Powiązania:
https://bibliotekanauki.pl/articles/2135005.pdf
Data publikacji:
2022
Wydawca:
Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
Tematy:
swarms
swarm algorithm
sweep coverage
coverage task
optimisation
stochastic movement
algorytm roju
zasięg przemiatania
zadanie pokrycia
optymalizacja
ruch stochastyczny
Opis:
This paper describes an attempt of implementing physical parameters into a virtual swarm algorithm solution. It defines which physical parameters of the single object need to be known to properly transfer a virtual algorithm into a physical system. Considerations have been based on a stochastic movement swarm performing a coverage task. Time to finish the task and energy consumptions were measured for different numbers of drones in a swarm allowing to designate an optimal size of the swarm. Additional tests for changing variables allowed us to determine their impact on the swarm performance. The presented algorithm is a discrete-time solution, and every test is divided into steps. Positions of the drones are calculated only in time corresponding to these steps. Their position is unknown between these steps and the algorithm does not check if the paths of two drones cross between subsequent positions. The lower the time interval, the more precise results, but simulating the test requires more computing power. Further work should consider the smallest possible time intervals or additional feature to check if the paths of the drones do not cross.
W artykule opisano próbę implementacji parametrów fizycznych do rozwiązania algorytmu wirtualnego roju. Określono, które parametry fizyczne pojedynczego obiektu muszą być znane, aby poprawnie przenieść wirtualny algorytm do systemu fizycznego. Rozważania oparto na stochastycznym roju ruchu wykonującym zadanie przeszukiwania. Zmierzono czas wykonania zadania i zużycie energii dla różnej liczby dronów w roju, co pozwoliło na wyznaczenie optymalnej wielkości roju. Dodatkowe testy zmieniających się zmiennych pozwoliły określić ich wpływ na wydajność roju. Przedstawiony algorytm jest rozwiązaniem dyskretnym i z każdym testem jest podzielony na kroki. Pozycje dronów są obliczane tylko w czasie odpowiadającym tym krokom. Ich pozycja między tymi krokami jest nieznana, a algorytm nie sprawdza, czy ścieżki dwóch dronów przecinają się między kolejnymi pozycjami. Im krótszy odstęp czasu, tym dokładniejsze wyniki, ale symulacja testu wymaga większej mocy obliczeniowej. Dalsze prace powinny uwzględniać możliwie najmniejsze odstępy czasu lub dodatkową funkcję do sprawdzenia jeśli ścieżki dronów się nie przecinają.
Źródło:
Problemy Mechatroniki : uzbrojenie, lotnictwo, inżynieria bezpieczeństwa; 2022, 13, 3 (49); 9--26
2081-5891
Pojawia się w:
Problemy Mechatroniki : uzbrojenie, lotnictwo, inżynieria bezpieczeństwa
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Simulation on vessel intelligent collision avoidance based on artificial fish swarm algorithm
Autorzy:
Li, W.
Ma, W.
Powiązania:
https://bibliotekanauki.pl/articles/260153.pdf
Data publikacji:
2016
Wydawca:
Politechnika Gdańska. Wydział Inżynierii Mechanicznej i Okrętownictwa
Tematy:
simulation
collision avoidance
artificial fish swarm algorithm
Opis:
TAs the rapid development of the ship equipments and navigation technology, vessel intelligent collision avoidance theory was researched world widely. Meantime, more and more ship intelligent collision avoidance products are put into use. It not only makes the ship much safer, but also lighten the officers work intensity and improve the ship’s economy. The paper based on the International Regulation for Preventing Collision at sea and ship domain theories, with the ship proceeding distance when collision avoidance as the objective function, through the artificial fish swarm algorithm to optimize the collision avoidance path, and finally simulates overtaking situation, crossing situation and head-on situation three classic meeting situation of ships on the sea by VC++ computer language. Calculation and simulation results are basically consistent with the actual situation which certifies that its validity.
Źródło:
Polish Maritime Research; 2016, S 1; 138-143
1233-2585
Pojawia się w:
Polish Maritime Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Selection of the heat transfer coefficient using swarming algorithms
Autorzy:
Gawrońska, Elżbieta
Dyja, Robert
Zych, Maria
Domek, Grzegorz
Powiązania:
https://bibliotekanauki.pl/articles/2204686.pdf
Data publikacji:
2022
Wydawca:
Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
Tematy:
swarm algorithm
ABC algorithm
ACO algorithm
heat transfer coefficient
computer simulation
numerical modelling
Opis:
The article presents the use of swarming algorithms in selecting the heat transfer coefficient, taking into account the boundary condition of the IV types. Numerical calculations were made using the proprietary TalyFEM program and classic form of swarming algorithms. A function was also used for the calculations, which, during the calculation, determined the error of the approximate solution and was minimalised using a pair of individually employed algorithms, namely artificial bee colony (ABC) and ant colony optimisation (ACO). The tests were carried out to select the heat transfer coefficient from one range. Describing the geometry for a mesh of 408 fine elements with 214 nodes, the research carried out presents two squares (one on top of the other) separated by a heat transfer layer with a κ coefficient. A type III boundary condition was established on the right and left of both edges. The upper and lower edges were isolated, and a type IV boundary condition with imperfect contact was established between the squares. Calculations were made for ABC and ACO, respectively, for populations equal to 20, 40 and 60 individuals and 2, 6 and 12 iterations. In addition, in each case, 0%, 1%, 2% and 5% noise of the reference values were also considered. The obtained results are satisfactory and very close to the reference values of the κ parameter. The obtained results demonstrate the possibility of using artificial intelligence (AI) algorithms to reconstruct the IV type boundary condition value during heat conduction modelling.
Źródło:
Acta Mechanica et Automatica; 2022, 16, 4; 325--339
1898-4088
2300-5319
Pojawia się w:
Acta Mechanica et Automatica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Predicting and minimizing the blasting cost in limestone mines using a combination of gene expression programming and particle swarm optimization
Autorzy:
Bastami, Reza
Bazzazi, Abbas Aghajani
Shoormasti, Hadi Hamidian
Ahangari, Kaveh
Powiązania:
https://bibliotekanauki.pl/articles/1853861.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
kopalnia wapienia
wybuch detonacyjny
regresja nieliniowa
blasting cost
limestone mine
gene expression programming
non-linear multivariate regression
particle swarm optimization algorithm
environmental impacts
Opis:
Blasting cost prediction and optimization is of great importance and significance to achieve optimal fragmentation through controlling the adverse consequences of the blasting process. By gathering explosive data from six limestone mines in Iran, the present study aimed to develop a model to predict blasting cost, by gene expression programming method. The model presented a higher correlation coefficient (0.933) and a lower root mean square error (1088) comparing to the linear and nonlinear multivariate regression models. Based on the sensitivity analysis, spacing and ANFO value had the most and least impact on blasting cost, respectively. In addition to achieving blasting cost equation, the constraints such as frag-mentation, fly rock, and back break were considered and analyzed by the gene expression programming method for blasting cost optimization. The results showed that the ANFO value was 9634 kg, hole dia-meter 76 mm, hole number 398, hole length 8.8 m, burden 2.8 m, spacing 3.4 m, hardness 3 Mhos, and uniaxial compressive strength 530 kg/cm2 as the blast design parameters, and blasting cost was obtainedas 6072 Rials/ton, by taking into account all the constraints. Compared to the lowest blasting cost among the 146-research data (7157 Rials/ton), this cost led to a 15.2% reduction in the blasting cost and optimal control of the adverse consequences of the blasting process.
Źródło:
Archives of Mining Sciences; 2020, 65, 4; 835-850
0860-7001
Pojawia się w:
Archives of Mining Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Porównanie wybranych algorytmów wilczego stada stosowanych w rozwiązaniach problemów optymalizacji
Comparison of selected wolf pack algorithms used in solving optimization problems
Autorzy:
Sangho, Belco
Powiązania:
https://bibliotekanauki.pl/articles/41206104.pdf
Data publikacji:
2021
Wydawca:
Uniwersytet Kazimierza Wielkiego w Bydgoszczy
Tematy:
optymalizacja
algorytmy rojowe
algorytmy wilcze
wilki
funkcje porównujące
optimization
swarm algorithms
wolf herd algorithm
wolfs
benchmarks
Opis:
Algorytmy optymalizacyjne zyskały uznanie jako szybki i konsekwentny sposób rozwiązywania problemów optymalizacyjnych. W ostatnim czasie wilki są coraz częściej wykorzystywane jako inspiracja do tworzenia algorytmów, jak i w projektach używających tych algorytmów. W niniejszej pracy opisano sześć wybranych algorytmów. Następnie zaimplementowano je w języku R i porównano z pomocą sześciu funkcji porównujących, tzw. benchmarków. Wyniki trzydziestu testów na każdej z funkcji zaprezentowano za pomocą średniego wyniku, odchylenia standardowego wyniku, średniego czasu oraz odchylenia standardowego czasu. Dodatkowo zaprezentowano wykres zbieżności na dwóch z funkcji porównujących. Uzyskane wyniki algorytmów często różniły się od tych zaprezentowanych w publikacjach, jednak skuteczność części z nich była lepsza bądź porównywalna z PSO[1], DE[2] i GA[3]. Najlepszym wilczym algorytmem okazał się Grey Wolf Optimizer[4].
Optimization algorithms have gained recognition as a fast and consistent way to solve optimization problems. Recently, wolves have been increasingly used as inspiration for algorithms as well as in projects using these algorithms. In this paper, six selected algorithms are described. They were then implemented in R and compared using six comparison functions, called benchmarks. The results of thirty tests on each function were presented by mean score, standard deviation of the score, mean time and standard deviation of the time. Additionally, a convergence plot on two of the benchmark functions was presented. The algorithm results obtained often differed from those presented in the publications, but the performance of some of the algorithms was better or comparable to PSO[1], DE[2], and GA[3]. The best wolf algorithm was found to be Grey Wolf Optimizer[4].
Źródło:
Studia i Materiały Informatyki Stosowanej; 2021, 1; 17-32
1689-6300
Pojawia się w:
Studia i Materiały Informatyki Stosowanej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Population diversity maintenance in brain storm optimization algorithm
Autorzy:
Cheng, S.
Shi, Y.
Qin, Q.
Zhang, Q
Bai, R.
Powiązania:
https://bibliotekanauki.pl/articles/91571.pdf
Data publikacji:
2014
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:
brainstorm
optimization algorithm
convergence
divergence
brainstorm optimization
BSO
swarm intelligence
BSO algorithm
Opis:
The convergence and divergence are two common phenomena in swarm intelligence. To obtain good search results, the algorithm should have a balance on convergence and divergence. The premature convergence happens partially due to the solutions getting clustered together, and not diverging again. The brain storm optimization (BSO), which is a young and promising algorithm in swarm intelligence, is based on the collective behavior of human being, that is, the brainstorming process. The convergence strategy is utilized in BSO algorithm to exploit search areas may contain good solutions. The new solutions are generated by divergence strategy to explore new search areas. Premature convergence also happens in the BSO algorithm. The solutions get clustered after a few iterations, which indicate that the population diversity decreases quickly during the search. A definition of population diversity in BSO algorithm is introduced in this paper to measure the change of solutions’ distribution. The algorithm’s exploration and exploitation ability can be measured based on the change of population diversity. Different kinds of partial reinitialization strategies are utilized to improve the population diversity in BSO algorithm. The experimental results show that the performance of the BSO is improved by part of solutions re-initialization strategies.
Źródło:
Journal of Artificial Intelligence and Soft Computing Research; 2014, 4, 2; 83-97
2083-2567
2449-6499
Pojawia się w:
Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Photovoltaic power prediction based on improved grey wolf algorithm optimized back propagation
Autorzy:
He, Ping
Dong, Jie
Wu, Xiaopeng
Yun, Lei
Yang, Hua
Powiązania:
https://bibliotekanauki.pl/articles/27309934.pdf
Data publikacji:
2023
Wydawca:
Polska Akademia Nauk. Czasopisma i Monografie PAN
Tematy:
BP neural network
photovoltaic power generation
PSO–GWO model
PSO–GWO–BP prediction model
particle swarm optimization
gray wolf optimization
back propagation
standard grey wolf algorithm
Opis:
At present, the back-propagation (BP) network algorithm widely used in the short-term output prediction of photovoltaic power stations has the disadvantage of ignoring meteorological factors and weather conditions in the input. The existing traditional BP prediction model lacks a variety of numerical optimization algorithms, such that the prediction error is large. The back-propagation (BP) neural network is easy to fall into local optimization thus reducing the prediction accuracy in photovoltaic power prediction. In order to solve this problem, an improved grey wolf optimization (GWO) algorithm is proposed to optimize the photovoltaic power prediction model of the BP neural network. So, an improved grey wolf optimization algorithm optimized BP neural network for a photovoltaic (PV) power prediction model is proposed. Dynamic weight strategy, tent mapping and particle swarm optimization (PSO) are introduced in the standard grey wolf optimization (GWO) to construct the PSO–GWO model. The relative error of the PSO–GWO–BP model predicted data is less than that of the BP model predicted data. The average relative error of PSO–GWO–BP and GWO–BP models is smaller, the average relative error of PSO–GWO–BP model is the smallest, and the prediction stability of the PSO–GWO–BP model is the best. The model stability and prediction accuracy of PSO–GWO–BP are better than those of GWO–BP and BP.
Źródło:
Archives of Electrical Engineering; 2023, 72, 3; 613--628
1427-4221
2300-2506
Pojawia się w:
Archives of Electrical Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Performance Comparison of Optimization Methods for Flat-Top Sector Beamforming in a Cellular Network
Autorzy:
Nandi, Pampa
Roy, Jibendu Sekhar
Powiązania:
https://bibliotekanauki.pl/articles/2142316.pdf
Data publikacji:
2022
Wydawca:
Instytut Łączności - Państwowy Instytut Badawczy
Tematy:
flat-top sector beam
particle swarm optimization
real-coded genetic algorithm
Opis:
The flat-top radiation pattern is necessary to form an appropriate beam in a sectored cellular network and to pro vide users with best quality services. The flat-top pattern offers sufficient power and allows to minimize spillover of signal to adjacent sectors. The flat-top sector beam pattern is relied upon In sectored cellular networks, in multiple-input multiple-output (MIMO) systems and ensures a nearly constant gain in the desired cellular sector. This paper presents a comparison of such optimization techniques as real-coded genetic algorithm (RGA) and particle swarm optimization (PSO), used in cellular networks in order to achieve optimum flat-top sector patterns. The individual parameters of flat-top sector beams, such as cellular coverage, ripples in the flat-top beam, spillover of radiation to the adjacent sectors and side lobe level (SLL) are investigated through optimization performed for 40◦ and 60◦ sectors. These parameters are used to compare the performance of the optimized RGA and PSO algorithms. Overall, PSO outperforms the RGA algorithm.
Źródło:
Journal of Telecommunications and Information Technology; 2022, 3; 39--46
1509-4553
1899-8852
Pojawia się w:
Journal of Telecommunications and Information Technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Optimizing the Bit-flipping Method for Decoding Low-density Parity-check Codes in Wireless Networks by Using the Artificial Spider Algorithm
Autorzy:
Ghaffoori, Ali Jasim
Abdul-Adheem, Wameedh Riyadh
Powiązania:
https://bibliotekanauki.pl/articles/2055251.pdf
Data publikacji:
2022
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
low-density parity-check
LDPC
hard-decision Bit-Flipping
BF
particle swarm optimization
PSO
artificial spider algorithm
ASA
Opis:
In this paper, the performance of Low-Density Parity-Check (LDPC) codes is improved, which leads to reduce the complexity of hard-decision Bit-Flipping (BF) decoding by utilizing the Artificial Spider Algorithm (ASA). The ASA is used to solve the optimization problem of decoding thresholds. Two decoding thresholds are used to flip multiple bits in each round of iteration to reduce the probability of errors and accelerate decoding convergence speed while improving decoding performance. These errors occur every time the bits are flipped. Then, the BF algorithm with a low-complexity optimizer only requires real number operations before iteration and logical operations in each iteration. The ASA is better than the optimized decoding scheme that uses the Particle Swarm Optimization (PSO) algorithm. The proposed scheme can improve the performance of wireless network applications with good proficiency and results. Simulation results show that the ASA-based algorithm for solving highly nonlinear unconstrained problems exhibits fast decoding convergence speed and excellent decoding performance. Thus, it is suitable for applications in broadband wireless networks.
Źródło:
International Journal of Electronics and Telecommunications; 2022, 68, 1; 109--114
2300-1933
Pojawia się w:
International Journal of Electronics and Telecommunications
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 53

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