Porównanie funkcji oceny w algorytmach genetycznych na przykładzie zadania optymalizacji wielokryterialnej

• Autorzy: Michał Homme

Warianty tytułu

Comparison of Estimate Function in Genetic Algorithms on the Example of Multicriteria Optimization

• Języki publikacji: PL

Abstrakty

Charakterystyka rzeczywistej linii technologicznej do produkcji wyrobów włókno-cementowych została wykorzystana do przeprowadzenia symulacji i oceny możliwości użycia algorytmu genetycznego zamiast rozproszonego systemu sterowania stosowanego obecnie. Wykazano, na przykładzie różnych funkcji oceny, że zastosowanie metod ewolucyjnych w sterowaniu może skrócić czas powrotu linii wytwarzania do stanu stabilnego. Porównano dokładność obliczeń algorytmu genetycznego wykorzystującego różne funkcje oceny otrzymane za pomocą metod: punktu odniesienia i funkcji ważonej. (abstrakt oryginalny)

EN

The article characterizes a dispersed control system of technology line for the production of fiber-cement goods. Genetic algorithms are used to reduce the time needed for returning to the stable condition. This example shows the problem of choosing an estimate function of genetic algorithm. The article compares precision of genetic algorithm's results with the estimate function received by one of two methods: reference point and importance function. (original abstract)

Słowa kluczowe

PL

Algorytmy genetyczne; Optymalizacja wielokryterialna; Sztuczna inteligencja

EN

Genetic algorithms; Multiple criteria optimization; Artificial intelligence

• Czasopismo: Studia Doktorantów / Uniwersytet Ekonomiczny w Poznaniu
• Rocznik: 2013
• Numer: nr 12 Gospodarka globalna. Technologia. Społeczeństwo
• Strony: 216--230

Twórcy

autor

Michał Homme

• Politechnika Poznańska

Bibliografia

• Arabas, J., 2001, Wykłady z algorytmów ewolucyjnych, WNT, Warszawa.
• Michalewicz, Z., 1996, Algorytmy genetyczne + struktury danych = program ewolucyjne, WNT, Warszawa.
• Reeves, C.R., Rowe, J.E., 2003, Genetic Algorithms - Principles and Perspectives: A Guide to GA Theory, Kluwer, Boston.
• Rutkowska, D., Piliński, M., Rutkowski, L., 1999, Sieci neuronowe, algorytmy genetyczne i systemy rozmyte, Wydawnictwo Naukowe PWN, Warszawa.
• Białas-Heltowski, K., 2006, Wyznaczanie i ocena rozwiązań polioptymalnych na przykładzie wybranego układu technicznego, rozprawa doktorska na Wydziale Mechanicznym, Uniwersytet Zielonogórski, Zielona Góra.
• Hudy, W., 2006, Projektowanie układu sterowania oraz identyfikacja parametrów silnika indukcyjnego z zastosowaniem algorytmów ewolucyjnych i różnych kryteriów jakości, rozprawa doktorska na Wydziale Elektrotechniki, Automatyki, Informatyki i Elektroniki, Akademia Górniczo-Hutnicza, Kraków.
• Kowalczuk, Z., Białaszewski, T. Suchomski, P, 1999, Genetyczna polioptymalizacja w sensie Pareto z zastosowaniem rankingu i niszowania, Proceeding of 3rd National Conference on Evolutionary Computation and Global Optimization, Złoty Potok, s. 175-182.
• Tchórzewski, J.R., 2005, Systemowy algorytm ewolucyjny (SAE), Journal Edited by Medical College - Jagiellonian University, vol. 1, no. 1/2, s. 61-64.
• Technologia Linii M3 wytwarzania wyrobów włókno-cementowych, 2008, Cembrit S.A., Trzemeszno.