Efektywność metody pełnego krzyżowania dla problemów kombinatorycznych

• Autorzy: Robert Chibowski , Tomasz Gwiazda
• Języki publikacji: PL

Abstrakty

Niniejsze opracowanie przedstawia wstępne wyniki otrzymane na tej drodze - skoncentrowano się tu na problemach kombinatorycznych a konkretnie na klasycznych problemach symetrycznego i asymetrycznego komiwojażera, a obszarem zainteresowania było porównanie efektywności (rozumianej tu jako szybkość osiągania konkretnej wartości funkcji celu) metody Pełnego Krzyżowania i klasycznych operatorów genetycznych dedykowanej dla tej klasy problemów. W kolejnych rozdziałach referatu przedstawione kolejno zostaną - metoda Pełnego Krzyżowania w formie zastosowanej do rozpatrywanej tu klasy problemów, opis przeprowadzonych eksperymentów i podsumowanie wraz z wnioskami dotyczącymi dalszej pracy badawczej. (fragment tekstu)

Słowa kluczowe

PL

Kombinatoryka; Podejmowanie decyzji; Proces decyzyjny

EN

Combinatorial analysis; Decision making; Decision proces

• Czasopismo: Prace Naukowe Akademii Ekonomicznej we Wrocławiu
• Rocznik: 2003
• Numer: nr 975 Pozyskiwanie wiedzy i zarządzanie wiedzą
• Strony: 35--41

Twórcy

autor

Robert Chibowski

• Uniwersytet Warszawski

autor

Tomasz Gwiazda

• Uniwersytet Warszawski

Bibliografia

• Deb K.: An Efficient Constraint Handling Method for Genetic Algorithms, w Computer Methods in Applied Mechanics and Engineering, 2000.
• Goldberg D.E.: Genetic Algorithms in Search, Optimization and Machine Learning, Addison-Wesley, 1989.
• Gwiazda T.D.: Full Exploitation of the Crossover Operator Potential - On the Example of the Problems of Nonlinear Optimization with Constraints, w Evolutionary Methods for Design, Optimization and Control with Applications to Industrial Problems, s. 71-76, C1MNE, Barcelona 2002.
• Gwiazda T.D.: Multiple crossover algorithm for constrained optimization problems, w Advances in Intelligent Systems, Fuzzy Systems, Evolutionary Computation, s. 239-244, WSEAS Press, Interlaken, 2002.
• Gwiazda T.D.: Algorytmy ewolucyjne w rozwiązywaniu nieliniowych problemów decyzyjnych, Wydawnictwa Naukowe Wydziału Zarządzania Uniwersytetu Warszawskiego, Warszawa 2002.
• Lawton G.: Genetic Algorithms for Schedule Optimization, w AI-Expert, s. 23-27, maj 1992.
• Michalewicz Z., Fogel D.: How to Solve It: Modern Heuristics, Spronger Verlag, New York, 2000.
• Powell D., Skolnick M.M.: Using genetic Algorithms in Engineering Design Optimization with Non-linear Constraints, w Proceedings of the 5th International Conference on Genetic Algorithms, s. 424-430, Morgan Kauffman, San Mateo, 1993.