PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

Multi-thread evolutionary computation for design optimization

Autorzy
Wybrane pełne teksty z tego czasopisma
Identyfikatory
Warianty tytułu
PL
Wielowątkowe ewolucyjne obliczenia równoległe w optymalizacji konstrukcji
Języki publikacji
EN
Abstrakty
EN
The paper presents multi-thread calculations using parallel evolutionary algorithms (EA) for single and multicriteria design optimization. This approach was implemented to avoid a negative influence of incorrectly chosen initial and EA’s control parameters for the accuracy of generated solutions and thereby to improve the effectiveness of the EA’s use. Parallel computation for single optimization problems relies just on running n threads with different randomly chosen parameters in order to find the best final solution. For multicriteria optimization problems, each thread generates a set of Pareto optimal solutions and at the end these sets are combined together, giving a real set of Pareto optimal solutions. During the run of the algorithm, random interactions between threads were applied. The experiments were carried out using tenthread processes for different examples of single and multicriteria design optimization problems, two of which are presented in the paper.
PL
W artykule przedstawiono wielowątkowe obliczenia równoległe z wykorzystaniem algorytmów ewolucyjnych (AE) dla jedno- i wielokryterialnej optymalizacji konstrukcji. Przedstawioną metodę wykorzystano w celu uniknięcia negatywnego wpływu niewłaściwie dobranych parametrów inicjujących i sterujących w algorytmie ewolucyjnym na dokładność obliczeń, a tym samym w celu poprawy efektywności działania algorytmu. Obliczenia równoległe dla optymalizacji jednokryterialnej polegają na uruchomieniu n wątków z losowo dobranymi parametrami AE z przyjętych zakresów i zbiorów dyskretnych. Dla optymalizacji wielokryterialnej każdy wątek generuje niezależny zbiór rozwiązań Pareto, a następnie na końcu zbiory te są łączone w finalny zbiór rozwiązań Pareto. W trakcie obliczeń wprowadzono losowe interakcję między wątkami. Eksperymenty przeprowadzono z wykorzystaniem 10 wątków równoległych dla wielu przykładów, dwa przedstawiono w artykule.
Rocznik
Strony
197--206
Opis fizyczny
Bibliogr. 10 poz., wz., rys., tab., wykr.
Twórcy
autor
  • Institute of Production Engineering, Department of Mechanical Engineering, CracowUniversity of Technology
Bibliografia
  • [1] Burczynski T., Dlugosz A., Kus W., Parallel Evolutionary Algorithms in Shape Optimization of Heat Radiators, Journal of Theoretical and Applied Mechanics 44, 2, Warszawa 2006, 351–366.
  • [2] Grefenstette J., Optimization of Control Parameters for Genetic Algorithms, IEEE Transactions on Systems, Man, and Cybernetics, Vol. 16, No. 1, 1986, 122–128.
  • [3] Kieś P., Selection of genetic algorithm parameters using off-line method(In Polish), Instytut Naukowo-Badawczy ZTUREK, Warszawa 2000.
  • [4] Krenich S., Genetic Algorithms in Parametrical Optimization of Robot Gripper Mechanisms, Ph.D. thesis (in Polish), Wydział Mechaniczny, Politechnika Krakowska, Kraków 2002.
  • [5] Lis J., Lis M., Self-adapting Parallel Genetic Algorithm with Dynamic Mutation Probability, Crossover Rate and Population Size, Proceedings of the First Polish National Conference on Evolutionary Computing, J. Arabas (ed.), Politechnika Warszawska, Warszawa 1996, 324–329.
  • [6] Miki M., Hiroyasu T., Hatanaka K., Parallel Genetic Algorithms with Distributed-Environment Multiple Population Scheme, The 3rd World Congress on Structural and Multidisciplinary Optimization, Buffalo 17–22 May, USA, 1999.
  • [7] Osyczka A., Evolutionary Algorithms for Single and Multicriteria Design Optimization, Springer-Verlag Physica, Berlin Heilderberg, 2002.
  • [8] Osyczka A., Krenich S., Evolutionary Algorithms for Global Optimization, [in:] Global Optimization – Selected Case Studies, J. Pinter (ed.), Kluwer Academic Publishers, Dordrecht/Boston/London 2007.
  • [9] Osmera P., Lacko B., Peter M., Parallel Evolutionary Algorithms, Proceedings IEEE International Symposium on Computational Intelligence in Robotics and Automation, 2003.
  • [10] Sadecki J., Parallel algorithms for optimization and testing of their effectiveness (in Polish), Oficyna Wydawnicza Politechniki Opolskiej, Opole 2001.
Uwagi
EN
Section "Mechanics"
PL
Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę (zadania 2017)
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-302ba316-95e6-4bb8-803e-92fab5a0d9b2
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.