Zastosowanie algorytmów rojowych w zadaniu planowania sieci WLAN

• Autorzy: Pieprzycki A. , Ludwin W.

Identyfikatory

DOI

10.5604/01.3001.0010.8021

Warianty tytułu

EN

Application of rogue algorithms in the WLAN planning task

• Języki publikacji: PL

Abstrakty

PL

Celem artykułu jest sprawdzenie i porównanie rojowych metod optymalizacji w zadaniu planowania wewnątrzbudynkowej sieci łączności bezprzewodowej (WLAN). W tym celu, w procesie poszukiwania ekstremum funkcji kryterialnej, która jest wskaźnikiem optymalizacyjnych, zastosowano sześć algorytmów rojowych: sztucznej kolonii pszczół, nietoperza, pszczeli, kukułki, świetlika, optymalizacji rojem cząstek (ptasi).

EN

The aim of this article is to examine and compare swarm optimization methods in the task of planning indoor wireless networks (WLAN). For this purpose, in the process of searching for the extremum of the criterion function, which is an optimization indicator, six swarm algorithms were used: artificial bees colony, bat, bee, cuckoo, firefly, particle swarm (bird).

Słowa kluczowe

PL

optymalizacja; algorytm optymalizacji; planowanie; WLAN; optymalizacja nieliniowa; algorytm rojowy

EN

Artificial Bee Colony ABC; Bat Algorithm (BA); Bee Algorithm BeA; Cuckoo Search CS; Firefly Algorithm FA; particle swarm optimization (PSO); WLAN planning; non–linear optimization

• Wydawca: Państwowa Wyższa Szkoła Zawodowa w Tarnowie
• Czasopismo: Tarnowskie Colloquia Naukowe. Nauki Techniczne i Ścisłe
• Rocznik: 2017
• Tom: T. 4, nr 3
• Strony: 99--109
• Opis fizyczny: Bibliogr. 17 poz., rys., tab.

Twórcy

autor

Pieprzycki A.

• Państwowa Wyższa Szkoła Zawodowa w Tarnowie, ul. Mickiewicza 8, 33-100 Tarnów, Polska

autor

Ludwin W.

• Akademia Górniczo-Hutnicza w Krakowie, Al. Mickiewicza 30, 30-059 Kraków, Poland

Bibliografia

• 1. J. Kwiecień, Algorytmy stadne w rozwiązaniu wybranych zagadnień optymalizacji dyskretnej i kombinatorycznej, AGH, Kraków, 2015.
• 2. B. Filipowicz i J. Kwiecień, Pomiary Automatyka, Robotyka, 2011, 12, 152-157.
• 3. A. Migacz i R. Tadeusiewicz, Model rodziny pszczelej, Akademia Medyczna, Kraków, 1979.
• 4. A. Migacz i R. Tadeusiewicz, System Science, 1983, 3, 83-95.
• 5. D. Karaboga, An idea based on honey bee swarm for numerical optimization, Erciyes University, Engineering Faculty, Computer Engineering Department, 2005.
• 6. D. Karaboga i B. Akay, Artificial Bee Colony (ABC), Harmony Search and Bees Algorithms on Numerical Optimization, W: IPROMS 2009 Innovative Production Machines and Systems Virtual Conference, Cardiff, UK, 2009.
• 7. J. Kennedy i R. Eberhart, Particle Swarm Optimization, IEEE International Conference on Neural Networks, 1995.
• 8. R. Eberhart, Y. Shi i J. Kennedy, Swarm Intelligence, Morgan Kaufman, San Francisco, 2001.
• 9. K. Trojanowski, Metaheurystyki praktycznie, wyd. 2, WIT, Warszawa, 2008.
• 10. X.-S. Yang, Nature-inspired optimisation algorithms, Elsevier, 2014.
• 11. E.D. Taillard, European Journal of Operationals Research, 1993, 64, 278-285.
• 12. Methodology for Testing Wireless LAN Performance, http://www.super-g.com/collateral/atheros_benchmark_whitepaper.pdf [02.02.2017].
• 13. S. Mostapha Kalami Heris, Implementation of Standard Bees Algorithm in MATLAB, Yarpiz, http://yarpiz.com/315/ypea115-bees-algorithm [02.02.2017].
• 14. X.-S. Yang, Bat algorithm, https://www.mathworks. com/matlabcentral/fileexchange/37582--bat-algorithm--demo- [02.02.2017].
• 15. X.S. Yang, Cuckoo Search (CS) Algorithm, http://www.mathworks.com/matlabcentral/fileexchange/29809-cuckoo-search--cs--algorithm [02. 02.2017].
• 16. X.S. Yang, Firefly Algorithm for Constrained Optimization, www.mathworks.com/matlabcentral/fileexchange/29693-firefly-algorithm [02.02.2017].
• 17. Particle swarm analysis, http://www.codeforge. com/article/259219 [02.02.2017].