Analysis of optimization methods in marine objects control synthesis

• Autorzy: Lisowski Józef

Identyfikatory

DOI

10.24136/jaeee.2020.003

• Języki publikacji: EN

Abstrakty

EN

The article presents four main chapters that allow you to formulate an optimization task and choose a method for solving it from static and dynamic optimization methods to single-criterion and multi-criteria optimization. In the group of static optimization methods, the methods are without constraints and with constraints, gradient and non-gradient and heuristic. Dynamic optimization methods are divided into basic - direct and indirect and special. Particular attention has been paid to multicriteria optimization in single-object approach as static and dynamic optimization, and multi-object optimization in game control scenarios. The article shows not only the classic optimization methods that were developed many years ago, but also the latest in the field, including, but not limited to, particle swarms.

PL

W artykule przedstawiono cztery główne rozdziały, które pozwalają sformułować zadanie optymalizacji i wybrać metodę jego rozwiązania, od metod optymalizacji statycznej i dynamicznej do optymalizacji jedno i wielokryterialnej. W grupie metod optymalizacji statycznej metody te są bez ograniczeń i z ograniczeniami, gradientowe i bez gradientowe oraz heurystycznie. Metody optymalizacji dynamicznej dzielą się na podstawowe - bezpośrednie i pośrednie oraz specjalne. Szczególną uwagę zwrócono na optymalizację wielokryterialną w podejściu do jednego obiektu jako optymalizację statyczną i dynamiczną oraz optymalizację wielu obiektów w scenariuszach sterowania rozgrywającego. Artykuł pokazuje nie tylko klasyczne metody optymalizacji, które zostały opracowane wiele lat temu, ale także najnowsze w tej dziedzinie, w tym między innymi metody roju cząstek.

Słowa kluczowe

EN

optimization methods; optimal control; safe ship control; computer simulation

PL

metody optymalizacji; sterowanie optymalne; bezpieczne sterowanie statkiem; symulacja komputerowa

• Wydawca: Uniwersytet Technologiczno-Humanistyczny im. Kazimierza Pułaskiego w Radomiu
• Czasopismo: Journal of Automation, Electronics and Electrical Engineering
• Rocznik: 2020
• Tom: Vol. 2, No. 1
• Strony: 25--30
• Opis fizyczny: Bibliogr. 19 poz., rys., tab.

Twórcy

autor

Lisowski Józef

• Gdynia Maritime University, Faculty of Marine Electrical Engineering, Morska 83, 81-225 Gdynia, Poland

Bibliografia

• [1] Yong J. (2018) Optimization Theory – a Concise Introduction. World Scientific, New Jersey
• [2] Speyer J.L., Jacobson D.H. (2010) Primer on optimal control theory. SIAM, Toronto
• [3] Lisowski J. (2017) Optimization methods (in Polish). Publishing House of Gdynia Maritime University, Gdynia
• [4] Baker G. (2016) Differential Equations as Models in Science and Engineering. World Scientific, New Jersey
• [5] Dorf R.C., Bishop R.H. (2012) Modern control systems. Addison Wesley Longman, California
• [6] Guenin B., Konemann J., Tuncel L. (2014) A gentle introduction to optimization. Cambridge University Press, United Kingdom
• [7] Lazarowska A. (2015) “Safe ship trajectory planning based on the ant algorithm – the development of the method”. Activities in Navigation: Marine Navigation and Safety of Sea Transportation. pp. 34-40, doi: 10.1201/b18513-25
• [8] Falcone M., Ferretti R. (2014) Semi-Lagrangian Approximation Schemes for Linear and Hamilton-Jacobi Equations. Sian, Philadelphia
• [9] Ehrgott M., Gandibleux X. 2002. Multiple criteria optimization: state of the art annotated bibliographic surveys. Kluwer Academic Press, New York.
• [10] Messac A., Sukam C.P., Melachrinoudis E. (2000) Aggregate objective functions and Pareto frontiers: required relationships and practical implications. Journal of Optimization Eng., Vol 1, pp. 171-188, doi: 10.1023/A:1010035730904
• [11] Messac A., Mattson C.A. (2002) Generating welldistributed sets of Pareto points for engineering design using physical programming. Journal of Optimization Eng., Vol 3, pp. 431-450, doi: 10.1023/A:1021179727569
• [12] Kim I.Y., de Weck O.L. (2005) “Adaptive weighted sum method for bi-objective optimization: Pareto front generation”. Structural Multidisciplinary Optimization. Vol 29, issue 2, pp. 149-158, doi: 10.1007/s00158-004-0465-1
• [13] Odu G.O., Charles-Owaba O.E. 2013) Review of multicriteria optimization methods – theory and applications. IOSR J of Eng. Vol 3, No 10, pp. 01-14, doi: 10.9790/3021-031020114
• [14] Koksalan M., Wallenius J., Zionts S. (2013) Early history of multiple criteria decision making. Journal of Multi-Criteria Decision Analysis. Vol 20, pp. 87-94, doi: 10.1002/mcda.1481
• [15] Legriel J. (2011) Multicriteria optimization and its application to multi-processor embedded systems. A thesis of doctorate, Grenoble University, France
• [16] Marler R.T., Arora J.S. (2004) “Survey of multi-objective optimization methods for engineering”. Structural Multidisciplinary Optimization. Vol 26, pp. 369-395, doi: 10.1007/s00158-003-0368-6
• [17] Nisan N., Roughgarden T., Tardos E., Vazirani V.V. (2007) Algorithmic game theory. Cambridge University Press, New York
• [18] Basar T., Olsder G.J. (1998) Dynamic Noncooperative Game Theory. Sian, Philadelphia
• [19] Engwerda J.C. (2005) LQ dynamic optimization and differential games. John Wiley & Sons, West Sussex