Application of self-organizing maps in visualization of multidimensional pareto fronts

• Autorzy: Schlieter T.

Warianty tytułu

PL

Zastosowanie samoorganizujących map w celu wizualizacji wielowymarowych frontów pareto

• Języki publikacji: EN

Abstrakty

EN

The aim of this study is to show the application of Kohonen’s self-organizing maps for the purpose of visualization. Multi-dimensional sets of solutions of test functions for optimization and real multiobjective optimization problems are presented using self-organizing maps and traditional methods for comparison.

PL

Celem pracy jest przedstawienie zastosowania samoorganizujących map Kohonena do wizualizacji. Wielowymiarowe zbiory niezdominowanych rozwiązań testowych funkcji optymalizacji oraz rzeczywistych problemów optymalizacji wielokryterialnej są przedstawione z wykorzystaniem samoorganizujących map oraz tradycyjnych metod dla porównania.

Słowa kluczowe

EN

self-organizing map; Kohonen’s neural network; Pareto front; visualization

PL

samoorganizująca mapa; sztuczna sieć neuronowa Kohonena; front Pareto; wizualizacja

• Wydawca: Wyższa Szkoła Informatyki i Umiejętności
• Czasopismo: Zeszyty Naukowe Wyższej Szkoły Informatyki
• Rocznik: 2016
• Tom: Vol. 15, Nr 1
• Strony: 75--87
• Opis fizyczny: Bibliogr. 7 poz., rys.

Twórcy

autor

Schlieter T.

• Institute of Computational Mechanics and Engineering, Silesian University of Technology, ul. Konarskiego 18A, 44-100 Gliwice

Bibliografia

• [1] Beluch W., Hatłas M., Multiscale Evolutionary Optimization of Functionally Graded Materials, Advances in mechanics: theoretical, computational and interdisciplinary issues, 2016, pp. 83-91
• [2] Branke J., Deb K., Miettinen K., Słowiński R., Multiobjective Optimization. Interactive and Evolutionary Approaches, Springer, Berlin, 2008
• [3] Długosz A., Jarosz P., Multiobjective optimization of electrothermal microactuators by means of Immune Game Theory Multiobjective Algorithm, Advances in mechanics: theoretical, computational and interdisciplinary issues, 2016, pp. 141-146
• [4] Kohonen T., Self-Organizing Maps, Springer, New York, 2001
• [5] Obayashi S., Sasaki D., Visualization and Data Mining of Pareto Solutions Using Self-Organizing Map, Lecture Notes in Computer Science, 2003, pp. 796-809
• [6] Zitzler E., Deb K., Thiele L., Comparison of Multiobjective Evolutionary Algorithms: Empirical Results, Evolutionary Computation, 2000, pp. 173-195
• [7] http://www.cis.hut.fi/projects/somtoolbox/about, access 18-X-2016

Uwagi

PL

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę.