Zastosowanie przykładowego algorytmu stadnego w optymalizacji kombinatorycznej

• Autorzy: Filipowicz B. , Kwiecień J.

Warianty tytułu

EN

Application of selected algorithm based on swarm intelligence in combinatorial optimization problems

• Języki publikacji: PL

Abstrakty

PL

Algorytmy metaheurystyczne inspirowane naturą znajdują szerokie zastosowanie w problemach optymalizacji kombinatorycznej. Do tej klasy metod należy algorytm optymalizacji rojem cząstek oparty na zachowaniach stada ptaków. W artykule przedstawiono zastosowanie binarnego algorytmu optymalizacji rojem cząstek do rozwiązania wielowymiarowego problemu plecakowego. Zaprezentowano również wyniki eksperymentów dla wybranych instancji testowych.

EN

Nature-inspired metaheuristic algorithms are successfully applied to combinatorial optimization problems. They incorporate particle swarm optimization inspired by the behaviors of bird flocks. This paper presents the applying of binary particle swarm optimization to the multidimensional knapsack problem. The results of computational experiments for standard test problems have been also presented.

Słowa kluczowe

PL

optymalizacja rojem cząstek; problem plecakowy

EN

particle swarm optimization (PSO); knapsack problem

• Wydawca: Wydawnictwa AGH
• Czasopismo: Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie
• Rocznik: 2010
• Tom: T. 14, z. 3/2
• Strony: 885--891
• Opis fizyczny: Bibliogr. 9 poz., rys., wykr., tab.

Twórcy

autor

Filipowicz B.

• Katedra Automatyki, Akademia Górniczo-Hutnicza w Krakowie

autor

Kwiecień J.

• Katedra Automatyki, Akademia Górniczo-Hutnicza w Krakowie

Bibliografia

• [1] Eberhart R., Shi Y., Kennedy J., Swarm Intelligence. Morgan Kaufman, San Francisco, 2001.
• [2] Gong T., Tuson A.L., Particle swarm optimization for ąuadratic assignment problems - a forma analysis approach. International Journal of Computational Intelligence Research, 4, 2008, 177-185.'
• [3] Kennedy J., Eberhart R., Particle Swarm Optimization. Materiały IEEE International Conference on Neural Networks, 4, 1995, 1942-1948.
• [4] Lian Z., Gu X., Jiao B., A similar particle swarm optimization algorithm for permutation flow- shop scheduling to minimize makespan. Applied Mathematics and Computation, 175, 2006, 773-785.
• [5] Sha D.Y., Hsu Ch.Y., A new particle swarm optimization for the open shop scheduling problem. Computers & Operations Research, 35, 2008, 3243-3261.
• [6] Tasgetiren M.F., LiangY.C, Sevkli M., Gencyilmaz G., A particle swarm optimization algorithm for makespan and total flow time minimization in the permutation flowshop seąuencing. European Journal of Operational Research, 177, 2007, 1930-1947.
• [7] Wang L., Wang X., Fu J., Zhen L., A novel probability binary particle swarm optimization algorithm and its application. Journal of Software, 3, 2008, 28-35.
• [8] Zhu Q., Qian L., Li Y., Zhu S., An improved particle swarm optimization algorithm for vehicle routing problem with time windows. Materiały IEEE Congress on Evolutionary Computation, 2006, 1386-1390.
• [9] Zbiór instancji testowych problemu plecakowego: http://elib.zib.de/pub/Packages/mp-testdata/ip/ sac94-suite/index.html (styczeń 2010).