Interpretacja poznawcza metody Monte Carlo w zastosowaniach technicznych

• Autorzy: Chłopek Z.

Warianty tytułu

EN

The cognitive interpretation of the Monte Carlo method for the technical applications

• Języki publikacji: PL

Abstrakty

PL

W pracy przedstawiono poglądy na temat poznawczej interpretacji metody Monte Carlo. We wstępie zamieszczono informacje na temat zastosowania doświadczeń przypadkowych do poznania rzeczywistości od Starożytności do czasów współczesnych. Główna teza pracy dotyczy zastosowania metody Monte Carlo do poznawania przyczynowych i przypadkowych właściwości doświadczanej rzeczywistości. Przedstawiono przykład wykorzystania metody Monte Carlo w symulacji testu dynamicznego do badania silników spalinowych testem statycznym.

EN

The paper presents views on the cognitive interpretation of the Monte Carlo method. The introduction contains information on the application of a random occurencies to get to know the reality, starting from antiquity till the present day. The main argument of the paper concerns the use of the Monte Carlo method to learn the causal and random properties of the reality being experienced. The examples have been presented of the use of the Monte Carlo method in the dynamic test simulation to examine internal combustion engines with the static test.

Słowa kluczowe

PL

metoda Monte Carlo; silnik spalinowy; test

EN

Monte Carlo method; internal combustion engines; internal combustion engine tests

• Wydawca: Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne
• Czasopismo: Eksploatacja i Niezawodność
• Rocznik: 2009
• Tom: nr 3
• Strony: 38--46
• Opis fizyczny: Bibliogr. 28 poz.

Twórcy

autor

Chłopek Z.

• Instytut Transportu Samochodowego w Warszawie ul. Jagiellońska 80, 03-301 Warszawa,

Bibliografia

• 1. Achiezer N. B.: Teoria aproksymacji. Warszawa: PWN, 1957.
• 2. Banach S.: Teoria operacyj. Tom I. Operacje linjowe. Warszawa: Wydawnictwo Kasy im. Mianowskiego Instytutu Popierania Nauki, 1931.
• 3. Chen C.S., Golberg M.A.: Las Vegas method for diffusion equations. Computational Mechanics Publications, 1997: 299–308.
• 4. Chłopek Z.: Modelowanie procesów emisji spalin w warunkach eksploatacji trakcyjnej silników spalinowych. Prace Naukowe. Seria „Mechanika” z. 173. Warszawa: Oficyna Wydawnicza Politechniki Warszawskiej, 1999.
• 5. Chłopek Z.: Metody badań ekologicznych właściwości silników spalinowych w warunkach przypadkowych. Zeszyty Naukowe Instytutu Pojazdów Politechniki Warszawskiej 3(34)/99: 27–34.
• 6. Chłopek Z., 2001: Metody badań właściwości silników spalinowych w warunkach przypadkowych modelujących użytkowanie. Archiwum Motoryzacji 4/2001: 187–210.
• 7. Demidowicz B. L., Maron I. A.: Metody numeryczne. Warszawa: PWN, 1965.
• 8. Eiben A. E., Smith J. E.: Introduction to evolutionary computing. New York: Springer Verlag, 2003.
• 9. Fishman G. S.: Monte Carlo. Concepts, Algorithms and Applications. New York: Springer Verlag, 1996.
• 10. Haupt R. L., Haupt S. E.: Practical genetic algorithms. New York: John Wiley & Sons, 1998.
• 11. Heidegger M.: Fenomenologia życia religijnego. Warszawa: Znak, 2002.
• 12. Hume D.: Philosophical essays concerning human understanding. London: A. Millar, 1748.
• 13. Kant I.: Critic der reinen Vernunft. Riga: Johann Friedrich Hartknoch, 1788.
• 14. Kosorukoff A.: Human based genetic algorithm. IEEE Transactions on Systems, Man, and Cybernetics, SMC–2001: 3464–3469.
• 15. Leclerc G. F. – Comte de Buffon: Encyclopedia of Life Sciences. New York, Dublin: H. W. Wilson Company, 2001.
• 16. Marecka–Chłopek E., Chłopek Z., 2007: Pollutant emission problems from the combustion engines of other applications than motor cars. Eksploatacja i Niezawodność - Maintenance and Reliability 2007; 3: 81–85.
• 17. Marx K.: Thesen über Feuerbach. In Engels F: Ludwig Feuerbach und der Ausgang der klassischen deutschen Philosophie. Stuttgart: Verlag J. H. W. Deetz, 1888.
• 18. Metropolis N., Ulam S.: The Monte Carlo Method. Journal of the American Statistical Association, Vol. 44, No. 247 (Sep., 1949): 335–341.
• 19. Rabin M. O.: Probabilistic algorithms in fi nite fi elds. SIAM Journal on Computing. Vol. 9, No. 2, 1980: 273–280.
• 20. Ralston A.: Wstęp do analizy numerycznej. Warszawa: PWN, 1975.
• 21. Rubinstein R.Y.: Simulation and the Monte Carlo Method. Second Edition. J. New York: Wiley & Sons Inc., 2008.
• 22. Smetanin Y.: Las Vegas method of region–of–attraction enlargement in neural networks. Proc. SPIE. Vol. 2363, 1995: 77–81.
• 23. Student: Probable error of a correlation coeffi cient. Biometrika 6/1908: 302–310.
• 24. Student: The probable error of a mean. Biometrika 6/1908: 1–25.
• 25. Thomson W., Tate P. G.: Treatise on natural philosophy: Part One. Montana: Kessinger Publishing, Whitefi sh, 1912.
• 26. Ulam S.: Wspomnienia z Kawiarni Szkockiej. Roczniki Polskiego Towarzystwa Matematycznego. Seria II: Wiadomości Matematyczne. Numer XII (1969): 49–58.
• 27. Williams E., Crossley W., Lang T.: Average and maximum revisit time trade studies for satellite constellations using a multiobjective genetic algorithm. Journal of the Astronautical Sciences. Vol. 49, No. 3, (July–September 2001): 385–400.
• 28. Zieliński R., Neuman R. P.,: Stochastyczne metody poszukiwania minimum funkcji. Warszawa: WNT, 1986.