Zagadnienia kary za przekroczenie ograniczeń w projektowaniu optymalnych maszyn elektrycznych za pomocą metod ewolucyjnych

• Autorzy: Rudeński A.

Warianty tytułu

EN

Issues concerning penalty for constraints violation in design of optimal electrical machines using evolutionary

• Języki publikacji: PL

Abstrakty

PL

W pracy przedstawiono trzy wybrane metody definiowania kar za przekroczenie ograniczeń przy optymalizacji w obszarze ograniczonym. Wykonane eksperymenty obliczeniowe wykazały, że najbardziej efektywna jest metoda samoczynnej adaptacji przystosowań, zwłaszcza dla silników o większej mocy znamionowej oraz przy nałożeniu restrykcyjnych ograniczeń dotyczących sprawności oraz parametrów rozruchowych.

EN

The paper presents three selected methods to define of the penalty for constraints violation in constrained optimization. Calculation experiments indicates, that most effective is the self adaptive fitness method, especially in application to the motors with greater rated power and more restrictive constraints concerning starting parameters.

Słowa kluczowe

PL

maszyny elektryczne; kary w optymalizacji; projektowanie maszyn elektrycznych

EN

electrical machines; penalties in optimization; design

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2007
• Tom: R. 83, nr 12
• Strony: 69--73
• Opis fizyczny: Bibliogr. 3 poz., rys., tab., wykr.

Twórcy

autor

Rudeński A.

• Instytut Elektrotechniki, Zakład Maszyn Elektrycznych, Warszawa,

Bibliografia

• [1] Arabas J.: Wykłady z algorytmów ewolucyjnych. WNT, War-szawa, 2001.
• [2] Bäck T., Schwefel H.P.: An Overview of Evolutionary Algo-rithms for Parameter Optimization. Evolutionary Computa-tion, Vol. 1, No. 1, 1993, pp. 1-23.
• [3] Dąbrowski M., Rudeński A.: Dyskretne zmienne niezależne w niedeterministycznej optymalizacji maszyny elektrycznej. Proc. of XLI International Symposium on Electrical Machines SME-2005. s. 731-737.
• [4] Dąbrowski M., Rudeński A.: Metody ewolucyjne optymalizacji silników indukcyjnych jednofazowych z uwzględnieniem zmiennych decyzyjnych dyskretnych. Przegląd Elektrotechniczny Nr 6 /2005, s. 10-15.
• [5] Dąbrowski M., Rudeński A.: Application of evolutionary algorithms for optimization of electrical machines. Proc. of ZkwE 2005, pp. 106-113.
• [6] Dąbrowski M., Rudeński A.: Application of non-deterministic hybrid method for optimization of three-phase induction motors by increased number of independent variables. Poznan University of Technology Academic Journals, No.52, 2006, pp. 145-157.
• [7] Farmani R., Wright A.: Self-Adaptive Fitness Formulation for Constrained Optimization. I.E.E.E. Trans. on Evolutionary Computation, Vol. 7, No. 5, October 2003, pp. 445-455.
• [8] Michalewicz Z.: Algorytmy genetyczne + struktury danych = programy ewolucyjne. WNT, Warszawa, 1996.
• [9] Michalewicz Z., Schoenauer M.: Evolutionary Algorithms for Constrained Parameter Optimization Problems. Evolutionary Computation, 1996, No. 1, pp. 1-37.
• [10] Powell D., Skolnick M.M.: Using Genetic Algorithm in Engineering Design Optimization with Non-linear Constraints. Proc. of the Fifth International Conference on Genetic Algorithms. ICGA'93, 1993, pp 424-430.
• [11] Rudeński A.: Metody niedeterministyczne w optymalizacji silników indukcyjnych jednofazowych. Prace Instytutu Elektrotechniki, Nr 226 / 2006, s. 47-70.
• [12] Rudeński A.: Metody ewolucyjne w optymalizacji kolektywnej odcinka serii maszyn elektrycznych. Proc. of XLI International Symposium on Electrical Machines SME-2005, s. 738-743.
• [13] Runarsson T.P., Yao X.: Stochastic Ranking for Constrained Evolutionary Optimization. I.E.E.E. Trans. on Evolutionary Computation, Vol. 4, No. 3, Sept. 2000, pp 284-294.