Porównanie działania operatorów genetycznych w zadaniach optymalizacji korpusów obrabiarek

• Autorzy: Wilk P.

Warianty tytułu

EN

Comparison of genetic operators in optimization of machine tool frames

• Języki publikacji: PL

Abstrakty

PL

Niniejszy artykuł zawiera analizę wpływu struktury algorytmu ewolucyjnego na jego skuteczność w rozwiązywaniu wielomodalnych zadań testowych. Przeprowadzono również próbę optymalizacji grubości ścian wrzeciennika frezarki. W ramach badań skupiono się jedynie na operatorach genetycznych pozostawiając bez zmian pozostałą część struktury algorytmu. Dobór parametrów algorytmów ewolucyjnych, wykorzystanych w zadaniu optymalizacji grubości ścian wrzeciennika, przeprowadzono korzystając z wielomodalnych funkcji testujących.

EN

The present article contains analysis influence of evolutionary algorithm structure on effectiveness in solving of multimodal tasks. Optimization of thickness walls headstock of milling machinę was realized. Algorithms differed of genetic operators only. The rest of structure was left without changes. Parameters of evolutionary algorithms were chosen using of multimodal testing function. In next step analysis of received results was executed.

Słowa kluczowe

PL

korpusy obrabiarek; operatory genetyczne; optymalizacja

EN

machine tool frames; genetic operators; optimization

• Wydawca: Katedra Budowy Maszyn. Politechnika Śląska
• Czasopismo: Prace Naukowe Katedry Budowy Maszyn / Politechnika Śląska
• Rocznik: 2009
• Tom: nr 1
• Strony: 93--106
• Opis fizyczny: Bibliogr. 13 poz.

Twórcy

autor

Wilk P.

• Katedra Budowy Maszyn, Politechnika Śląska, 44-100 Gliwice, ul. Konarskiego 18A, pokój 491, tel. [phone],

Bibliografia

• [1] Arabas J.: Wykłady z algorytmów ewolucyjnych. WNT, Warszawa 2004.
• [2] Mitchell M.: An introduction to genetic algorithms, MIT Press, 1999.
• [3] Gwiazda T. D.: Algorytmy genetyczne. Kompendium. Tom 1. Operator krzyżowania dla problemów numerycznych. PWN, Warszawa 2007.
• [4] Gwiazda T. D.: Algorytmy genetyczne. Kompendium. Tom 2. Operator mutacji dla problemów numerycznych. PWN, Warszawa 2007.
• [5] Michalewicz Z.: Genetic Algorithms + Data Structures = Evolution Programs. Springer-Verlag, Berlin Heidelberg 1994.
• [6] Michalewicz Z., Logan T.D., Swaminathan S.: Evolutionary Operators for Continuous Convex Parameter Spaces, Proceedings of the 3rd Annual Conference on Evolutionary Programming, A.V. Sebald and L.J. Fogel (editors), World Scientific Publishing, River Edge, NJ, 1994,pp.84-97.
• [7] Nomura T.: An analysis on crossovers for real number chromosomes in an infinite population size, Proceedings of the Fifteenth International Joint Conference on Artificial Intelligence, 1997, p. 936-941.
• [8] Munteanu C, Lazarescu V.: Improving mutation capabilities in a real-coded genetic algorithm. w EvoWorkshops, 1999, p. 138-149, Copenhagen.
• [9] Michalewicz Z., Janików C.Z.: GENOCOP: A genetic algorithm for numerical optimization problems with linear constraints, w Communications of the ACM, vol. 39, issue 12 electronic supplement, 1996.
• [10] Back T., Fogel D.B., Michalewicz Z. (Eds.): Evolutionary Computation 1: Basic Algorithms and Operators, Institute of Physics Publishing, 2000.
• [11] Back T., Fogel D.B., Michalewicz Z. (Eds.): Evolutionary Computation 2: Advanced Algorithms and Operators, Institute of Physics Publishing, 2000.
• [12] Gonzalez L. J., Cannady J.: A Self-Adaptive Negative Selection Approach for Anomaly Detection, w Congress on Evolutionary Computation, 2004, vol. 2, s. 1561-1568
• [13] Back T., Schutz M.: Intelligent mutation rate control in cannonical genetic algorithms, w International Symposium on Methodologies for Intelligent Systems, 1996, s. 158-167.