Algorytm selekcji klonalnej w zastosowaniu do strojenia regulatorów rozmytych

• Autorzy: Mrozek B.

Warianty tytułu

EN

Clonal selection algorithm for tuning fuzzy controller

• Konferencja: Konferencja Naukowo-Techniczna Automatyzacja - Nowości i Perspektywy (14 ; 24-26.03.2010 ; Warszawa, Polska)
• Języki publikacji: PL

Abstrakty

PL

Algorytmy immunologiczne odwzorowują procesy adaptacji i zróżnicowane możliwości działania naturalnego systemu immunologicznego. Selekcja klonalna jest jednym z naturalnych procesów naturalnego systemu immunologicznego, które najczęściej są odwzorowywane w algorytmach. Algorytm selekcji klonalnej jest stosowany w zadaniach optymalizacji. Opisano implementację algorytmu selekcji klonalnej CLONAG w wersji dla rozwiązywania zadań optymalizacji. Przedstawiono wnioski z wykonanych testów symulacyjnych porównania algorytmu selekcji klonalnej i algorytmu genetycznego dostępnego bibliotece MATLAB-a Genetic Algorithm and Direct Search Toolbox w zastosowaniu do doboru parametrów regulatora PID.

EN

In this paper, the application of the clonal selection has been used to solve optimization problems. A computational implementation of the algorithm of clonal selection, named CLONALG [1] is adapted to solve optimization tasks. This algorithm was employed to design PID fuzzy logic controller for chosen testing object, described by the transfer function. The genetic algorithm, implemented in Genetic Algorithm and Direct Search Toolbox was used also for tuning the tree PID gains for fuzzy controller. The results of applications both algorithms used for tuning the designed fuzzy controller, based on defined quality index is compared.

Słowa kluczowe

PL

algorytmy immunologiczne; algorytm selekcji klonalnej; regulatory rozmyte

EN

immune algorithm; algorithm of clonal selection; fuzzy controller

• Wydawca: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów PIAP
• Czasopismo: Pomiary Automatyka Robotyka
• Rocznik: 2010
• Tom: R. 14, nr 2
• Strony: 579--587
• Opis fizyczny: CD, Bibliogr. 11 poz., rys.

Twórcy

autor

Mrozek B.

• Instytut Modelowania Komputerowego, Wydział Fizyki, Matematyki i Informatyki Stosowanej, Politechnika Krakowska, 31-155 Kraków, ul. Warszawska 24

Bibliografia

• 1. de Castro L. N. and Timmis J. I., Artificial Immune Systems: A Novel Paradigm to Pattern Recognition, in Artificial Neural Networks in Pattern Recognition, J. M. Corchado, L. Alonso, and C. Fyfe (eds.), SOCO-2002, University of Paisley, UK, 2002
• 2. de Castro L. N. and Von Zuben F. J., Learning and Optimization Using the Clonal Selection Principle, IEEE Transactions on Evolutionary Computation, Special Issue on Artificial Immune Systems, 6(3) 2002
• 3. de Castro L. N. and Timmis J. I., Artificial Immune Systems as a Novel Soft Computing Paradigm, Soft Computing Journal, 7(7), 2003
• 4. Fuzzy Logic Toolbox User’s Guide, The MathWorks, Inc.
• 5. Robous H., Setnes M., Compact fuzzy models and classifiers through model reduction and evolutionary optimization, in The practical handbook of genetic algorithms: Applications, Chapman&Hall/CRC, 2001
• 6. Mrozek B., Projektowanie regulatorów rozmytych w środowisku MATLAB/Simulink, Pomiary Automatyka Robotyka, nr 11/2006.
• 7. Ross T. J., Fuzzy logic with engineering applications, John Wiley&Sons, 2004
• 8. Wierzchoń S.T., Kużelewska U., Stable clusters formation in an artificial immune system, Conference on AIS, University of Kent at Canterbury, UK 9-11.09.2002,
• 9. Wierzchoń S. T., Sztuczne systemy immunologiczne. Teoria i zastosowania, Akademicka Oficyna Wydawnicza EXIT, Warszawa 2001
• 10. Wnuk P., Zastosowanie algorytmu PSO do optymalizacji sposobu rozmywania w modelach TSK, Pomiary Automatyka Kontrola, nr 9 /2005
• 11. Fuzzy Logic Toolbox User’s Guide, The MathWorks, Inc.