Rodzajnikowy dobór struktury kryteriów w zadaniach wielokryterialnej optymalizacji systemów decyzyjnych

• Autorzy: Kowalczuk Z. , Białaszewski T.

Warianty tytułu

EN

Gender criteria structure selection in multi-objective optimization of decision systems

• Języki publikacji: PL

Abstrakty

PL

Praca poświęcona jest problemowi doboru kryteriów i ich klasyfikacji na grupy rodzajnikowe (warianty) w zadaniach wielokryterialnej optymalizacji systemów decyzyjnych, które związane są m.in. z projektowaniem systemów diagnostyki oraz układów sterowania. Celem naszego podejścia jest efektywne poszukiwanie rozwiązań w zadaniach optymalizacyjnych wyrażonych za pomocą wielu kryteriów, gdzie projektant spotyka się z zagadnieniem Pareto-optymalności, albo zmuszany jest do stosowania klasycznych metod optymalizacji - zwykle silnie upraszczających postawiony problem polioptymalizacji. W przypadku podejścia populacyjnego prezentowana metoda może w istotny sposób ułatwić projektantowi ostateczną ocenę uzyskanych rozwiązań. Skuteczność rozważanej metodologii ilustrują przykłady konstruowania liniowych obserwatorów stanu.

EN

The paper gives an account of research results concerning a project of creating a fully-autonomous robotic decision-making system able to interact with its environment, and based on a mathematical model of human cognitive-behavioural psychology with some elements of personality psychology included. The basic idea of this paper is focused on the concept of possible errors in an intelligent robot control system. The system is a composed result of constructing an Intelligent Decision-making System (IDS) based on several recently developed ideas concerning an interactive cognitive-behavioural organism (Artificial Intelligence and Soft Computing, 2010), a fundamental model of human psychology and an IDS system (MMAR, 2010; Applied Mathematics and Computer Science, 2011) for controlling autonomous robots. Principal notions of IDS (Data-processing system based on cognitive psychology, along with the locations of possible errors), conceptions of discovery (object) and (long-time) memory are introduced. Then the heart of IDS, a personality (emotional) system which consists of systems of emotions and needs (based on the Maslow's theory/pyramid and a fuzzy model of needs), is presented. Furthermore, the paper shows what kind of errors can appear and what are their locations in IDS. Methods of avoiding these errors are also indicated.

Słowa kluczowe

PL

wielokryterialna optymalizacja; algorytmy genetyczne; diagnostyka; obserwatory detekcyjne; odporne układy sterowania

EN

multi-objective optimization; genetic algorithms; diagnostic; detection observers; robust control systems

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2011
• Tom: R. 57, nr 7
• Strony: 810--813
• Opis fizyczny: Bibliogr. 14 poz., rys., schem., wzor

Twórcy

autor

Kowalczuk Z.

autor

Białaszewski T.

• Politechnika Gdańska, Wydział Elektroniki, Telekomunikacji i Informatyki, Katedra Systemów Decyzyjnych, Gabriela Narutowicza 11/12, 80-233 Gdańsk,

Bibliografia

• [1] Goldberg D. E.: Genetic Algorithms in Search, Optimisation and Machine Learning. Addison-Wesley, Reading 1989.
• [2] Kacerka J.: Zastosowanie algorytmów wykorzystujących inteligencję roju w problemach sterowania, (Rozprawa doktorska). Wydział Elektrotechniki, Elektroniki, Informatyki i Automatyki. Politechnika Łódzka, Łódź 2008.
• [3] Kowalczuk Z.: Wielokryterialna optymalizacja ewolucyjna z preselekcją kwalitatywnych kryteriów. – Mat. XV Krajowej Konferencji Automatyki, PAN, Warszawa, vol. 2, ss. 3-10, 2005.
• [4] Kowalczuk Z., Białaszewski T.: Pareto-optimal observers for ship propulsion systems by evolutionary computation. – Proc of the 4th IFAC Symposium on Fault Detection, Supervision and Safety for Technical Processes, Budapest, vol. 2, pp. 914-919, 2000.
• [5] Kowalczuk Z., Białaszewski T.: Evolutionary multi-objective optimisation with genetic sex recognition. – Proc. of the 7th IEEE International Conference on Methods and Models in Automation and Robotics, Międzyzdroje, vol. 1, pp. 143-148. WUPSzcz, Szczecin 2001.
• [6] Kowalczuk Z., Białaszewski T.: Performance and robustness design of control systems via genetic-sex multi-objective optimization. – Proc. of the 15th IFAC World Congress, Barcelona (Spain), CD-ROM, pp. 3:1-6. T-Th-M16. Elsevier Science, Oxford 2002.
• [7] Kowalczuk Z., Białaszewski T.: Genetic-sex multi-objective optimization of control systems with pre-selection of criteria. – Proc. of the 8th IEEE International Conference on Methods and Models in Automation and Robotics, Międzyzdroje, vol. I, pp. 263-268. WUPSzcz., Szczecin 2002.
• [8] Kowalczuk Z., Białaszewski T.: Algorytmy genetyczne w wielokryterialnej optymalizacji obserwatorów detekcyjnych. – Diagnostyka Procesów: Modele, Metody Sztucznej Inteligencji, Zastosowania, ss. 465-511. WNT, Warszawa 2002.
• [9] Kowalczuk Z., Suchomski P., Białaszewski T.: Evolutionary multiobjective Pareto optimisation of diagnostic state observers. – Advances in Computational Intelligence for Fault Diagnosis Systems, Inter. Journal of Applied Mathematics and Computer Science, vol. 9, no. 3, pp. 689-709, 1999.
• [10] Kowalczuk Z., Białaszewski T.: Hierarchiczna Pareto-optymalizacja operatorów detekcyjnych. – Systemy Wykrywające, Analizujące i Tolerujące Usterki, pp. 171-178, PWNT, Gdańsk 2009.
• [11] Man K. S., Tang K. S., Kwong S., Lang W. H.: Genetic Algorithms for Control and Signal Processing. Springer-Verlag, London 1997.
• [12] Michalewicz Z.: Genetic Algorithms + Data Structures=Evolution Programms. Springer-Verlag, New York 1996.
• [13] Patton R. J., Frank P. M., Clark R. N.: Fault Diagnosis in Dynamic Systems, Theory and Application. Control Engineering Series. Prentice Hall, New York, 1989.
• [14] Saaty T. L.: How to make a decision: The analytic hierarchy process. European Journal of Operational Research, vol. 48, no. 1, pp. 9-26, 1990.