An application of the genetic algorithm to optimize location of buoys

• Autorzy: Praczyk T.

Warianty tytułu

PL

Zastosowanie algorytmów genetycznych do optymalizacji rozmieszczenia oznakowania nawigacyjnego

• Języki publikacji: EN

Abstrakty

EN

The paper addresses the problem of building an automatic, spare, radar system to coastal navigation. To fix position, the system uses the information about buoys surrounding the ship. Accuracy of the system depends on many factors. One of them is the way of locating buoys on the given area of the sea. To make the task of the system easier and to make the position fixed by the system more accurate, the buoys should be appropriately arranged. The paper suggests the solution based on genetic algorithms to arrange the buoys. The solution proposed was tested experimentally and results of the tests are presented at the end of the paper.

PL

Tematem artykułu jest rozmieszczenie oznakowania nawigacyjnego na akwenach przybrzeżnych. Oznakowanie nawigacyjne jest jednym z elementów automatycznego, przybrzeżnego systemu nawigacji radarowej a jego rozmieszczenie w sposób decydujący wpływa na dokładność pozycji generowanej przez system. W artykule zaproponowano użycie algorytmów genetycznych do określenia położenia poszczególnych pław na akwenie. Proponowane rozwiązanie zostało sprawdzone eksperymentalnie a wyniki testów zamieszczone zostały na końcu artykułu.

Słowa kluczowe

EN

optimization; genetic algorithms; radar navigation

PL

optymalizacja; algorytmy genetyczne; nawigacja radarowa

• Wydawca: Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
• Czasopismo: Biuletyn Wojskowej Akademii Technicznej
• Rocznik: 2009
• Tom: Vol. 58, nr 2
• Strony: 123--136
• Opis fizyczny: Bibliogr. 13 poz., tab.

Twórcy

autor

Praczyk T.

• Naval University, 81-103 Gdynia, Śmidowicza 69, Poland

Bibliografia

• [1] M. Alden, A. Van Kesteren, R. Miikkulainen, Eugenic Evolution Utilizing a Domain Model, in Proceedings of the Genetic and Evolutionary Computation Conference (GECCO-2002), San Francisco, CA, Morgan Kaufmann, 2002.
• [2] J. Arabas, Lectures on evolutionary algorithms, WNT, Warsaw, 2001.
• [3] D. E. Goldberg, Genetic algorithms in search, optimization and machine learning, Addison Wesley, Reading, Massachusetts, 1989.
• [4] J. H. Holland, Adaptation in Natural and Artificial Systems, University of Michigan Press, Ann Arbor, Michigan, 1975.
• [5] D. Polani, R. Miikkulainen, Eugenic Neuro - Evolution for Reinforcement Learning, in Proceedings of the Genetic and Evolutionary Computation Conference (GECCO 2000), Las Vegas, NV, 2000.
• [6] T. Praczyk, Application of neural networks and radar navigational aids of shore area to positioning, Computational Methods in Science and Technology, CMST 12, 2, 2006, 53-59.
• [7] T. Praczyk, Artificial neural networks application in maritime, coastal, spare positioning system, Theoretical and Applied Informatics, vol. 18, no. 3, 2006, 175-188.
• [8] T. Praczyk, Automatic radar navigational system, Theoretical and Applied Informatics, vol. 18, 2006, 91-108.
• [9] T. Praczyk, Application of bearing and distance trees to the identification of landmarks of the coast, International Journal of Applied Mathematics and Computer Science, vol. 17, 1, 2007, 87-98.
• [10] T. Praczyk, Detection of self navigational aids on radar image using ideas from immune systems, Archives of Control Science, vol. 17, 53, no. 3, 2007, 241-259.
• [11] J. W. Prior, Eugenic Evolution for Combinatorial Optimization, Master's thesis, The University of Texas at Austin, TR AI98-268, 1998.
• [12] G. Syswerda, Uniform Crossover in Genetic Algorithms, In Proceedings of the 3rd International Conference on genetic Algorithms, Morgan Kaufmann, 1989.
• [13] D. A. Whitley, Genetic Algorithm Tutorial, http://citeseer.ist.psu.edu