Hierarchical genetic computation in optimal design

• Autorzy: Kołodziej J. , Schaefer R. , Paszyńska A.

Warianty tytułu

PL

Hierarchiczne obliczenia genetyczne w projektowaniu optymalnym

• Języki publikacji: EN

Abstrakty

EN

The paper presents two examples of genetic hierarchic global optimization methods. They are two different goals of introducing hierarchy into the computational model: to perform the multi-scale search with the adapted accuracy and to better express the structure geometry in the optimal shape design. Results of the formal analysis and simple computational examples are also attached.

PL

Praca przedstawia dwa przykłady hierarchicznych, genetycznych metod optymalizacji. Sklasyfikowano dwa główne powody wprowadzenia hierarchii do modelu obliczeniowego: dla uzyskania wieloskalowego przeszukania z adaptowaną dokładnością oraz dla lepszego odwzorowania kształtu konstrukcji w zadaniach optymalnego projektowania kształtu. Zamieszczono rezultaty formalnej analizy proponowanych strategii oraz proste przykłady obliczeniowe.

Słowa kluczowe

EN

hierarchical genetic optimization; graph encoding; shape optimization

• Wydawca: Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej
• Czasopismo: Journal of Theoretical and Applied Mechanics
• Rocznik: 2004
• Tom: Vol. 42 nr 3
• Strony: 519--538
• Opis fizyczny: Bibliogr. 23 poz., rys., tab.

Twórcy

autor

Kołodziej J.

• Institute of Mathematics, University of Bielsko-Biała

autor

Schaefer R.

• Institute of Computer Science, Jagiellonian University

autor

Paszyńska A.

• Institute of Computer Science, Jagiellonian University

Bibliografia

• 1. Bentley P.J., 1997, Genetic evolutionary design of solid objects using a genetic algorithm, PhD Thesis, UCL London
• 2. Bentley P.J., Wakefield J.P., 1998, Finding Acceptable Pareto-Optimal Solutions using Multiobjective Genetic Algorithms. Submitted to Soft Computing, Springer Verlag Ltd. Research Report RN/98/66.
• 3. Bickel A.S., Bickel R.W., 1987, Tree Structured Rules in Genetic Algorithms. Genetic Algoritmhs and Simulated Annealing, Pittman
• 4. Cant-Paz E., 2000, Efficient and Accurate Parallel Genetic Algorithms, Kluwer
• 5. Goldberg D.E., 1989, Genetic Algorithms in Search, Optimization and Machine Learning, Reading, MA, Addison-Wesley
• 6. Kołodziej J., 2003a, Hierarchic strategies of the genetic global optimization, PhD Thesis, Institute of Computer Science, Jagiellonian University, Cracow
• 7. Kołodziej J., 2003b, Modelling hierarchical genetic strategy as a family of Markov chains, In R.Wyrzykowski, J. Dongarra, M.Paprzycki, J.Waśniewski (edits.), Parallel Processing and Applied Mathematics, LNCS, 2328, Springer Vlg., s. 595-599
• 8. Kołodziej J., 2003c, Modeling hierarchical genetic strategy as a Lindenmayer system, Proc. of International Conference on Parallel Computing in Electrical Engineering PARELEC’2002, Warsaw, IEEE Computer Society, 409-415, Los Alamitos, CA
• 9. Kołodziej J., Jakubiec W., Starczak M., Schaefer R., 2004, Hierarchical genetic strategy applied to the problem of the coordinate measuring machine geometrical errors, Proc. of the IUTAM’02 Symposium on Evolutionary Methods in Mechanics, 24-27 September 2002, Cracow, Poland, Kluver Ac. Press (accepted in print)
• 10. Koza J.R., 1992, Genetic Programming: On the Programming of Computers by Means of Natural Selection, MIT Press
• 11. Kuntzmann H., Trapet E., Waeldele F., 1990, A uniform concept for calibration, acceptance test and periodic inspection of coordinate measuring machines using reference objects, Annals of the CIRP, 39, 1
• 12. Langdon W.B., Poli R., 2002, Foundations of Genetic Programming, Springer Verlag
• 13. Mathias K., 1991, Delta coding strategies for genetic algorithms, PhD Thesis, Department of Computer Science, Colorado State University, Fort Collins, CO
• 14. Nikodem P., 2000, Projektowanie za pomocą algorytmów genetycznych z wykorzystaniem teorii grafów, IIUJ, MSc Thesis (in Polish)
• 15. Nix A.E., Vose M.D., 1992, Modeling genetic algorithms with Markov chains, Annals of Mathematics and Artificial Intelligence, 5, 1, 79-88
• 16. Paszyńska A., 2002, Adapting the Hierarchical Genetic Algorithms to the Generating of the Chairs, WAE
• 17. Schaefer R., Kołodziej J., 2003, Genetic search reinforced by the population hierarchy, FOGA VII, Morgan Kaufmann, 383-401
• 18. Schaefer R., Kołodziej J., Gwizdała R., Wojtusiak J., 2000, How simpletons can increase the community development – an attempt to hierarchical genetic computation, Proc. of the 4-th Polish Conf. on Evolutionary Algorithms, Lądek Zdrój, 2000.06.05-08, 187-199
• 19. Schraudolph N.N., Belew R.K., 1992, Dynamic parameter encoding for genetic algorithms, Machine Learning, 9, 9-21
• 20. Vose M.D., 1999, The Simple Genetic Algorithm, MIT Press, 1999
• 21. Whitley D., Mathias K., Fitzhorn P., 1991, Delta coding: an iterative search strategy for genetic algorithms, In R.K.Belew and L.B.Booker (Eds.), Proc. of the 4th International Conference on Genetic Algorithms, Morgan Kaufmann, San Mateo, CA, 77-84
• 22. Wierzba B., Semczuk A., Kołodziej J., Schaefer R., 2003, Hierarchical genetic strategy with real number encoding, Proc. of KAEiOG’03, Łagów Lubuski, 26-28.05.2003, 231-239
• 23. Wilson S., 1987, Hierarchical credit allocation in classifier system, Proc. of the Tenth International Joint Conference on Artificial Intelligence