Wielokryterialne algorytmy ewolucyjne w planowaniu drogi morskiej

• Autorzy: Szłapczyńska J.

Warianty tytułu

EN

Multicriteria evolutionary algorithms in ship route planning

• Języki publikacji: PL

Abstrakty

PL

Wielokryterialne algorytmy ewolucyjne rozszerzają klasyczny algorytm ewolucyjny na etapie oceny osobnika, umożliwiając zastąpienie typowej, jednokryterialnej funkcji celu przez wektor takich funkcji. Przedstawiając problem planowania trasy jako wielokryterialne zadanie optymalizacyjne, można wykorzystać algorytmy tej klasy do planowania drogi morskiej statku. Stąd też w artykule przedstawiono propozycję zastosowania algorytmu Strength Pareto Evolutionary Algorithm (SPEA) w wielokryterialnym planowaniu drogi morskiej statku.

EN

Muticriteria evolutionary algorithms extend the idea of a classic evolutionary algorithm during fitness evaluation of individuals. The algorithms replace a single-objected goal function by a vector of such functions. It is possible to utilize such an algorithm in ship route planning. The necessary condition is that the route planning must be defined as multicriteria optimization problem. Hence, the paper presents the proposal of application the Strength Pareto Evolutionary Algorithm (SPEA) to the route planning process.

Słowa kluczowe

PL

planowanie drogi morskiej; algorytmy SPEA

EN

ship route planning; algorithm (SPEA)

• Wydawca: Wydawnictwo Uniwersytetu Morskiego w Gdyni
• Czasopismo: Prace Wydziału Nawigacyjnego Akademii Morskiej w Gdyni
• Rocznik: 2009
• Tom: Z. 23
• Strony: 102--117
• Opis fizyczny: Bibliogr. 11 poz., rys.

Twórcy

autor

Szłapczyńska J.

• Akademia Morska w Gdyni Katedra Nawigacji

Bibliografia

• 1. Coello C. A., Lamont G. B., Van Veldhuizen D. A., Evolutionary Algorithms for Solving Multi-Objective Problems. Second edition, Springer Science+Business Media, LLC, New York 2007.
• 2. Deb K., An Efficient Constraint-handling Method for Genetic Algorithms, Computer Methods in Applied Mechanics and Engineering, Vol. 186(2–4) , Elsevier, Oxford 2000, s.311–338.
• 3. Fonseca C.M., Fleming P.J., Genetic Algorithms for Multiobjective Optimization: Formulation, Discussion and Generalization, Proceedings of the Fifth International Conference, San Mateo 1993, s. 416–423.
• 4. Hagiwara H., Weather routing of (sail-assisted) motor vessels, PhD Thesis, Technical University of Delft 1989.
• 5. Oleksiewicz B., Motor-sailer – A hybrid Propulsion for Commercial Vessels. The case study, Polish Maritime Research, Gdańsk 2009 (w druku).
• 6. Srinivas N., Deb K., Multiobjective Optimization Using Nondominated Sorting in Genetic Algorithms, Evolutionary Computation, Massachusets Institute of Technology, 1994, s. 221–248.
• 7. Szłapczyńska J., Śmierzchalski R., Adopted Isochrone Metod Improving Ship Safety In Weather Routing with Evolutionary Approach, International Journal of Reliability, Quality and Safety Engineering, vol. 14, No. 6, World Scientific, New Jersey 2007, s. 635–645.
• 8. Szłapczyńska J., Śmierzchalski R., Constrained Multiobjective Evolutionary Optimization in Weather Routing, Polish Journal of Environmental Studies, Olsztyn, Wydawnictwo HARD 2008, s. 144–147.
• 9. Szłapczyńska J., Śmierzchalski R., Multicriteria Optimisation in Weather Routing, Marine Navigation and Safety of Sea Transportation, Balkema 2009.
• 10. Szłapczyńska J., Śmierzchalski R., Strength Pareto Evolutionary Approach to Weather Routing – Preliminary Results, Evolutionary Computation and Global Optimization 2008, Prace Naukowe Politechniki Warszawskiej “Elektronika”, z. 165, Warszawa 2008, s. 221–228.
• 11. Zitzler E., Thiele L., Multiobjective Evolutionary Algorithms: A Comparative Case Study and the Strength Pareto Approach, IEEE Transactions on Evolutionary Computation No. 3 Vol. 4, New York 1999, s. 257–271.