Metody roju cząstek w optymalizacji procesów transportowych i logistycznych

• Autorzy: Lisowski J.

Warianty tytułu

EN

Particle swarm methods in optimization of transport and logistic processes

• Konferencja: Konferencja Naukowa Logistyka Morska. LogMare 2017 (9 ; 18-10.10.2017 ; Jastarnia, Polska)
• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono heurystyczne metody optymalizacji statycznej wykorzystujące naturalne zasady ruchu roju cząstek – ptaków, mrówek, pszczół, świetlików, nietoperzy, kryli, kukułek, mątw, karaluchów i zapylania kwiatów. Dla każdej z metod opisano cechę inteligencji roju, przedstawiono postać funkcji celu oraz podano zasadę działania algorytmu optymalizacji.

EN

The paper presents heuristic static optimization methods using the natural principles of particle swarm motion - birds, ant colony, bees, firefly, bats, krill, cuckoo search, cuttlefish, cockroaches swarm and flower pollination. For each of the methods describes the characteristics of swarm intelligence, the form of the goal function and the principle of operation of the optimization algorithm.

Słowa kluczowe

PL

transport; logistyka; optymalizacja; informatyka

EN

transport; logistics; optimization; computer science

• Wydawca: Polskie Wydawnictwo Ekonomiczne SA
• Czasopismo: Gospodarka Materiałowa i Logistyka
• Rocznik: 2017
• Tom: nr 12
• Strony: 592--608
• Opis fizyczny: Bibliogr. 12 poz., rys., pełny tekst na CD

Twórcy

autor

Lisowski J.

• Akademia Morska Wydział Elektryczny Katedra Automatyki Okrętowej

Bibliografia

• 1. Cheng, L., Wang, Z.B., Song, Y.H., Guo, A.H. (2011). Cockroach swarm optimization algorithm for TSP. Advanced Engineering Forum, 1, 226-229.
• 2. Dorigo, M., Corne, D. and Glover, F. (1999). Swarm intelligence: from natural to artificial systems. Oxford: Oxford University Press.
• 3. Eesa, A.S., Brifcani, A.N.A. and Orman, Z. (2013). Cuttlefish algorithm – a novel bio-inspired optimization algorithm. International Journal of Scientific & Engineering Research, 4(9), 1978-1986.
• 4. Gandomi, A.H. and Alavi, A.H. (2012). Krill herd: a new bio-inspired optimization algorithm. Commun Nonlinear Sci Numer Simulat, 17, 4831-4845.
• 5. Kennedy, J. and Eberhart, R.C. (1999). The particle swarm: social adaptation in information-processing systems. In D. Corne, M. Dorigo, and F. Glover (eds.), New ideas in optimization. London: McGraw-Hill.
• 6. Lazarowska, A. (2015). Swarm intelligence approach to safe ship control. Polish Maritime Research, 22(4), 34-40.
• 7. Lisowski, J. (2017). Metody optymalizacji. Gdynia: Wydawnictwo Akademii Morskiej, 133-165.
• 8. Pham, D.T., Ghanbarzadeh, A., Koc, E., Otri, S., Rahim, S. and Zaidi, M. (2005). The bees algorithm. Technical Report: MEC 0501, Manufacturing Engineering Centre, Cardiff University.
• 9. Yang, X.S. (2008). Nature-inspired metaheuristic algorithms. Luniver Press.
• 10. Yang, X.S. (2010). A new metaheuristic bat-inspired algorithm. In: Nature inspired cooperative strategies for optimization, NISCO 2010. Studies in Computational Intelligence, 284, 65-74.
• 11. Yang, X.S. (2012). Flower pollination algorithm for global optimization. Lecture Notes in Computer Science, 7445, 240-249.
• 12. Yang, X.S. and Deb, S. (2009). Cuckoo search via Lévy flights. World Congress on Nature & Biologically Inspired Computing, NaBIC 2009, IEEE Publications, 210-214.