Algorytmy ewolucyjne w zastosowaniu do rozwiązywania wybranych zadań optymalizacji

• Autorzy: Gil J.

Warianty tytułu

EN

Evolutionary algorithms used for solving selected optimization tasks

• Języki publikacji: PL

Abstrakty

PL

W pracy rozpatrywano dwie strategie ewolucyjne (μ + λ) oraz (μ, λ) wykorzystywane do rozwiązywania skomplikowanych problemów optymalizacji numerycznej. Omawiane w pracy strategie, inspirowane ewolucją biologiczną i genetyką, operują na populacjach o liczebności μ i λ potencjalnych rozwiązań z deterministyczną procedurą selekcji. Poprawność działania strategii jako poszukiwanie globalnego minimum funkcji kryterium przedstawiono na przykładzie minimalizacji funkcji Ackleya oraz estymacji parametrów funkcji regresji II rodzaju.

EN

The paper discusses two evolutionary strategies (μ + λ) and (μ, λ) used for solving complicated problem s of numerical optimization. The strategies discussed in the paper, inspired by biological evolution and genetics, operate in populations of the sizes μ and λ of potential solutions with a deterministic selection procedure. The correctness of the operation of the strategy as a search for a global minimum of a criterion function is exemplified by the minimization of an Ackley function and the estimation of parameters of a regression function of the second kind.

Słowa kluczowe

PL

strategie ewolucyjne; optymalizacja numeryczna

EN

evolutionary strategies; numerical optimization

• Wydawca: Wydawnictwo Uniwersytetu Przyrodniczego we Wrocławiu
• Czasopismo: Acta Scientiarum Polonorum. Geodesia et Descriptio Terrarum
• Rocznik: 2013
• Tom: Vol. 12, nr 2
• Strony: 21--28
• Opis fizyczny: Bibliogr. 6 poz. rys., tab.

Twórcy

autor

Gil J.

• Wydział Inżynierii Lądowej i Środowiska, Instytut Budownictwa, Zielona Góra

Bibliografia

• Adamczewski Z., 1992. Krzywa łańcuchowa jako linia realna, Przegląd Geodezyjny, nr 4, Warszawa.
• Arabas J., 2001. Wykłady z algorytmów ewolucyjnych, WNT, Warszawa.
• Janusz J., 1995. Ortogonalne wpasowanie krzywej teoretycznej w empiryczny zbiór punktów, Prace Instytutu Geodezji i Kartografii, t. XLII, z. 92, Warszawa.
• Łęski J., 2008. Systemy neuronowo-rozmyte, WNT, Warszawa.
• Nowak E., 2003. Algorytmy numeryczne w geodezji, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa.
• Rutkowski L., 2009. Metody i techniki sztucznej inteligencji, Wydawnictwo Naukowe PWN, Warszawa.