Wykorzystanie algorytmu optymalizacji rojem cząstek do rozwiązywania układów równań nieliniowych

Prus, Karol; Figielska, Ewa

doi:10.26348/znwwsi.28.27

Artykuł - szczegóły

Tytuł artykułu

Wykorzystanie algorytmu optymalizacji rojem cząstek do rozwiązywania układów równań nieliniowych

Autorzy

Prus Karol , Figielska Ewa

Wybrane pełne teksty z tego czasopisma

http://zeszyty-naukowe.wwsi.edu.pl/

Identyfikatory

DOI

10.26348/znwwsi.28.27

Warianty tytułu

Particle swarm optimization algorithm for solving systems of nonlinear equations

Języki publikacji

Abstrakty

Artykuł dotyczy wykorzystania algorytmu optymalizacji rojem cząstek do rozwiązywania układów równań nieliniowych. Przeprowadzona została eksperymentalna analiza efektywności i skuteczności działania algorytmu w zależności od ustawień jego parametrów.

The article concerns the use of a particle swarm optimization algorithm for solving nonlinear equation systems. An experimental analysis of the effectiveness and efficiency of the algorithm has been conducted, considering various settings of its parameters.

Słowa kluczowe

algorytm optymalizacji rojem cząstek układy równań nieliniowych optymalizacja

particle swarm optimization algorithm systems of nonlinear equations optimization

Wydawca

Warszawska Wyższa Szkoła Informatyki

Czasopismo

Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki

Rocznik

2023

Tom

nr 28

Strony

27--40

Opis fizyczny

Bibliogr. 18 poz., rys., tab., wykr.

Twórcy

autor

Prus Karol

Warszawska Wyższa Szkoła Informatyki

autor

Figielska Ewa

efigielska@ms.wwsi.edu.pl

Warszawska Wyższa Szkoła Informatyki

Bibliografia

[1] J. Frączek, „Modelowanie mechanizmów przestrzennych metodą układów wieloczłonowych”, Prace Naukowe Politechniki Warszawskiej. Mechanika nr 196, pp. 3-138, 2002.
[2] M. Jeż, A. Świder, „Analiza drgań nieliniowych jednocylindrowego silnika tłokowego”, Journal of KONES Vol. 8, No. 3-4, pp. 98-105, 2001.
[3] M. Gajer, „Zastosowanie algorytmu ewolucyjnego do analizy nieliniowych obwodów elektrycznych”, Przegląd Elektrotechniczny Vol. 86, No. 7, pp. 342-345, 2010.
[4] R. Szymkiewicz, Metody numeryczne w inżynierii wodnej. Politechnika Gdańska, 2007.
[5] B. Saheya, G. Chen, Y. Sui, and C. Wu, “A new Newton-like method for solving nonlinear equations” SpringerPlus Vol. 5, pp. 1-13, 2016. [Online]. https://doi.org/10.1186/s40064-016-2909-7
[6] J.L. Hueso, E. Martı́nez, J.R. Torregrosa, “Modified Newton’s method for systems of nonlinear equations with singular Jacobian”, Journal of Computational and Applied Mathematics Vol. 224, No. 1, pp. 77-83, 2009. [Online]. https://doi.org/10.1016/j.cam.2008.04.013
[7] J.R. Sharma and H. Arora, “On efficient weighted-Newton methods for solving systems of nonlinear equations”, Applied Mathematics and Computation Vol. 222, pp. 497-506, 2013. [Online]. https://doi.org/10.1016/j.amc.2013.07.066
[8] Y.-Z. Luo, G.-J. Tang, and L.-N. Zhou, “Hybrid approach for solving systems of nonlinear equations using chaos optimization and quasi-Newton method”, Applied Soft Computing Vol. 8, No. 2, pp. 1068-1073, 2008. [Online]. https://doi.org/10.1016/j.asoc.2007.05.013
[9] M.K.A. Ariyaratne, T.G.I. Fernando, S. Weerakoon, “Solving systems of nonlinear equations using a modified firefly algorithm (MODFA)”, Swarm and Evolutionary Computation Vol. 48, pp. 72-92, 2019. [Online]. https://doi.org/10.1016/j.swevo.2019.03.010
[10] C. Grosan, A. Abraham, A. Gelbukh, “Evolutionary Method for Nonlinear Systems of Equations”, MICAI 2006: Advances in Artificial Intelligence, Berlin, Heidelberg, 2006, pp. 283-293. [Online]. http://isda05.softcomputing.net/micai06.pdf
[11] Y. Mo, H. Liu, Q. Wang, “Conjugate direction particle swarm optimization solving systems of nonlinear equations”, Computers & Mathematics with Applications Vol. 57, No. 11-12, pp. 1877-1882, 2009. [Online]. https://doi.org/10.1016/j.camwa.2008.10.005
[12] M. Jaberipour, E. Khorram, B. Karimi, “Particle swarm algorithm for solving systems of nonlinear equations”, Computers & Mathematics with Applications Vol. 62, No. 2, pp. 566-576, 2011. [Online]. https://doi.org/10.1016/j.camwa.2011.05.031
[13] J. Kennedy, R. Eberhart, “Particle swarm optimization”, Proceedings of IEEE International Conference on Neural Networks IV Vol. 4, 1995, pp. 1942-1948. [Online]. https://www.academia.edu/download/30280202/_reading6_1995_particle_swarming.pdf
[14] E. Elbeltagi, T. Hegazy, D. Grierson, “Comparison among five evolutionary-based optimization algorithms”, Advanced engineering informatics Vol. 19, No. 1, pp. 43-53, 2005. [Online]. https://doi.org/10.1016/j.aei.2005.01.004
[15] Y. He, W.J. Ma, J. P. Zhang, “The parameters selection of PSO algorithm influencing on performance of fault diagnosis”, MATEC Web of conferences Vol. 63, 2016, p. 02019. [Online]. https://www.matec-conferences.org/articles/matecconf/pdf/2016/26/matecconf_mmme2016_02019.pdf
[16] G.H. Nedzhibov, “A family of multi-point iterative methods for solving systems of nonlinear equations”, Journal of Computational and Applied Mathematics Vol. 222, No. 2, pp. 244-250, 2008. [Online]. https://doi.org/10.1016/j.cam.2007.10.054
[17] Kalkulator Wolfram Alpha. [Online]. https://www.wolframalpha.com
[18] J. McCaffrey, “Neural Network Lab: Particle Swarm Optimization Using C#”, Visual Studio Magazine 2013. [Online]. https://visualstudiomagazine.com/Articles/2013/11/01/Particle-Swarm-Optimization.aspx

Typ dokumentu

Bibliografia

Identyfikator YADDA

bwmeta1.element.baztech-cde178c4-aa81-47b8-a445-e3daa9aa419d