Rozmyty algorytm ewolucyjny : testowanie i dobór parametrów

• Autorzy: Burczyński T. , Orantek P.

Warianty tytułu

EN

The fuzzy evolutionary algorithm: testing and selection of the parameters

• Języki publikacji: PL

Abstrakty

PL

Praca poświęcona jest testowaniu rozmytych algorytmów ewolucyjnych. Algorytmy takie mogą być zastosowane jako metody optymalizacji w problemach, w których niektóre parametry są określone z pewnym przybliżeniem. Chromosom i operatory takiego algorytmu zostały dostosowane do reprezentacji liczb rozmytych. Testowanie algorytmu polegało na sprawdzeniu powtarzalności uzyskanych wyników oraz zminimalizowaniu czasu obliczeń poprzez odpowiedni dobór parametrów algorytmu. W celu testowania skonstruowano specjalną funkcję testującą, której zmienne niezależne modelowane są jako liczby rozmyte. Wykonano wiele testów, które pozwoliły wstępnie oszacować optymalne parametry algorytmu.

EN

The paper is devoted to the verification the fuzzy evolutionary algorithm. Presented algorithm for problems with uncertain parameters can be applied. The special type of the chromosome and evolutionary operators was introduced. The aim of the test was fmd to the optimal parameters of fuzzy evolutionary algorithm. In order to verification the algorithm the special benchmark function was defmed. The design variables of the benchmark function as the fuzzy value was assumed. The many tests were carried out. The tests allow to select the optimal parameters of presented algorithm.

Słowa kluczowe

PL

rozmyty algorytm ewolucyjny; liczby rozmyte; testowanie; parametry

• Wydawca: Wyższa Szkoła Informatyki i Umiejętności
• Czasopismo: Zeszyty Naukowe Wyższej Szkoły Informatyki
• Rocznik: 2005
• Tom: Vol. 4, Nr 1
• Strony: 5--22
• Opis fizyczny: Bibliogr. 23 poz., rys.

Twórcy

autor

Burczyński T.

• Katedra Wytrzymałości Materiałów i Metod Komputerowych Mechaniki,Politechnika Śląska,Konarskiego 18a, 44-100 Gliwice

autor

Orantek P.

• Instytut Modelowania Komputerowego, Politechnika Krakowska, Warszawska 24, 31-155 Cracow

Bibliografia

• [1] J. Arabas. Wvklady z algorvtmow ewolucyjnych. WNT, 2001.
• [2]A. Arslan, M. Kaya, Determination of fuzzy logic membership functions us:*.; genetic algorithms. Fuzzy Sets and System 118 (2001) Elsevier 2001.
• [3]A. Bargiela, W. Pedrycz, Granular Computing: An introduction. Kluwer Academic Publishers Boston/Dordrecht/London 2002.
• [4]J.J. Buckley, T. Feuring, Y. Hayashi, Solving fuzzy equations using evolutionary algorithms and neural nets. Soft Computing, Vol.6 (2002) Springer-Verlag 2002.
• [5]T. Burczynski, Metoda elementow brzegowych w mechanice, WNT, Warszawa 1995.
• [6]T. Burczynski, M. Nowakowski, P. Orantek. Identification of voids using evolutionary and boundary element computation. XIV Polish Conference on Computer Methods in Mechanics. Rzeszow 1999.
• [7]T. Burczynski, P. Orantek, Application of neural networks in controlling of evolutionary algorithms. First Asian-Pacific Congress on Computational Mechanics APCOM 01. Sydney, Australia 2001.
• [8]T. Burczynski, J. Skrzypczyk, Fuzzy aspects of the boundary element method. Engineering Analysis with Boundary Elements 19, 1997, pp. 209-216
• [9]O.Cordon, F.Gomide, F.Herrera, F.Homann, L.Magdalena, Ten years of genetic fuzzy systemsxurrent framework and new trends. Fuzzy Sets and Systems 141 (2004) 5-31.
• [10]E. Czogala, W. Pedrycz, Elementy i metody teorii zbiorow rozmytych. PWN, Warszawa 1985.
• [11]D.E. Goldberg, Algorytmy genetyczne i ich zastosowania. WNT, Warszawa 1995.
• [12]F. Hoffmann, Combining boosting and evolutionary algorithms for learning of fuzzy classication rules. Fuzzy Sets and Systems 141 (2004) pp. 47-58. Elsevier 2004.
• [13]J. Kacprzyk, Zbiory rozmyte w analizie systemowej. PWN Warszawa 1986
• [14]C.L. Karr, Design of an adaptive fuzzy logic controller using a genetic algorithm, Proc. 4th Int. Conf. on Genetic Algorithms, San Diego, July 13-16, pp. 450-457
• [15]M. Littman, D. Ackley. Adaptation in constant utility nonstationary environment. Proc. ICGA '91, 1994.
• [16]Z. Michalewicz, Algorytmy genetyczne + struktury danych = programy ewolucyjne. WNT Warszawa, 1996.
• [17]W. Pedrycz, Fuzzy evolutionary computing. Soft Computing 2 (1998), Springer- Verlag 1998.
• [18]A. Piegat, Modelowanie i sterowanie rozmyte. Akademicka Oficyna Wydawnicza EXIT, Warszawa 2003.
• [19]D. Rutkowska, M. Piliriski, L. Rutkowski, Sieci neuronowe, algorytmy genetyczne i systemy rozmyte. PWN Warszawa-Eodz 1997.
• [20] R. Schaefer, Podstawy genetycznej optymalizacji globalnej. Wydawnictwo Uniwersytetu Jagielloriskiego, Krakow, 2002.
• [21]I. Skalna, Zastosowanie metod algebry przedzialowej w jakosciowej analizie ukladow mechanicznych. Praca doktorska, Politechnika Sl^ska, Gliwice 2002.
• [22]J. Skrzypczyk, T. Buczyriski, Theoretical and Computational aspects of the fuzzy boundary element methods. In: Advanced Mathematical and Computational Mechanics Aspects of Boundary Element Method (ed. T. Burczynski), Kluwer 2001, pp. 251-364.
• [23]L.A. Zadeh, Fuzzy sets, Information and Control, Vol.8, 1965.