Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: algorytm koewolucyjny

Sortuj według:

Ogranicz wyniki do:

The performance profile: A multi-criteria performance evaluation method for test-based problems

Jaśkowski W., Liskowski P., Szubert M., Krawiec K.

International Journal of Applied Mathematics and Computer Science

2016

Vol. 26, no. 1

215--229

In test-based problems, solutions produced by search algorithms are typically assessed using average outcomes of interactions with multiple tests. This aggregation leads to information loss, which can render different solutions apparently indifferent and hinder comparison of search algorithms. In this paper we introduce the performance profile, a generic, domain-independent, multi-criteria performance evaluation method that mitigates this problem by characterizing the performance of a solution by a vector of outcomes of interactions with tests of various difficulty. To demonstrate the usefulness of this gauge, we employ it to analyze the behavior of Othello and Iterated Prisoner’s Dilemma players produced by five (co)evolutionary algorithms as well as players known from previous publications. Performance profiles reveal interesting differences between the players, which escape the attention of the scalar performance measure of the expected utility. In particular, they allow us to observe that evolution with random sampling produces players coping well against the mediocre opponents, while the coevolutionary and temporal difference learning strategies play better against the high-grade opponents. We postulate that performance profiles improve our understanding of characteristics of search algorithms applied to arbitrary test-based problems, and can prospectively help design better methods for interactive domains.

Application of classifier system to restoration service of electric power distribution networks

Filipiak S.

Rynek Energii

2011

nr 2

163-170

Distribution networks faults can cause power failure for many users, what can be a reason of major economical losses. In the literature on the distribution systems operation the problem of power delivery recovery in case of the network failure is one of the very important aspects of a proper operation of the distribution systems. An idea of using a classifying system and evolutionary algorithm for operation support of electric power distribution systems operators has been presented in the paper. The elaborated method uses the theoretical background of genetic-based machine learning systems. The method shows the ability to collect experience on the base of information on faults, occurred or simulated in the power distribution systems. In the elaborated method the decisive variables, essential from the network operation reliability point of view, de-scribed with the use of fuzzy sets theory. A method enabling to formulate scenarios of network configuration changes (at changes in network operation conditions) has been characterised in the paper.

Awarie występujące w elektroenergetycznych sieciach dystrybucyjnych średniego napięcia mogą powodować przerwy w zasilaniu wielu użytkowników narażających ich na straty ekonomiczne. W literaturze przedmiotu problem przywracania dostaw energii w stanach awarii sieci jest ważnym zagadnień dotyczących poprawnej pracy sieci dystrybucyjnych. W artykule zaprezentowano opracowaną metodę wykorzystująca system klasyfikujący i algorytm koewolucyjny w celu wspomagania operatorów systemów dystrybucji energii elektrycznej w zarządzaniu nimi w stanach awarii. Opracowana metoda oparta jest na podstawach teoretycznych genetycznych systemów uczących się i umożliwia wykorzystanie informacji (pochodzących z symulacji) o prawdopodobnych stanach awarii analizowanej sieci dystrybucyjnej. Przy opisie zmiennych decyzyjnych wykorzystano elementy teorii zbiorów rozmytych. Przedstawiona w artykule metoda umożliwia formułowanie scenariuszy zastępczych konfiguracji sieci dystrybucyjnych.