To improve the dynamic adaptability and flexibility of the process route during manufacturing, a dynamic optimization method of the multi-process route based on an improved ant colony algorithm driven by digital twin is proposed. Firstly, based on the analysis of the features of the manufacturing part, the machining methods of each process are selected, and the fuzzy precedence constraint relationship between machining metas and processes is constructed by intuitionistic fuzzy information. Then, the multi-objective optimization function driven by the digital twin is established with the optimization objectives of least manufacturing cost and lowest carbon emission, also the ranking of processing methods is optimized by an improved adaptive ant colony algorithm to seek the optimal processing sequence. Finally, the transmission shaft of some equipment is taken as an engineering example for verification analysis, which shows that this method can obtain a process route that gets closer to practical production.
The work deals with the issue of assigning vehicles to tasks in transport companies, taking into account the minimization of the risk of dangerous events on the route of vehicles performing the assigned transport tasks. The proposed risk management procedure based on a heuristic algorithm reduces the risk to a minimum. The ant algorithm reduces it in the event of exceeding the limit, which differs from the classic methods of risk management, which are dedicated only to risk assessment. A decision model has been developed for risk management. The decision model considers the limitations typical of the classic model of assigning vehicles to tasks, e.g. window limits and additionally contains limitations on the acceptable risk on the route of vehicles' travel. The criterion function minimizes the probability of an accident occurring along the entire assignment route. The probability of the occurrence of dangerous events on the routes of vehicles was determined based on known theoretical distributions. The random variable of the distributions was defined as the moment of the vehicle's appearance at a given route point. Theoretical probability distributions were determined based on empirical data using the STATISTICA 13 package. The decision model takes into account such constraints as the time of task completion and limiting the acceptable risk. The criterion function minimizes the probability of dangerous events occurring in the routes of vehicles. The ant algorithm has been validated on accurate input data. The proposed ant algorithm was 95% effective in assessing the risk of adverse events in assigning vehicles to tasks. The algorithm was run 100 times. The designated routes were compared with the actual hours of the accident at the bottom of the measurement points. The graphical interpretation of the results is shown in the PTV Visum software. Verification of the algorithm confirmed its effectiveness. The work presents the process of building the algorithm along with its calibration.
3
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
In the article, traffic safety management on the apron comes down to determining appropriate routes for ground handling vehicles to avoid collision situations with aircraft. The route search problem is a decision problem, so different optimization algorithms are used to solve it. Bearing in mind the growing importance of heuristic algorithms in the effectiveness of solving complex decision problems, the authors of this study analyzed the possibility of using the ant algorithm to determine the driving routes of ground service vehicles. As part of the research, the decision model of traffic safety management on the apron was presented.
PL
W artykule zarządzanie bezpieczeństwem ruchu na płycie lotniska sprowadza się do wyznaczenia odpowiednich tras jazdy pojazdów obsługi naziemnej w celu uniknięcia sytuacji kolizyjnych ze statkami powietrznymi. Problem wyszukiwania tras jest problemem decyzyjnym, więc w celu jego rozwiązania stosowane są różne algorytmy optymalizacyjne. Mając na uwadze rosnące znaczenie algorytmów heurystycznych w efektywności rozwiązywania złożonych problemów decyzyjnych, autorzy niniejszego opracowania przeanalizowali możliwość zastosowania do wyznaczenia tras jazdy pojazdów obsługi naziemnej algorytmu mrówkowego. W ramach realizacji badań przedstawiono model decyzyjny zarządzania bezpieczeństwem ruchu na płycie lotniska.
W artykule opisano zastosowanie algorytmu mrówkowego w wyznaczaniu przydziału pojazdów do zadań w transporcie zbiorowym. Analizowany problem przydziału jest złożonym zagadnieniem optymalizacyjnym, klasyfikującym go do problemów NP-trudnych. W obszarze dotyczącym zagadnień miejskiego transportu zbiorowego jest podstawowym problemem, który należy rozwiązać w procesie konstruowania rozkładów jazdy oraz planów pracy pojazdów i kierowców. Celem niniejszej publikacji było opracowanie nowego narzędzia optymalizacyjnego adekwatnego do analizowanego zagadnienia przydziału pojazdów do zadań w komunikacji miejskiej. Przedstawiony algorytm mrówkowy jest nowym podejściem zastosowanym do rozwiązywania zagadnień przydziału w transporcie zbiorowym i stanowi podstawę do dalszych badań nad tematyką opracowywania nowych metod optymalizacyjnych w badanym problemie. Opracowany algorytm minimalizuje liczbę pojazdów przy jednoczesnej minimalizacji czasu pracy oraz przebytej drogi przez wykorzystane pojazdy. Opracowano model matematyczny zagadnienia przydziału pojazdów do zadań w transporcie publicznym, tj. zdefiniowano zmienne decyzyjne, ograniczenia oraz funkcje kryterium. Ograniczenia przydziału wynikają z czasu realizacji kursów w danym dniu roboczym, ograniczeń prawnych w zakresie czasu pracy i jazdy kierowcy, a także dostępnej liczy pojazdów. Problem został przedstawiony w aspekcie wielokryterialnym, gdzie decydujące znaczenie w ocenie efektywnego przydziału mają czas i dystans pokonany przez wszystkie pojazdy realizujące zlecone zadania. W artykule przedstawiono ogólną koncepcję algorytmu mrówkowego, która jest w trakcie procesu weryfikacji na danych teoretycznych i rzeczywistych bazach danych przedsiębiorstw komunikacji miejskiej.
EN
The article describes the application of the ant algorithm in the problem of vehicle allocation to tasks in public transport. The analyzed allocation problem is a complex optimization problem that classifies it as NP-difficult. In the area of public transport issues it is a basic problem that should be solved in the process of constructing timetables and work plans for vehicles and drivers. The purpose of this publication was to develop a new optimization tool adequate to the analyzed issue of the allocation of vehicles to tasks in public transport. The presented ant algorithm is a new approach used to solve allocation issues in public transport and is the basis for further research on the development of new optimization methods in the studied problem. The developed algorithm minimizes the number of vehicles while minimizing working time and the distance traveled by the operating vehicles. A mathematical model has been developed on the issue of allocation of vehicles in public transport, i.e. decision variables, constraints and criterion functions were defined. The restrictions on the allocation result from the duration of the courses on a given business day, legal restrictions on the driver’s working time and driving time, as well as the available number of vehicles. The problem was presented in a multi-criteria aspect, where the decisive factor in assessing the effective allocation is the time and distance covered by all vehicles carrying out the assigned tasks. The article presents the general concept of the ant algorithm, which is in the process of verification on theoretical data and real databases of public transport companies.
5
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
In this article a new version of the ant colony optimisation algorithm with a desirability function for the triple matching problem is described. The problem is modelled by means of two 2-dimensional arrays. The new version of the ant algorithm was compared with the previous version of the ant algorithm and tested for different values of ant algorithm parameters; the results of these tests are presented and discussed.
PL
W artykule został przedstawiony w nowszej wersji algorytm mrówkowy wraz z funkcją pożądania dla problemu potrójnego zagadnienia dopasowania. Problem potrójnego dopasowania zaprezentowano przy pomocy tablic dwuwymiarowych. Algorytm mrówkowy został porównany ze starszą wersją algorytmu mrówkowego i przetestowany przy różnych wartościach parametrów algorytmu mrówkowego, a wyniki tych testów pokazano i omówiono.
W artykule zdefiniowano algorytm mrówkowy ACO, jego miejsce wśród dziedzin sztucznej inteligencji oraz przedstawiono jego przykładowy przebieg. Scharakteryzowano także parametry algorytmu mrówkowego i przeprowadzono testy zachowania mrówek w przykładowych grafach. W szczególności omówiono wpływ każdego parametru na sposób wyznaczania najkrótszych ścieżek w grafach o różnych rozmiarach. Badania symulacyjne przedstawiono dla czterech zestawów parametrów ACO.
EN
The article defines Ant Colony Optimization algorithm (ACO), its place among the fields of artificial intelligence and an example of its implementation was presented. The crucial parameters of the algorithm were also characterized and tests of ant behavior in sample graphs were carried out. In particular, the influence of each parameter on the method determining the shortest paths in graphs of various sizes was discussed. Simulation tests were presented for four sets of ACO parameters.
7
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
The ACO (Ant Colony Optimization) algorithm is a bio-inspired metaheuristic used to optimize problems or functions described by graphs, sequences of events, or queues of tasks. It is used, among a variety of other purposes, when routing Internet network packets, determining the shortest routes between designated points (traveling salesman's problem), for the time and cost optimization of production, or setting public transport stops. In the article, the ACO algorithm was used to autonomously construct the optimal route for an unmanned aerial vehicle (UAV). The algorithm establishes the spatial orientation of the UAV, indicating the direction of its transition for each intermediate waypoint. The results of the simulations show the trajectory of the UAV depending on the selected weighting factors, determining the priority of avoiding detected hazards or choosing the shortest path. The quality of each variant is evaluated numerically by the calculated fitness function, the value of which is the sum of the costs of the transition to each intermediate route point. The effect of the algorithm is a set of executable trajectory variants, of which the one with the best fitness value is selected.
PL
Algorytm ACO (ang. Ant Colony Optimization) jest bio-inspirowaną metaheurystyką, wykorzystywaną do optymalizacji problemów lub funkcji opisywanych za pomocą grafów, sekwencji zdarzeń, czy też kolejki zadań. Znajduje on zastosowanie m.in. przy trasowaniu pakietów sieci internetowych, wyznaczaniu najkrótszych tras między wyznaczonymi punktami (problem komiwojażera), optymalizacji czasu i kosztu produkcji, czy też ustalaniu przystanków transportu publicznego. W artykule, algorytm ACO został wykorzystany do autonomicznego wyznaczenia optymalnej trasy dla bezpilotowego statku powietrznego (BSP). Algorytm ustala orientację przestrzenną BSP, determinującą kierunek jego przemieszczenia dla każdego pośredniego punktu docelowego. Wyniki przeprowadzonych symulacji przedstawiają trajektorię BSP w zależności od dobranych współczynników wagowych, określających priorytet ominięcia wykrytych zagrożeń lub wybrania najkrótszej drogi. Jakość każdego wariantu jest określana liczbowo poprzez ustaloną funkcję dopasowania, której wartość stanowi suma kosztów przejścia do każdego pośredniego punktu trasy. Efektem działania algorytmu jest zbiór wykonywalnych wariantów trajektorii, z których wybrany zostaje ten o najlepszej wartości dopasowania.
W artykule przedstawiono algorytm mrówkowy opracowany w celu rozwiązywania zadań globalnej optymalizacji dyskretnej układów prętowych w postaci kratownic. Zastosowane podejście opiera się na algorytmie mrówkowym z funkcją kary, w którym zastosowano ewolucyjną optymalizację strukturalną w celu uwzględnienia optymalizacji topologicznej konstrukcji. Przedstawiony przykład numeryczny ilustruje skuteczność zaproponowanej metody optymalizacji.
EN
The paper presents an Ant Colony Optimization (ACO) algorithm designed to solve global discrete optimization problems of bar systems in the form of trusses. Proposed approach is based on the ACO algorithm with a penalty function in which evolutionary structural optimization has been applied to deal with the topological optimization of trusses. Presented numerical example illustrates the effectiveness of the proposed discrete optimization method.
Artykuł poświęcony jest problemowi przepływu dóbr w sieci transportowej ładunkowej. Zastosowano do tego celu algorytmy mrówkowe. Zbudowano model optymalizacyjny oparty na problemie kwadratowego przydziału. Wybrano 8 różnych algorytmów mrówkowych. Przedstawiono i omówiono uzyskane wyniki zastosowania algorytmów mrówkowych do rozwiązywania problemu racjonalizacji kosztu przepływu dóbr.
EN
The article is devoted to the problem of the flow of goods in the transport network. Ante algorithms have been used for this purpose. An optimization model based on the problem (Quadratic Assignment Problem - QAS) was built. Eight different ant algorithms were selected. The results of the application of ant algorithms for solving the problem of the flow of goods rationalization are presented and discussed.
10
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
This article describes a new ant colony optimisation algorithm for the facility localisation problem with a new heuristic pattern proposed by the author, which consists of three parts: the function of the average cost of client servicing; the total minimum cost of servicing from a site, which is selected and included into the solution; the function of improving the cost of already serviced clients. In this comparison, simulations were presented, and two parameters were observed: the number of sites and the cost of client servicing. The new algorithm allowed to improve the solution in both of these parameters.
PL
W artykule przedstawiono algorytm mrówkowy dla problemu lokalizacji fabryk z nową zaproponowaną heurystyką wyboru obiektów i został on porównany z innym znanym już z literatury przedmiotu algorytmem mrówkowym. Nowa heurystyka wyboru została wyrażona jako iloraz trzech funkcji pożądania wyboru, to jest funkcji określającej średni koszt obsługi klientów poprzez włączaną lokalizację do rozwiązania, funkcję określająca całkowitą minimalną sumę obsługiwania klientów z włączanej do rozwiązania lokalizacji oraz funkcję określająca maksymalną minimalizację kosztów obsługiwania klientów poprzez włączaną lokalizację, gdy ci klienci są już obsługiwani przez lokalizacje wybrane do rozwiązania. W artykule przedstawiono wyniki przeprowadzonych testów pod kątem uzyskania jak najmniejszej liczby lokalizacji i jak najmniejszego kosztu obsługiwania klientów w funkcji rozmiaru problemu i natężenia obsługiwania klientów z danej lokalizacji.
11
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
In this article, ant colony optimisation algorithms for the triple matching problem are described. This is the first elaborated ant algorithm for this problem. The problem is modeled by means of a 3-dimensional array. The ant algorithm was compared with the Apx3Dmatchnig-F algorithm and tested for different values of ant algorithm parameters. The results of these tests were presented and discussed.
PL
W artykule został przedstawiony po raz pierwszy algorytm mrówkowy dla problemu potrójnego zagadnienia dopasowania. Problem potrójnego dopasowania zaprezentowano przy pomocy tablicy trój-wymiarowej. Algorytm mrówkowy został porównany z algorytmem Apx3Dmatching-F i przetestowany przy różnych wartościach parametrów algorytmu mrówkowego, a wyniki tych testów zostały zaprezentowane i omówione.
The paper presents the problem of organizing municipal waste collection from individual residents. A waste collection organization is defined as the designation of vehicle routes for a given collection. In order to solve this problem, a decision model for determining driving routes has been proposed. The organization of municipal waste collection may be considered in a single or multi-criteria approach. This study presents a collection of municipal waste in the context of a multi-criteria decision problem. In this work, the decision model of the municipal waste collection organization is based on multi-criteria optimization. In this case, the optimization algorithm was an ant algorithm. This algorithm has been specially modified to solve the problem of making decisions based on many criteria. The authors of this publication have not found application of this approach and this algorithm in the literature to designate the municipal waste collection organization. The municipal waste collection organization is a complex decision problem and refers to the traveling salesman problem. This problem belongs to NP-hard problems. To solve the problem of the traveling salesman, a heuristic algorithm should be applied. Fast time of generating the result by the ant algorithm is its main feature, which is desirable in the process of designating the municipal waste collection organization. This process depends on many factors, e.g. vehicle capacity, size of tasks. The algorithm for determining this type of problem must be adapted to frequent changes of these factors and quick generation of solutions. The time of solution generation plays the most important role in municipal companies. The ant algorithm generates results in a quick way and therefore this algorithm was chosen in this problem. The presented decision model concerns the collection of waste from individual residents. The car visits the loading points (inhabitants) and collects waste. The main goal is to designate this route. This fact additionally emphasizes the use of the heuristic algorithm in this problem. The work defines the mathematical model of the problem of municipal waste collection, the input data entered into the model are given, e.g. distances between objects of the transport network have been defined, driving times between these objects are given, loading times, unloading of waste, crossing time. The decision variable defines the connection between individual network objects implemented by the vehicle in a given route. Decision variables are binary type. Limitations have been introduced for working time and for the capacity of vehicles that collect waste. The criteria functions concern the minimization of the time of completion of all routes and the costs of fuel consumption. In order to check the correctness of the ant algorithm, its results were compared with random values. The ant algorithm in each case generated a better solution than a random algorithm. It should be emphasized that the form algorithm belongs to heuristic algorithms. The solution generated by these algorithms for complex decision problems is a suboptimal solution. However, taking into account the complexity of the municipal waste collection organization, the solution is accepted from a practical point of view.
PL
W pracy przedstawiono problem organizacji zbiórki odpadów komunalnych od indywidualnych mieszkańców. Organizacja zbiórki odpadów jest zdefiniowana jako wyznaczenie tras jazdy pojazdów realizujących daną zbiórkę. W celu rozwiązania tego problemu zaproponowano model decyzyjny wyznaczania tras jazdy pojazdów. Organizacja zbiórki odpadów komunalnych może być rozpatrywany w ujęciu jedno lub wielokryterialnym. W niniejszym opracowaniu przedstawiono zbiórkę odpadów komunalnych w kontekście wielokryterialnego problemu decyzyjnego. W niniejszej pracy model decyzyjny organizacji zbiórki odpadów komunalnych opiera się na optymalizacji wielokryterialnej. W tym przypadku algorytm optymalizacji był algorytmem mrówkowym. Algorytm ten został specjalnie zmodyfikowany w celu rozwiązania problemu podejmowania decyzji w oparciu o wiele kryteriów. Autorzy tej publikacji nie znaleźli zastosowania tego podejścia i tego algorytmu w literaturze do wyznaczenia organizacji zbiórki odpadów komunalnych. Organizacja zbiórki odpadów komunalnych jest złożonym problemem decyzyjnym i odnosi się do problemu komiwojażera. Problem ten należy do problemów NP-trudnych. Aby rozwiązać problem komiwojażera, należy zastosować algorytm heurystycznych. Szybki czas generowania wyniku przez algorytm mrówkowy jest jego główną cechą, co jest pożądane w procesie wyznaczania organizacji zbiórki odpadów komunalnych. Proces ten zależy od wielu czynników, np. pojemność pojazdów, wielkość zadań. Algorytm wyznaczania tego typu problemu musi być dostosowany do częstych zmian tych czynników i szybkiego generowania rozwiązań. W firmach komunalnych najważniejszą rolę odgrywa czas generowania rozwiązania. Algorytm mrówkowy generuje wyniki w szybki sposób i dlatego ten algorytm został wybrany w tym problemie. Przedstawiony model decyzyjny dotyczy zbiórki odpadów od poszczególnych mieszkańców. Samochód odwiedza punkty załadunku (mieszkańców) i zbiera odpady. Głównym celem jest wyznaczenie tej trasy. Fakt ten dodatkowo podkreśla zastosowanie algorytmu heurystycznego w tym problemie. W pracy zdefiniowano model matematyczny problemu zbiórki odpadów komunalnych, podano dane wejściowe wprowadzane do modelu np. zdefiniowano odległości pomiędzy obiektami sieci transportowej, podano czasy jazdy pomiędzy tymi obiektami, czasy załadunku, wyładunku odpadów, czas przejazdu przez skrzyżowania. Zmienna decyzyjna określa połączenie pomiędzy poszczególnymi obiektami sieci realizowane przez pojazd w danej trasie. Zmienne decyzyjne są typu binarnego. Wprowadzono ograniczenia na czas pracy oraz na pojemność pojazdów realizujących zbiórkę odpadów. Funkcje kryteriów dotyczą minimalizacji czasu realizacji wszystkich tras oraz kosztów zużycia paliwa. W pracy szczegółowo scharakteryzowano algorytm mrówkowy rozwiązujący wielokryterialny problem decyzyjny zbiórki odpadów komunalnych. W celu sprawdzenia poprawności algorytmu mrówkowego jego wyniki porównano z wartościami losowymi. Algorytm mrówkowy w każdym przypadku generował lepsze rozwiązanie niż losowy algorytm. Należy podkreślić, że algorytm mrówkowy należy do algorytmów heurystycznych. Rozwiązanie wygenerowane przez te algorytmy dla złożonych problemów decyzyjnych jest rozwiązaniem nieoptymalnym. Biorąc jednak pod uwagę złożoność organizacji zbiórki odpadów komunalnych, rozwiązanie jest akceptowane z praktycznego punktu widzenia.
Inspired by ant foraging, as well as modeling of the feature map and measurements as random finite sets, a novel formulation in an ant colony framework is proposed to jointly estimate the map and the vehicle trajectory so as to solve a feature-based simultaneous localization and mapping (SLAM) problem. This so-called ant-PHD-SLAM algorithm allows decomposing the recursion for the joint map-trajectory posterior density into a jointly propagated posterior density of the vehicle trajectory and the posterior density of the feature map conditioned on the vehicle trajectory. More specifically, an ant-PHD filter is proposed to jointly estimate the number of map features and their locations, namely, using the powerful search ability and collective cooperation of ants to complete the PHD-SLAM filter time prediction and data update process. Meanwhile, a novel fast moving ant estimator (F-MAE) is utilized to estimate the maneuvering vehicle trajectory. Evaluation and comparison using several numerical examples show a performance improvement over recently reported approaches. Moreover, the experimental results based on the robot operation system (ROS) platform validate the consistency with the results obtained from numerical simulations.
Artykuł poświęcony jest problemowi wykorzystania przestrzeni ładunkowej. Zastosowano do tego celu algorytmy mrówkowe. Zbudowano model optymalizacyjny oparty na problemie plecakowym. Wybrano 8 różnych algorytmów mrówkowych. Przedstawiono i omówiono uzyskane wyniki zastosowania algorytmów mrówkowych do rozwiązywania problemu plecakowego.
EN
The article is devoted to the optimization problem of cargo space. Formal algorithms have been used for this purpose. An optimization model based on a knapsack problem was built. 8 different ant algorithms were selected. The results of the application of ant algorithms for solving the knapsack problem are presented and discussed.
Praca poświęcona jest problemowi znajdowania najkrótszej drogi w grafie poszukiwań. Zastosowano do tego celu algorytmy mrówkowe. Zbudowano model optymalizacyjny. Wybrano 8 różnych algorytmów mrówkowych. Przedstawiono i omówiono uzyskane wyniki optymalizacji długości drogi.
EN
The presented research results indicate the usefulness of ant algorithms in the optimization of the road length. Admittedly, ant algorithms do not guarantee an optimal solution, but they provide a suboptimal (rational) solution. In a situation where we have limited time to solve the optimization problem, the guarantee of terminating the algorithm and obtaining a rational, acceptable solution is an attractive alternative for conducting long-term calculations and finding a little better solution.
Transport towarów do klientów jest istotnym elementem działalności przedsiębiorstw produkcyjnych. Optymalnie zarządzana sieć dystrybucyjna oraz flota pojazdów to kluczowe czynniki pozwalające na znaczne obniżenie kosztów dostaw. Wyraźnie widoczne efekty zmniejszenia kosztów transportu można uzyskać poprzez właściwe zaplanowanie trasy, m.in. kolejności obsługi poszczególnych odbiorców. Celem artykułu jest przedstawienie sposobu znalezienia rozwiązania pozwalającego na usprawnienie procesu dystrybucji produktów szybko psujących się do wielu odbiorców na przykładzie jednej z tras obsługiwanych przez przykładową firmę. W znalezieniu optymalnego rozwiązania wykorzystano narzędzia oparte na problemie optymalizacyjnym zwanym „problemem komiwojażera” (z ang. TSP – Travelling Salesman Problem). Opisano narzędzia ułatwiające lepsze zaplanowanie trasy dostaw do odbiorców przy wykorzystaniu jednego środka transportu. Przedstawiono algorytm pozwalający na optymalizację wykorzystania środka transportu przy jednoczesnym obniżeniu kosztów transportów oraz zwiększeniu efektywności pracy poprzez minimalizację czasu realizacji usługi transportowej.
EN
The transport of goods to customers is an important element of the operations of manufacturing enterprises. Optimally managed distribution network and vehicle fleet are the key factors that allow to significantly reduce delivery costs. Clearly visible effects of reducing transport costs can be obtained through proper route planning, including the order of serving individual recipients. The aim of the article is to present a way to find a solution that allows improving the distribution process of perishable products to many recipients on the example of one of the routes served by the example company. In finding the optimal solution, tools based on the optimization problem called the "traveling salesman problem" (TSP) were used. Tools have been described to facilitate better planning of delivery routes to recipients using one means of transport. An algorithm is presented that allows to optimize the use of the means of transport while reducing transport costs and increasing work efficiency by minimizing the time of transport service provision.
17
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
W artykule przedstawiono propozycję rozwiązania problemu wyznaczania bezpiecznej trajektorii statku przy zastosowaniu jednej ze stochastycznych metod optymalizacji, jaką jest algorytm mrówkowy. W procesie obliczania bezpiecznej trasy przejścia statku uwzględnione zostały wszystkie najważniejsze wymagania i ograniczenia, do których należą Międzynarodowe Prawo Drogi Morskiej (MPDM), ograniczenia statyczne (lądy, mielizny) i dynamiczne (spotkane statki), odległość bezpieczna pomiędzy statkami, warunki pogodowe (widzialność) oraz właściwości dynamiczne statku. Dynamika statku własnego została uwzględniona w postaci czasu realizacji manewru, którego wartość wynika z charakterystyki manewrowej danej jednostki.
EN
The article presents a proposal for solving the problem of determining a ship’s safe trajectory using one of the stochastic optimization methods, which is an ant algorithm. In the process of ship’s safe path planning all of the most important requirements and limitations were taken into account, which include the International Regulations for Preventing Collisions at Sea (COLREGs), static (lands, shoals) and dynamic (target ships) obstacles, a safe distance between ships, weather conditions (visibility) and dynamic properties of the ship. The dynamics of an own ship were taken into account in the form of maneuver time, the value of which is indicated by the maneuvering characteristic of a vessel.
18
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Artificial Ant Colony algorithm (AAC) can be applied to segmentation of bone structures out of CT data series. AAC procedure produces promising results in regions of adjacent bones and joints which are hard to distinguished by common segmentation algorithms. The article presents parallel implementation of the AAC which allows for significant speed-up of the segmentation procedure. The results of the segmentation for various bone structures in the area of the human pelvis are presented.
PL
Algorytm kolonii mrówkowej (AAC) pozwala na segmentację struktur kostnych z serii obrazów tomografii komputerowej. AAC daje obiecujące wyniki dla przylegających do siebie fragmentów kości i stawów, które trudno rozróżnić przy pomocy często używanych filtrów obrazu. Artykuł przedstawia równoległą implementację algorytmu pozwalającą znacznie przyspieszyć operację segmentacji. Zaprezentowano w nim wyniki algorytmu dla wybranych struktur kostnych w obrębie miednicy.
The results of route planning researches are monitored by logistic and automotive industries. The economic aspects of the cost saving are in the focus of the attention. An optimal route could cause time or fuel savings. An effective driving or an optimal route is a good basis to achieve an economical aim. Moreover the spread of new automotive solutions especially in case of electric cars the optimisation has particular significance regarding the limited battery storage. Additionally the autonomous car development could not be neglected. As a result the society could expect safer roads, better space usage and effective resource management. Nevertheless the requirements of users are extremely diverse, which is not negligible. Supporting these aims, in this paper the connection between the multimodal route planning and the user requirements are investigated. The examination is focused to a sensitivity analysis and a survey to evaluate the data and support the settings of a user habit effect to the final route.
In the article, propose to use modified mating operators and initialization genetic and ant algorithms to solve transport problems in tourism. The article analyzes modern methods of optimization of routes used to transport tourists between the settlements of view of efficient use of resources. By analyzing the behavior of ant colonies, such as finding the shortest route by providing mating pheromones and features two solutions genetic algorithm developed algorithms for finding the optimal route, costing resources search distance, time, route, storing executed routes. The paper present description created system for mobile phones operating system IOS, which performs all operations listed above.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.