Wyniki wyszukiwania - BazTech

1

Ewolucyjne metody optymalizacji w sterowaniu ruchem samochodu osobowego

Warwas K.

Modelowanie Inżynierskie

|

2018

|

T. 37, nr 68

132--141

PL

W pracy przedstawiono optymalizację ruchu samochodu osobowego podczas jazdy po nawierzchni o zmiennej przyczepności. Model matematyczny pojazdu sformułowano, korzystając w zapisie z transformacji jednorodnych i współrzędnych złączowych. W procesie optymalizacji dobierano przebieg momentów hamujących działających na poszczególne koła pojazdu tak, aby zapewnić utrzymanie się pojazdu w szerokości jezdni. Do rozwiązania zadania optymalizacji zastosowano metody ewolucyjne takie jak: Genetic Algorithm (GA), Particle Swarm Optimisation (PSO) oraz Particle Swarm Evolver (PSE). Metody te, w odróżnieniu od klasycznych metod optymalizacji, umożliwiają znajdowanie rozwiązań globalnie optymalnych. W pracy przedstawiono wnioski z uzyskanych wyników oraz zastosowanych metod optymalizacji.

EN

The paper presents a method of passenger car motion optimisation while driving on the road surface with variable friction. A mathematical model of the vehicle has been formulated using homogenous transformation and joint coordinates. During optimisation braking torques values applied to each wheel of the car have been determined. In order to maintain position of the vehicle in the width of the road, optimisation problem has been formulated and solved. Evolutionary methods such as Genetic Algorithm (GA), Particle Swarm Optimisation (PSO) and Particle Swarm Evolver (PSE) has been applied. Those methods, in contrast to the classical optimisation methods, allow to find global optimal solution. In this paper results obtained during numerical simulations have been presented and discussed.

2

Evolutionary Approach to Cope with Problems of Short-Time Signals

Majewski J., Wojtyna R.

Elektronika : konstrukcje, technologie, zastosowania

|

2017

|

Vol. 58, nr 4

26--29

EN

In this paper, questions oriented at improving frequency domain representation of a digital signal with a considerably restricted number of samples are discussed. The proposed approach is based on adaptive synthesis implemented by means of a proper evolutionary algorithm. As compared to previously proposed techniques, our method is much more effective. This takes place, for instance, when the analysis is performed in a complex number domain. In particular, for a given number of signal samples, precision of the obtained reached spectrum can be much higher than in the case of real-valued analysis. Alternatively, time of the complex-valued analysis can be much shorter, as well. A compromise between the precision and speed of the analysis operations is also possible. Results of the carried out simulations are satisfactory and fully confirm theoretical predictions.

PL

Praca dotyczy problemu poprawy efektów analizy w dziedzinie częstotliwości sygnałów cyfrowych przy użyciu niewielkiej liczby próbek sygnału. Zaproponowane rozwiązanie jest oparte na syntezie adaptacyjnej i wykorzystuje odpowiedni algorytm ewolucyjny. W porównaniu z wcześniej prezentowanymi metodami nasze rozwiązanie daje wyraźnie lepsze rezultaty. Dotyczy to zwłaszcza analizy z wykorzystaniem liczb zespolonych. Przykładowo dla danej liczby próbek, precyzja uzyskanego widma może by dużo większa niż w przypadku analizy z wykorzystaniem liczb rzeczywistych. Alternatywnie, analiza w dziedzinie liczb urojonych, zamiast liczb rzeczywistych, może także trwać znacznie krócej. Możliwy jest także kompromis, tj. poprawa zarówno precyzji, jak i szybkości analizy. Wyniki przeprowadzonych symulacji są zadawalające i w pełni potwierdzają przewidywania teoretyczne.

3

Frequency-domain adaptive approach to problems with limited number of signal samples

Majewski J., Wojtyna R.

Elektronika : konstrukcje, technologie, zastosowania

|

2016

|

Vol. 57, nr 4

14--17

EN

The issue of improving methodology of creating frequency-domain picture of time-domain signals with a small number of samples is considered. The proposed method is a modification of the one published in [9]. Like in [9], our method is based on applying an evolutionary algorithm to signal analysis in frequency domain. This is unlike in classical methods, where discrete time signals are described using Discrete Fourier Transform (DFT). Our approach to the problem does not use the DFT and is based on an adaptive synthesis. In this way, we can more effectively cope with spectral leakage problems, caused by severe restriction of the sample numbers. The new element of the presented idea is application of complex-valued description instead of the real-valued one. As a result, the analysis can be more effective than that of [9]. Advantages of our approach are presented on examples.

PL

Przedmiotem rozważań jest kwestia poprawy metodologii tworzenia w dziedzinie częstotliwości obrazu sygnałów czasu dyskretnego z małą liczbą próbek. Proponowana metoda jest modyfikacją metody opublikowanej w pracy [9]. Podobnie jak w pracy [9], nasza metoda jest oparta na wykorzystaniu algorytmu ewolucyjnego do analizy sygnału w dziedzinie częstotliwości. Jest to inne rozwiązanie niż w metodach klasycznych, gdzie sygnały czasu dyskretnego są opisywane z wykorzystaniem Dyskretnej Transformaty Fouriera (DFT). Nasze podejście do problemu nie wykorzystuje transformaty DFT i jest oparte na syntezie adaptacyjnej. W ten sposób możemy skuteczniej radzić sobie z problemami wycieków spektralnych, powodowanych przez mocne ograniczenie liczby próbek. Nowym elementem proponowanego pomysłu jest opis problemu z użyciem liczb zespolonych zamiast liczb rzeczywistych. W rezultacie analiza może myć bardziej efektywna niż w pracy [9]. Zalety naszego podejścia są przedstawione na przykładach.

4

Ewolucyjne wnioskowanie gramatyczne.

Unold O.

Prace Naukowe Instytutu Informatyki, Automatyki i Robotyki Politechniki Wrocławskiej. Monografie

|

2006

|

Vol. 29, nr 105

3-227

PL

W monografii została podjęta ważna i płodna zarówno teoretycznie, jak i praktycznie tematyka wnioskowania gramatycznego (maszynowego uczenia gramatyk). Zaproponowano nowy model ewolucyjnego wnioskowania gramatycznego, którego zasadniczym przeznaczeniem jest indukcja gramatyki bezkontekstowej. Konstrukcja nowego modelu ewolucyjnego wykorzystuje mechanizm uczenia stosowany w uczących się systemach klasyfikujących. W modelu klasyfikatorami są produkcje gramatyki bezkontekstowej podane w postaci normalnej Chomsky'ego, natomiast otoczeniem, do którego adaptuje się system, jest zbiór uczący składający się z przykładowych zdań opatrzonych etykietą określającą przynależność lub brak przynależności zdania do poszukiwanego języka. Celem uczenia jest poprawna klasyfikacja zdań uczących. Ponieważ zbiór klasyfikatorów tworzy zestaw produkcji gramatyki, poprawna klasyfikacja etykietowanych zdań oznacza wyidukowanie poszukiwanej gramatyki języka. Model śledzi produkcje użyte podczas analizy zbioru uczącego i po jej zakończeniu oblicza funkcję dopasowania każdej produkcji. Nowe produkcje gramatyki są odkrywane podczas procesu indukcji przez mechanizm pokrycia oraz algorytm genetyczny. W pracy można wyodrębnić dwie części. Pierwsza część pracy wprowadza w tematykę wnioskowania gramatycznego, ewolucyjnego przetwarzania oraz uczących się systemów klasyfikujących. W szczególności zaprezentowano aktualny stań badań w zakresie indukcji gramatyki bezkontekstowej, nowy sposób kategoryzacji uczących się systemów klasyfikujących oraz ich podstawowe modele w jednolitym ujęciu. W drugiej części pracy zaproponowano oryginalny model ewolucyjnego wnioskowania gramatycznego, dedykowany indukcji gramatyki bezkontekstowej. Architekturę i działanie nowego modelu opisano, posługując się kategoriami uczącego się systemu klasyfikującego. Wprowadzono tzw. mechanizm płodności produkcji, który wraz z mechanizmem ścisku oraz operatorem genetycznym inwersji ma przeciwdziałać wysokiej epistazie populacji produkcji modelu. Zdefiniowano nowe operatory pokrycia dostosowane do użytej metody parsowania oraz estymatory dokładności i kosztu indukcji. Przeprowadzono indukcję języków regularnych z tzw. zbioru Tomity, wybranych formalnych języków bezkontekstowych, a także obszernych korpusów językowych. Eksperymenty wykazały, że model uzyskuje dla każdej z badanych klas języka wyniki porównywalne z najlepszymi ze znanych w literaturze przedmiotu, i to nie tylko wśród metod ewolucyjnych, a w wielu wypadkach lepsze. Przeprowadzono badania symulacyjne modelu, których celem było eksperymentalne stwierdzenie własności proponowanego modelu ewolucyjnego. Poza wnioskami szczegółowymi osiągnięto również interesujące wyniki dotyczące ogólnych mechanizmów ewolucyjnych, jak wpływ selekcji turniejowej i ścisku na nacisk selektywny czy rola nowego operatora pokrycia pełnego w procesie ewolucji populacji uczącego się systemu klasyfikującego. Wskazano na jedno z możliwych praktycznych zastosowań modelu, poza badanym już w monografii obszarem inżynierii lingwistycznej, jakim jest genomika obliczeniowa. Rozpatrywano zadanie rozpoznawania sekwencji telomerowej u człowieka oraz poszukiwania regionu promotorowego u bakterii E. coli. Model w obecnej implementacji może być zastosowany na wysokim poziomie estymatora swoistości do rozpoznawania regionów nienależących do sekwencji promotorowych

EN

The monograph takes up an important and prolific, both theoretically and practically, subject of grammatical inference (grammar induction). A new model of evolutionary grammatical inference has been proposed, and its main purpose is context-free grammar induction. The structure of the new evolutionary model utilizes a learning mechanism applied in learning classifier systems. Here the classifiers are productions of context-free grammar presented in the Chomsky normal form, and the environment to which the system adapts is a learning set composed of the exemplary sentences. These sentences are labeled to distinguish a collocation or lack thereof to the searched language. The puipose of learning is a correct classification of learning sentences. Since the set of classifiers constitutes a grammar production unit, the correct classification of labeled sentences denotes inducing a grammar. The model monitors the productions used during the learning set analysis and after the analysis calculates a fitness function of each production. New grammar productions are discovered during the induction by a covering and a genetic algorithm. The thesis is divided into two parts. The first part introduces us into the area of grammatical inference, evolutionary processing, and learning classifier systems. In particular, the state of the art in the research in context-free grammar induction has been presented, a new categorization method of learning classifier systems has been proposed, and their generic models have been introduced in a uniform depiction. The second part proposes an original model of evolutionary grammatical inference, dedicated to context-free grammar induction. The architecture and operation of the new model have been described with the use of the categories of a learning classifier system. So called production fertility mechanism has been introduced, which together with a crowding mechanism and inversion operator is supposed to counteract the high epistasis in production population. New covering operators adapted to the applied parsing method and estimators of induction accuracy and cost have been defined. The induction conducted includes regular languages from the Tomita set, chosen formal context-free languages, and large natural language corpora. These experiments show4cd that for each class of the language examined the model obtains results which are comparable with, and in some cases even better than, the best known in the literature of the subject, and not only among the evolutionary methods. Computer simulations have been conducted to experimentally identify qualities of the proposed evolutionary model. In addition to detailed conclusions, interesting results concerning general evolutionary mechanisms have been obtained, including an influence of tournament selection and of crowding on selective pressure, or the role of a new full covering operator in the evolution process of the population of a learning classifier system. Except for the area of linguistic engineering examined in this thesis, one of the potential applications of the model has been pointed to, which is computational genomics. The issues of an identification of human telomer sequence and of searching for a E. coll promoter region have also been investigated. The model in its current implementation can be applied at a high level of the specificity estimator to recognize regions not belonging to promoter sequences.

5

A framework for an L-systems based evolutionary model for structure design and representation

Strug B.

Image Processing & Communications

|

2003

|

Vol. 9, no 3-4

71-79

EN

This paper deals with the possibilities of applying evolutionary methods and L-systems in computer aided structure design. An evolutionary process that involves the evolution of both the individuals produced by an L-system and the L-system itself is described. The modified standard genetic operators are presented as well as the number of operators specific for L-systems is defined. The presented theory is illustrated by examples from the domain of plant structures generation. The L-system as the model for structure representation is also described.

6

Re-creating Mondrian's style by artificial evolution

Nikodem P., Strug B.

Machine Graphics and Vision

|

2000

|

Vol. 9, No. 4

867-875

EN

Genetic algorithms (GA) have become a popular computational aproach in computer arts. A brief overview of the field of evolutionary art is sketched. An implementation of this technique intended to generate 2D images following the style of a well-known Dutch geometric painter, Piet Mondrain, is also presented in this paper.

7

Graph grammars and evolutionary methods in graphic design

Hliniak G., Strug B.

Machine Graphics and Vision

|

2000

|

Vol. 9, No. 1/2

5-13

EN

A new approach to image generation being a combination of evolutionary methods and graph grammars is presented. Usually genetic algorithms operate on binary strings. We propose here to use composition graphs as genotypes representing structures of designed objects. Hence, a graph grammar combined with genetic operators constitutes a tool for creating images being phenotypes corresponding to generated graphs. A modified genetic algorithm which uses the graph representation and the graph grammar is described.

8

Fundamentals of scatter search and path relinking

Glover F., Laguna M., Marti R.

Control and Cybernetics

|

2000

|

Vol. 29, no 3

653-684

EN

The evolutionary approach called Scatter Search, and its generalized form called Path Relinking, have proved unusually effective for solving a diverse array of optimization problems from both classical and real world settings. Scatter Search and Path Relinking differ from other evolutionary procedures, such as genetic algorithms, by providing unifying principles for joining solutions based on generalized path constructions (in both Euclidean and neighborhood spaces) and by utilizing strategic designs where other approaches resort to randomization. Scatter Search and Path Relinking are also intimately related to the Tabu Search metaheuristic, and derive additional advantages by making use of adaptive memory and associated memory-exploiting mechanisms that are capable of being adapted to particular contexts. We describe the features of Scatter Search and Path Relinking that set them apart from other evolutionary approaches, and that offer opportunities for creating increasingly more versatile and effective methods in the future.