Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: forma analysis

Sortuj według:

Ogranicz wyniki do:

New genetic algorithm based on dissimilarities and similarities

Al-Jawadi R., Studniarski M., Younus A.

Computer Science

2018

Vol. 19 (1)

23--41

Optimization is essential for nding suitable answers to real life problems. In particular, genetic (or more generally, evolutionary) algorithms can provide satisfactory approximate solutions to many problems to which exact analytcal results are not accessible. In this paper we present both theoretical and experimental results on a new genetic algorithm called Dissimilarity and Simlarity of Chromosomes (DSC). This methodology constructs new chromosomes starting with the pairs of existing ones by exploring their dissimilarities and similarities. To demonstrate the performance of the algorithm, it is run on 17 two-dimensional, one four-dimensional and two ten-dimensional optimization problems described in the literature, and compared with the well-known GA, CMA-ES and DE algorithms. The results of tests show the superiority of our strategy in the majority of cases.

Genetic algorithms and evolution strategies application for ship loading

Olej V., Świątnicki Z.

Biuletyn Wojskowej Akademii Technicznej

2001

Vol. 50, nr 2-3

35-51

An applicability of multiparameter systems is determined by their optimization for desired task. New methods of multiparameter system optimization have been recently published. These are, for example, neural networks [19, 20] and evolution stochastic optimization algorithms. Design and analysis of evolution stochastic optimization algorithms requires unambiguous formulating and possibility to predict the algorithm behaviour while designing them. The paper presents design and analysis of genetic algorithms (evolution strategies), new genetic algorithms (evolution strategies) with a distributed genotype, and new distributed genetic algorithms (evolution strategies). These algorithms can be used (in addition to other fields of artificial intelligence, i.e. neural networks [19, 20] expert systems [17, 18]) for rectangle packing applications (for example ship loading). This paper shows possibilities to formulate genetic algorithms and evolution strategies using schema and forma analysis.

W pracy zostało przedstawione zastosowanie systemów wieloparametrycznych do optymalizacji w wybranych zagadnieniach (na przykład załadunku okrętów). W literaturze pojawiają się ostatnio różne metody optymalizacji systemów wieloparametrycznych. Są to, na przykład, sieci neuronowe [19, 20] oraz ewolucyjne stochastyczne algorytmy optymalizacyjne. Konstruowanie i analiza ewolucyjnych stochastycznych algorytmów optymalizacyjnych wymaga jednoznacznego formułowania i możliwości przewidywania działania algorytmu już podczas jego projektowania. Praca prezentuje projektowanie i analizę algorytmów genetycznych (strategii ewolucyjnych) z rozproszonym genotypem, a także zmodyfikowanych rozproszonych algorytmów genetycznych (strategii ewolucyjnych). Algorytmy takie mogą być wykorzystywane (obok innych narzędzi sztucznej inteligencji, np. sieci neuronowych [19, 20], systemów eksperckich [17, 18]) do rozmieszczania prostokątnych obiektów (na przykład załadunku okrętów). W pracy przedstawiono przykłady zastosowania w tym celu algorytmów genetycznych i strategii ewolucyjnych.