Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 3

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  loty Lévy'ego
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
PL
W artykule przedstawiono hybrydowy algorytm kalibracji złożowych modeli symulacyjnych oparty na metodzie optymalizacji rojowej. W celu zapobiegnięcia zjawisku przedwczesnej zbieżności metodę podstawową – optymalizację rojem cząstek (PSO, ang. particle swarm optimization) połączono z metodą lotów Lévy’ego, otrzymując efektywną technikę optymalizacyjną. Tradycyjna metoda kalibracji polegająca na wielokrotnym powtarzaniu procedury: symulacja – analiza wyników – modyfikacja modelu jest czasochłonna i wymaga dużej wiedzy oraz doświadczenia. Algorytm podstawowy metody (optymalizacja rojem cząstek) opiera się na tzw. próbkowaniu stochastycznym i jest jedną z najbardziej efektywnych metod optymalizacji. W porównaniu z klasyczną optymalizacją rojem cząstek prezentowany algorytm charakteryzuje się odpornością na zjawisko przedwczesnej zbieżności oraz dużą efektywnością w przeszukiwaniu przestrzeni rozwiązań.
EN
The article presents the hybrid algorithm for history matching of reservoir simulation models based on swarm intelligence. To avoid the appearance of “premature” convergence, PSO algorithm was hybridized with Levy’s “flight” which gave an effective optimization method. The traditional method is based on multiple repetition of the same procedure of simulation – result analysis – model modification is time consuming and requires considerable knowledge and experience. The method presented is based on Particle Swarm Optimization which is one of the most effective optimization algorithm. The presented algorithm combines the strengths of classical PSO with the durability of “premature” convergence and efficiency in the exploring of “solutions space”.
EN
Permutation flow shop scheduling problem (PFSSP), a NP-hard combinatorial optimization problem, has strong engineering background of finding the optimal processing sequence and time of jobs on machines under the constraints of resources. Recently, several approaches based on Particle Swarm Optimization (PSO) have been developed to solve the PFSSP, and the experimental results show that they are efficient. To solve this issue, a novel variant of quantum-behaved particle swarm optimization algorithm for permutation flow shop scheduling is proposed in this paper. This algorithm is a combination of quantum-behaved PSO, electoral mechanism, and a disturbance generated by Lévy flights. Inspired by the election behavior in society, an electoral and cooperative mechanism is imported to get the elite particles from the primitive sub-swarms respectively. Moreover, the character unequal hop length of Lévy flights provides a method to escape the local optima efficiently. The numerical results on the Taillard's benchmark also show it outperforms other related algorithms.
PL
Problem szeregowania zmiany przepływów magazynowych (PFSSP) jest silnie nie–wielomianowym (NP) problemem optymalizacji kombinatorycznej. Ma ważny inżynierski aspekt w wyznaczaniu optymalnej kolejności procesu i czasu pracy maszyn, wymuszonej zmianą zasobów. Ostatnio, do rozwiązania PFSSP, zastosowano szereg przybliżeń opartych o algorytm optymalizacji rojem cząstek (PSO) a wyniki praktyczne pokazują, że są to rozwiązania efektywne. W prezentowanym opracowaniu, do szeregowania przepływów magazynowych, zaproponowano nowy wariant algorytmu optymalizacji rojem cząstek z zachowaniem kwantowym (QPSO). Algorytm jest kombinacją QPSO, mechanizmu wyborczego i zakłóceń generowanych rozkładem lotów Levy’ego. Do wyłonienia cząstek elitarnych z prymitywnego pod-roju wykorzystano, inspirowany zachowaniami wyborczymi w społeczeństwie, mechanizm wyborczy i współpracy. Ponadto, unikalny charakter długości skoków lotów Levy’ego pozwala skutecznie uniknąć optimów lokalnych. Wyniki numeryczne, przeprowadzone na danych testowych Taillard’a, także wskazują na przewagę nad innymi porównywalnymi algorytmami.
EN
In this chapter we propose and advocate the use of the so called Lévy flights as a driving mechanism for a class of stochastic optimization computations. This proposal, for some reason overlooked until now, is - in the author's opinion - very relevant to our need for an algorithm which is capable of generating trial steps of very different length in the search space. The required balance between short and long steps can be easily and fully controlled. A simple example of the approximated Lévy distribution, implemented in FORTRAN 77, is given. We also discuss the physical grounds of presented methods.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.