Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: multicriteria design optimization

Sortuj według:

Ogranicz wyniki do:

Algorytm immunologiczny w optymalizacji wielokryterialnej konstrukcji

Krenich S.

Logistyka

2014

nr 6

6041-6048

Artykuł prezentuje algorytm immunologiczny dla zadań optymalizacji wielokryterialnej. Algorytm oparto o mechanizm swoistej adaptacyjnej reakcji obronnej organizmu człowieka i kręgowców na chorobotwórcze drobnoustroje. Opracowano i zaimplementowano algorytm wielowątkowy, który dla każdego kryterium optymalizacyjnego realizuje niezależne przebiegi, a po ich zakończeniu łączy najlepsze wygenerowane rozwiązania z poszczególnych wątków w nowej populacji. Ogólna idea algorytmu polega na szybkim lokalnym przyroście liczebności komórek (potencjalnych rozwiązań) w najbardziej obiecujących obszarach przestrzeniu rozwiązań. Elementy przeszukiwanej przestrzeni rozwiązań traktowane są jako patogeny, a rozwiązania jako przeciwciała. Wykorzystano selekcję klonalną, operator wiekowania oraz hipermutację niejednorodną odpowiedzialną za dokładne lokalne dostrajanie się algorytmu. Algorytm przetestowano na przykładzie mechanizmu dźwigniowego chwytaka przemysłowego. Problem rozpatrywano jako dwukryterialny, ciągły i całkowitoliczbowy. Uzyskane wyniki wskazują, że algorytm immunologiczny może być efektywnym narzędziem optymalizacji wielokryterialnej problemów nieliniowych z ograniczeniami.

The paper presents an immune algorithm for multi-criteria optimization tasks. The algorithm is based on the mechanism of specific adaptive defense reaction of the human body to pathogens. A multi-thread algorithm was developed and implemented. The algorithm consist in independent runs, separately for each criterion and after their completion combines the best solutions generated from individual threads in the new population. The general idea of the algorithm is based on a fast local increase of cell numbers (potential solutions) in the most promising areas of solution domain. Elements of the search space are regarded as pathogens, and the solutions as antibodies. A clonal selection, aging operator and non-uniform hypermutation are used. The algorithm has been tested on the example of an industrial gripper mechanism. The problem was considered as a two-criteria task for continuous and integer decision variables. The results indicate that the immune algorithm can be an effective tool for nonlinear multi-criteria optimization with constraints.

Some methods for multicriteria design optimization using evolutionary algorithms

Osyczka A., Krenich S.

Journal of Theoretical and Applied Mechanics

2004

Vol. 42 nr 3

565-584

In this paper new multicriteria design optimization methods are discussed. These methods are evolutionary algorithm based medhods, and their aim is to make the process of generating the Pareto front very effective. Firstly, the multistage evolutionary algorithm method is presented. In this method, in each stage only a bicriterion optimization problem is solved and then an objective function is transformed to the constrain function. The process is repeatedtill all the objective functions are considered. Secondly, the preference vector method is presented. In this method, an evolutionary algorithm finds the ideal vector. This vector provides the decision maker with the information about possible ranges of the objective functions. On the basis of this information the decision maker can establish the preference vector within which he expects to find a preferred solution. For this vector, a set of Pareto solutions is generated using an evolutionary algorithm based method. Finally, the method for selecting a representative subset of Pareto solutions is discussed. The idea of this method consists in reducing the set of Pareto optimal solutions using the indiscrenibility interval method after running a certain number of generations. To show how the methods discussed work each of them in turn is applied to solve a design optimization problem. These examples show clearly that using the proposed methods the computation time can be reduced significantly and that the generated solutions are still on the Pareto front.

W artykule przedstawiono nowe metody optymalizacji wielokryterialnej w projektowaniu technicznym. Metody te oparte są na algorytmach ewolucyjnych, a ich celem jest znaczne zwiększenie efektywności procesu generowania rozwiązań Pareto optymalnych. Najpierw zaprezentowano metodę wieloetapowego algorytmu ewolucyjnego. W metodzie tej na każdym etapie realizowany jest jedynie problem optymalizacji dwukryterialnej, po rozwiązaniu którego jedna z funkcji celu jest przekształcana do postaci ograniczenia. Proces ten jest powtarzany aż do momentu rozpatrzenia wszystkich funkcji celu. Następnie omówiono metode wektora preferencji. W metodzie tej w pierwszym etapie algorytm ewolucyjny znajduje wektor idealny. Wektor ten dostarcza decydentowi informacji o możliwym zasięgu wszystkich funkcji celu. Na podstawie tej informacji decydent może oszacować wektor preferencji, wewnątrz którego spodziewa się znaleźć preferowane rozwiązanie. Dla tego wektora preferencji generowany jest za pomocą algorytmu ewolucyjnego zbiór rozwiązań Pareto optymalnych. Ostatnią z omawianych metod jest metoda redukcji zbioru rozwiązań Pareto optymalnych po przebiegu założonej liczby generacji realizowanych przez algorytm ewolucyjny. W celu pokazania sposobu działania omawianych metod, kazda z nich została zilustrowana innym przykładem zadania optymalnego projektowania. Przykłady te wskazują, że zaproponowane metody mogą znacząco zredukować czas obliczeń komputerowych nie pogarszając wyników.