Wyniki wyszukiwania - BazTech

1

Automatyczna mutacja w algorytmach ewolucyjnych

Makuchowski M., Tyński A.

Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

|

2009

|

T. 13, z. 2

443-452

PL

W pracy prezentuje się ogólną metodologię automatycznego bieżącego doboru prawdopodobieństwa mutacji w algorytmach ewolucyjnych. Omawiana metoda przedstawiona jest na przykładzie algorytmu genetycznego dedykowanego problemowi gniazdowemu z ograniczeniem bez czekania. W pracy dokonano porównania klasycznego algorytmu ewolucyjnego z tradycyjnie dobieranymi parametrami z algorytmem zaopatrzonym w prezentowaną modyfikację. Praca zakończona jest przedstawieniem wyników przeprowadzonych badań numerycznych.

EN

In this paper a general method for determining a probability of mutation in evolutionary algorithms is given. The presented method if illustrated by a genetic algorithm for no wait job shop problem. We compare experimentally a classical evolutionary algorithm with parameters determined in a standard way with an evolutionary algorithm equipped with the proposed method.

2

Problem gniazdowy z ograniczeniem bez czekania. Równoległe algorytmy tabu

Makuchowski M.

Zeszyty Naukowe. Automatyka / Politechnika Śląska

|

2008

|

z. 150

175-181

PL

W pracy opisane są równoległe algorytmy poszukiwania z zabronieniami, dedykowane gniazdowemu problemowi z ograniczeniem bez czekania. Proponowane algorytmy zbudowane są z nadrzędnego algorytmu bazującego na wspomnianej technice oraz sterowanego algorytmu konstrukcyjnego. Poszukiwania ograniczone są tylko do rozwiązań możliwych do wygenerowania przez wspomniany algorytm konstrukcyjny. W pracy przedstawia się analizę porównawczą zaproponowanych algorytmów.

EN

This paper deals with parallel tabu search algorithms for a job shop problem with a no-wait constraint and a makespan criterion. The proposed algorithms consist of a master algorithm based on the mentioned technique and slave constructive algorithm. This approach reduces the number of solutions to check only to solutions that can be generated by means of the constructive algorithm. In this paper a comparative analysis of the proposed algorithms is presented.

3

Problem gniazdowy z ograniczeniem bez czekania. Algorytmy konstrukcyjne

Makuchowski M.

Zeszyty Naukowe. Automatyka / Politechnika Śląska

|

2008

|

z. 150

167-173

PL

W pracy opisana jest pewna procedura konstrukcji rozwiązania dla problemu gniazdowego z ograniczeniem bez czekania. Pokazano także sposób jej wykorzystania do budowy bardzo wydajnych algorytmów zarówno konstrukcyjnych, jak i popraw. W pracy prezentuje się algorytmy konstrukcyjne, bazujące na wspomnianej procedurze. Ich efektywność przebadano na dobrze znanych w literaturze przykładach testowych.

EN

This paper describes some solution constructive procedure dedicated to a job shop problem with the no-wait constraint and a makespan criterion. Very efficient heuristic algorithms based on the presented procedure are discussed. The efficiency of the algorithms is tested on well-known literature benchmarks.

4

Algorytm genetyczny dla problemu gniazdowego z ograniczeniem bez czekania

Makuchowski M.

Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

|

2005

|

T. 9, z. 1-2

127-137

PL

W pracy analizuje się problem gniazdowy z ograniczeniem bez czekania z kryterium optymalizacji będącym terminem zakończenia wykonywania wszystkich zadań. Przedstawia się klasę rozwiązań superaktywnych oraz jej rozszerzenie - klasę rozwiązań pseudoaktywnych. Na bazie omówionych klas rozwiązań proponuje się dwa algorytmy genetyczne. Jakość proponowanych algorytmów ocenia się na podstawie przeprowadzonych badań numerycznych, wykorzystując literaturowe przykłady testowe.

EN

The paper deals with the no-wait job shop scheduling problem with the makespan criterion. The new class of so called "super-active" solution is introduced. Two genetic algorithms SGA and PGA, based on aforementioned class, and the class of "pseudo-active" schedules, are proposed. These algorithms are tested on "easy" and "hard" benchmarks well-know in literature. Results of computational experiments are given and they are compared with results yielded by the best genetic algorithm discusses in literature.