Wyniki wyszukiwania - BazTech

1

Genetic programming for estimating passenger car equivalent in unsignalized intersections

Munshi Aarohi Kumar, Patnaik Ashish Kumar

Bulletin of the Polish Academy of Sciences. Technical Sciences

|

2024

|

Vol. 72, nr 3

art. no. e149180

EN

The study concentrates on two different genetic programming approaches for determining passenger car equivalent (PCE) values and observing the impact on capacity estimation at urban unsignalized intersections. Considering heterogeneous traffic conditions, a new PCE value is introduced to encompass sustainable modes of public transit vehicles, specifically slow-moving three-wheelers (SM3W), commonly known as E-Rickshaws. Since PCE value is considered an important parameter for capacity calculations, the present study considered 14 unsignalized intersections located in Ranchi city of India. An automatic plate recognition system is employed to have the count of vehicular traffic. The methodologies include age-layered population structure genetic programming (ALPSGP), and the offspring selection genetic programming (OSGP) approach that incorporates static and dynamic variables. Based on the significance test and ranking of the genetic programming (GP) models, the OSGP model is recommended as the most appropriate model for heterogeneous traffic. Sensitivity analysis reported that lagging headway (Hi) is the most contributing factor in PCE estimation. The PCE value of SM3W is found to be 0.81 and that could be incorporated as a new classification of vehicles in Indo-HCM. It is observed that evaluated capacity based on PCE values of OSGP performed admirably in both normal and congested traffic situations.

2

Enhanced decision tree induction using evolutionary techniques for Parkinson’s disease classification

Ghane Mostafa, Ang Mei Choo, Nilashi Mehrbakhsh, Sorooshian Shahryar

Biocybernetics and Biomedical Engineering

|

2022

|

Vol. 42, no. 3

902--920

EN

The diagnosis of Parkinson’s disease (PD) is important in neurological pathology for appropriate medical therapy. Algorithms based on decision tree induction (DTI) have been widely used for diagnosing PD through biomedical voice disorders. However, DTI for PD diagnosis is based on a greedy search algorithm which causes overfitting and inferior solutions. This paper improved the performance of DTI using evolutionary-based genetic algorithms. The goal was to combine evolutionary techniques, namely, a genetic algorithm (GA) and genetic programming (GP), with a decision tree algorithm (J48) to improve the classification performance. The developed model was applied to a real biomedical dataset for the diagnosis of PD. The results showed that the accuracy of the J48, was improved from 80.51% to 89.23% and to 90.76% using the GA and GP, respectively.

3

Genetic programming based identification of an overhead crane

Kusznir Tom, Smoczek Jarosław

Journal of KONBiN

|

2021

|

Vol. 51, iss. 3

123-133

EN

Overhead cranes carry out an important function in the transportation of loads in industry. The ability to transport a payload quickly and accurately without excessive oscillations could reduce the chance of accidents as well as increase productivity. Accurate modelling of the crane system dynamics reduces the plant-model mismatch which could improve the performance of model-based controllers. In this work the simulation model to be identified is developed using the Euler-Lagrange method with friction. A 5-step ahead predictor, as well as a 10-step ahead predictor, are obtained using multi-gene genetic programming (MGGP) using input-output data. The weights of the genes are obtained by using least squares. The results of 15 different genetic programming runs are plotted on a complexity-mean square error graph with the Pareto optimal solutions shown.

PL

Suwnice pomostowe pełnią istotną funkcję w transporcie technologicznym w różnych obszarach przemysłu. Podniesienie wydajności i zapewnienie bezpiecznej realizacji zadań transportowych przez suwnice wymaga zastosowania skutecznych układów sterowania. Opracowanie dokładnego modelu dynamiki suwnicy jest istotnym elementem projektowania systemu sterowania, w szczególności sterowania predykcyjnego. W niniejszej pracy wykorzystano programowanie genetyczne MGGP oraz metodę najmniejszych kwadratów do identyfikacji modeli predykcji pozycji i kąta wychylenia ładunku przemieszczanego przez suwnicę. W rezultacie przeprowadzonych badań uzyskano modele 5- i 10-krokowej predykcji dla modelu suwnicy wyprowadzonego z równań Eulera-Lagrange’a. Wyniki poddano analizie wielokryterialnej z uwzględnieniem złożoności modelu i błędu średniokwadratowego w celu wyznaczenia rozwiązania optymalnego w sensie Pareto.

4

Drought classification using gradient boosting decision tree

Danandeh Mehr Ali

Acta Geophysica

|

2021

|

Vol. 69, no. 3

909--918

EN

This paper compares the classification and prediction capabilities of decision tree (DT), genetic programming (GP), and gradient boosting decision tree (GBT) techniques for one-month ahead prediction of standardized precipitation index in Ankara province and standardized precipitation evaporation index in central Antalya region. The evolved models were developed based on multi-station prediction scenarios in which observed (reanalyzed) data from nearby stations (grid points) were used to predict drought conditions in a target location. To tackle the rare occurrence of extreme dry/wet conditions, the drought series at the target location was categorized into three classes of wet, normal, and dry events. The new models were trained and validated using the frst 70% and last 30% of the datasets, respectively. The results demonstrated the promising performance of GBT for meteorological drought classification. It provides better performance than DT and GP in Ankara; however, GP predictions for Antalya were more accurate in the testing period. The results also exhibited that the proposed GP model with a scaled sigmoid function at root can efortlessly classify and predict the number of dry, normal, and wet events in both case studies.

5

Development and analysis of a cryptographic algorithm for genetically optimized wireless sensor

Benjamim X. C., Gama F., Semente R. O., Villarrea E., Salazar A.

Przegląd Elektrotechniczny

|

2018

|

R. 94, nr 8

79--84

EN

This article proposes a methodology for obtaining a cryptographic algorithm, optimized for wireless sensor networks, through genetic algorithm. With the objective of increasing the level of security, computational efficiency and highlighting the energy consumption, considering that the autonomy of the wireless sensor devices is directly influenced by this factor. In aptitude function of genetic algorithm, were used metrics of algorithm runtime, maximum deviation and irregular, space occupied in memory and correlation coefficient (a new proposed metric), in order to find a safe and fast algorithm. The results obtained through computational simulations show the efficiency of the proposed methodology, in terms of processing time, coefficient of correlation and occupation of memory.

PL

W tym artykule zaproponowano metodologię uzyskiwania algorytmu kryptograficznego, zoptymalizowanego dla bezprzewodowych sieci czujników, za pomoca˛ algorytmu genetycznego. W celu zwiększenia poziomu bezpieczeństwa, wydajności obliczeniowej i podkreślenia zużycia energii, biorąc pod uwagę fakt, że ten czynnik ma bezposśredni wpływ na autonomię bezprzewodowych czujników. W funkcji uzdatniania algorytmu genetycznego wykorzystano metryki czasu pracy algorytmu, maksymalnego odchylenia i nieregularności, miejsca zajmowanego w pamięci i współczynnika korelacji (nowa proponowana metryka), aby znaleźć bezpieczny i szybki algorytm. Wyniki uzyskane za pomocą symulacji obliczeniowych pokazują efektywność proponowanej metodologii, pod względem czasu przetwarzania, współczynnika korelacji i zajęcia pamięci.

6

Zastosowanie metod programowania genetycznego w procesie maksymalizacji wydobycia węglowodorów przy zastosowaniu symulatora złożowego

Łętkowski P.

Nafta-Gaz

|

2017

|

R. 73, nr 10

760--767

PL

Artykuł poświęcono zastosowaniu metody programowania genetycznego dla celów optymalizacji wydobycia ropy naftowej na przykładzie testowego złoża węglowodorowego. Prezentowane zagadnienie optymalizacyjne jest prostym przykładem problemu optymalnej kontroli i polega na doborze wydajności wydobycia ropy naftowej w przyjętych przedziałach czasowych w taki sposób, aby w zadanym całkowitym czasie eksploatacji uzyskać maksymalne wydobycie sumaryczne przy minimalnym wydobyciu wody. Problem rozwiązano przy zastosowaniu algorytmu genetycznego, kodującego dozwolone wartości wydajności wydobycia z listy wartości dozwolonych. Z jednej strony działanie takie jest charakterystyczne dla metod programowania genetycznego, zaś z drugiej redukuje istotnie przestrzeń rozwiązań. W artykule zastosowano algorytm genetyczny Hollanda, dla którego zaimplementowano krzyżowanie wielopunktowe oraz adaptację prawdopodobieństw krzyżowania i mutacji na podstawie tzw. współczynnika zróżnicowania populacji. Działanie tak zdefiniowanego mechanizmu adaptacji jest następujące: jeżeli zróżnicowanie populacji rośnie, liniowo zwiększane jest prawdopodobieństwo krzyżowania, a zmniejszane prawdopodobieństwo mutacji; w przeciwnym wypadku (zróżnicowanie populacji maleje) działa mechanizm odwrotny, tzn. zmniejsza się prawdopodobieństwo krzyżowania, a zwiększa prawdopodobieństwo mutacji. Taka metoda z jednej strony gwarantuje różnorodność populacji, z drugiej zaś zapewnia dobrą eksploatację przestrzeni rozwiązań. Przeprowadzono szereg testów mających na celu zweryfikowanie efektywności algorytmu w zależności od liczby punktów krzyżowania (krzyżowanie 1-, 2-, 3-punktowe) oraz długości chromosomu. Wykonane testy wskazują na zadowalającą zbieżność algorytmu, niezależnie od wartości badanych parametrów. Przyjęcie funkcji w określonej postaci spowodowało premiowanie przez algorytm niższych wartości wydobycia, co wynika z nieliniowego przyrostu wydobycia wody dla wyższych wartości wydobycia ropy naftowej.

EN

The paper addresses the problem of oil production optimization by genetic programming methods. The specific example of the problem presented in the paper belongs to the class of, so called, optimal control problems. It consists in finding the time variable rates of oil production that result in the maximum of the total oil production while keeping the total water production at a minimum available level. The problem is solved by a genetic algorithm, that assumes the production rates from the list of the allowable values. This approach typical for genetic programming methods significantly reduces the space of possible solutions. The article uses the Holland genetic algorithm for which multi-point crossing has been implemented and the adaptation of crossing and mutation probabilities based on so the called coefficient of population variability. The adaptive mechanism makes the crossing probability increase and mutation probability decrease for population variability increasing with time, while the crossing probability decrease and mutation probability increase for the variability decreasing with time. This mechanism guarantees the population variability to be at on appropriate level and at the same time, the extrapolation process for the solution space to be effective. Several tests were performed to verify the actual effectiveness of the algorithm for various number of crossing points (1, 2, 3 – crossing points) and chromosome length. Their results show a satisfactory convergence of the method to the final solution independent of the varying parameters values. Adopting a function in a specific form resulted in an algorithm for lower mining values, resulting from a nonlinear increase in water extraction for higher oil production values.

7

A new approach for modeling of flow number of asphalt mixtures

Alavi A. H., Hasni H., Zaabar I., Lajnef N.

Archives of Civil and Mechanical Engineering

|

2017

|

Vol. 17, no. 2

326--335

EN

Flow number of asphalt-aggregate mixtures is an explanatory parameter for the analysis of rutting potential of asphalt mixtures. In this study, a new model is proposed for the determination of flow number using a robust computational intelligence technique, called multi-gene genetic programming (MGGP). MGGP integrates genetic programming and classical regression to formulate the flow number of Marshall Specimens. A reliable experimental database is used to develop the proposed model. Different analyses are performed for the performance evaluation of the model. On the basis of a comparison study, the MGGP model performs superior to the models found in the literature.

8

The concept of genetic programming in organizing internal transport processes

Lewczuk K.

Archives of Transport

|

2015

|

Vol. 34, iss. 2

61--74

EN

The paper presents proposition of using genetic algorithm to support organization of internal transport processes in logistics facilities. The organization of internal transport can be done through solving optimization task of scheduling internal transport process with allocation of human resources and equipment to the tasks. Internal transport process was defined and discussed as an object of organization. Precise methods of solving proposed optimization task were unable to give useful solutions according to the computational complexity of the problem, so heuristic genetic algorithm was proposed. The possible structures of chromosome representing feasible solutions, methods of generating initial population, base genetic operators: selection and inheritance, crossover, mutation and fixing of individuals were described. The main implementation difficulties, computational experiments and the scope of application of the algorithm were discussed.

9

Cross-task code reuse in genetic programming applied to visual learning

Jaśkowski W., Krawiec K., Wieloch B.

International Journal of Applied Mathematics and Computer Science

|

2014

|

Vol. 24, no. 1

183--197

EN

We propose a method that enables effective code reuse between evolutionary runs that solve a set of related visual learning tasks. We start with introducing a visual learning approach that uses genetic programming individuals to recognize objects. The process of recognition is generative, i.e., requires the learner to restore the shape of the processed object. This method is extended with a code reuse mechanism by introducing a crossbreeding operator that allows importing the genetic material from other evolutionary runs. In the experimental part, we compare the performance of the extended approach to the basic method on a real-world task of handwritten character recognition, and conclude that code reuse leads to better results in terms of fitness and recognition accuracy. Detailed analysis of the crossbred genetic material shows also that code reuse is most profitable when the recognized objects exhibit visual similarity.

10

Evaluation of liquefaction potential of soil based on standard penetration test using multi-gene genetic programming model

Muduli P.K, Das S.K.

Acta Geophysica

|

2014

|

Vol. 62, no. 3

529--543

EN

This paper discusses the evaluation of liquefaction potential of soil based on standard penetration test (SPT) dataset using evolutionary artificial intelligence technique, multi-gene genetic programming (MGGP). The liquefaction classification accuracy (94.19%) of the developed liquefaction index (LI) model is found to be better than that of available artificial neural network (ANN) model (88.37%) and at par with the available support vector machine (SVM) model (94.19%) on the basis of the testing data. Further, an empirical equation is presented using MGGP to approximate the unknown limit state function representing the cyclic resistance ratio (CRR) of soil based on developed LI model. Using an independent database of 227 cases, the overall rates of successful prediction of occurrence of liquefaction and non-liquefaction are found to be 87, 86, and 84% by the developed MGGP based model, available ANN and the statistical models, respectively, on the basis of calculated factor of safety (Fs) against the liquefaction occurrence. Key words: liquefaction index, standard penetration test, limits state function, artificial intelligence, multi-gene genetic programming, factor of safety

11

Ocena podobieństwa drzew strategii generowanych za pomocą programowania genetycznego

Lach E., Hetman M.

Studia Informatica

|

2013

|

Vol. 34, nr 1

75--89

PL

W pracy zaprezentowano nowy algorytm oceny stopnia podobieństwa drzew strategii, opisujących zachowanie trójwymiarowych postaci wirtualnych. Algorytm został użyty w trakcie automatycznego generowania strategii postaci, za pomocą programowania genetycznego w celu otrzymania bardziej zróżnicowanych populacji strategii z większą liczbą dostępnych ścieżek poszukiwań.

EN

The paper proposes new algorithm for measuring a similarity of strategy trees, describing behaviors of the three-dimensional virtual characters. The obtain measure is used in automatic generation of characters’ strategies by means of genetic programming. The aim of the algorithm is to create more diversified populations with many different paths to explore.

12

Składowe oceny animacji wirtualnych postaci ludzkich

Lach E., Chaja T.

Studia Informatica

|

2012

|

Vol. 33, nr 1

47-58

PL

W artykule zaprezentowano składowe oceny animacji wirtualnych postaci ludzkich, które mają za zadanie wykrycie i usunięcie widocznych defektów obserwowanych w automatycznie generowanych animacjach. Składowe oceniają realizm animacji. W artykule zostały także przedstawione eksperymenty, które wykazały, że użycie proponowanych składników zwiększa realizm animacji generowanych za pomocą programowania genetycznego.

EN

The paper proposes evaluation methods for virtual humans behaviors, which are generated automatically. Presented methods measure realism of an animation. Experiments are described, which generate animations by means of genetic programming. Obtained results show that using proposed methods produces more realistic animations.

13

Genetic programming for the prediction of tensile strength of cast iron

Duda J., Stawowy A.

Archives of Foundry Engineering

|

2011

|

Vol. 11, iss. 4

31-34

EN

In this paper we propose genetic programming (GP) to predict tensile strength of ductile cast iron. The chemical composition and pouring temperature were used as explanatory input variables (parameters), while tensile strength as dependent output variable (response). On the basis of real data set collected in a one of the Polish foundries, two different models for output variable were developed by genetic programming. Statistical analysis of obtained results and two test cases were employed to compare the accuracy of the GP model with the neural network (NN) model and a linear multiple regression model. The comparison demonstrated that the GP outperforms regress ion techniques, while it is generally worse than NN. Nevertheless GP can be a powerful tool for predicting the mechanical properties of cast iron as it provides a mathematical model, which can be further analyzed.

14

Synteza impedancji dwójnika pasywnego RLC z wykorzystaniem algorytmu programowania genetycznego

Kyzioł P., Grzechca D., Golonek T., Rutkowski J.

Elektronika : konstrukcje, technologie, zastosowania

|

2010

|

Vol. 51, nr 9

24-28

PL

Przedstawiona w artykule metoda pozwala na dobranie takiej struktury dwójnika RLC, która zrealizuje zadane wartości impedancji. Zaproponowane podejście syntezy dwójnika RLC wykorzystuje heurystyczny algorytm programowania genetycznego. Wykorzystanie algorytmów heurystycznych do problemu syntezy analogowych układów RLC nie jest nowym pomysłem. W literaturze są spotykane prace wykorzystujące algorytmy heurystyczne do syntezy funkcji układowych analogowych układów (np. charakterystyki amplitudowej czwórnika). Zaprezentowane wyniki badań pokazują, że otrzymana struktura RLC realizuje zadane punkty impedancji.

EN

The method of syntesis impedance of 2-terminal RLC network, using Genetic Programing algorithm is proposed in this paper. Examples of deterministic methods of synthesis RLC network have been described. The object of investigation is that heuristic algorithm can be used, for the problem of synthesis of circuit impedance. Simulation results has been presented for RLC structure that realize set of four impedance values.

15

Algorytm optymalizacji rozdrabniania nasion oleistych z wykorzystaniem programowania genetycznego

Jankowski M., Tyszczuk K., Kopacz S.

Inżynieria i Aparatura Chemiczna

|

2009

|

Nr 2

54-55

16

Analysis of semantic modularity for genetic programming

Krawiec K., Wieloch B.

Foundations of Computing and Decision Sciences

|

2009

|

Vol. 34, No. 4

265-285

EN

In this paper we analyze the properties of functional modularity, a concept introduced in [14] for detecting and measuring modularity in problems of automatic program synthesis, in particular by means of genetic programming. The basic components of functional modularity approach are subgoals - entities that embody module's semantic - and monotonicity, a measure for assessing subgoals' potential utility for searching for good modules. For a given subgoal and a sample of solutions decomposed into parts and contexts according to module definition, monotonicity measures the correlation of distance between semantics of solution's part and the fitness of the solution. The central tenet of this approach is that highly monotonous subgoals can be used to decompose the task and improve search convergence. In the experimental part we investigate the properties of functional modularity using eight instances of problems of Boolean function synthesis. The results show that monotonicity varies depending on problem's structure of modularity and correctly identifies good subgoals, potentially enabling automatic program decomposition.

17

Prediction of the Ultraviolet Protection of Cotton Woven Fabrics Dyed with Reactive Dystuffs

Dobnik-Dubrovski P., Brezocnik M.

Fibres & Textiles in Eastern Europe

|

2009

|

Vol. 17, no. 1 (72)

55--59

EN

Textile materials provide a simple and convenient protection against UV radiation. To assign the degree of UV radiation protection of textile materials, the Ultraviolet Protection Factor (UPF) is commonly used. This paper reports the effect of woven fabric construction (yarn fineness, type of weave, relative fabric density), the colour of bi-functional reactive dyestuffs, and Cibacron dyed fabrics on the ultraviolet protection of light summer woven fabrics. A predictive model, determined by genetic programming, was derived to describe the influence of fabric construction. Warp and weft densities, weave factor and CIELab colour components were taken into account by developing the prediction model for UPF. The results show very good agreement between the experimental and predicted values.

PL

Materiały tekstylne stanowią proste zabezpieczenie przed promieniowaniem UV. Jako miernik zabezpieczenia przed promieniowaniem UV wprowadzono powszechnie współczynnik UPF. W pracy opisano wpływ takich parametrów konstrukcyjnych tkaniny jak; gęstość liniowa przędź, typ splotu, względna gęstość tkaniny, dwufunkcyjnych reaktywnych barwników oraz barwników typu Cibacron na zabezpieczenie przed promieniowaniem UV tkanin o małej masie powierzchniowej używanych na letnie ubiory. Stworzono model pozwalający na przewidywanie wpływu struktury tkaniny na współczynnik ochrony. Wartościami wejściowymi dla modelu są: gęstość osnowowa i wątkowa, współczynnik charakterystyczny splotu i składniki sytemu kolorystycznego CIELab. Wyniki badań wskazują na bardzo dobrą zgodność pomiędzy wartościami przewidywanymi a wynikami eksperymentu.

18

Miary różnorodności populacji oparte na entropii w programowaniu genetycznym

Adamczyk R.

Studia Informatica

|

2008

|

Vol. 29, nr 3A

51-69

PL

Artykuł przedstawia wyniki badań różnorodności populacji w programowaniu genetycznym z reprezentacją grafową. Celem głębszego zrozumienia warunków pomyślnej ewolucji algorytmów programowania genetycznego zbadano kilka miar różnorodności związanych z pojęciem entropii. Analizę korelacji miar z jakością wyników przeprowadzono za pomocą standardowych statystyk.

EN

This paper presents a study of population diversity in genetic programming with graph representation. Several measures of diversity based on entropy are considered to gain a deeper understanding of the conditions under which the evolution of genetic programming algorithms is successful. Standard statistics are used to analyze their correlation with performance.

19

Kosynteza rozproszonych systemów wbudowanych metodą programowania genetycznego

Deniziak S., Górski A.

Pomiary Automatyka Kontrola

|

2008

|

R. 54, nr 8

472-474

PL

W pracy zaprezentowana jest nowa metoda kosyntezy systemów wbudowanych specyfikowanych za pomocą grafów zadań, bazująca na metodzie programowania genetycznego. Przedstawione są propozycje reprezentowania procesu konstrukcji takiego systemu w formie drzewa stanowiącego tzw. genotyp. Następnie na drodze ewolucji (krzyżowania, mutacji, selekcji) generowane są kolejne "pokolenia" drzew, konstruujących systemy o coraz lepszych parametrach. W odróżnieniu od tradycyjnego podejścia genetycznego w metodzie programowania genetycznego (DGP) operuje się nie bezpośrednio na cechach rozwiązania (czyli tzw. fenotypach) ale na genotypach odpowiadających za tworzenie rozwiązań o wskazanych cechach. Przedstawione wyniki wykonanych eksperymentów świadczą o dużych możliwościach metody DGP również w zakresie kosyntezy.

EN

This work presents a novel approach to hardware-software co-synthesis of distributed embedded systems, based on the developmental genetic programming. Unlike other genetic approaches where chromosomes represent solutions, in our method chromosomes represent system construction procedures. Thus, not the system architecture but the co-synthesis process is evolved. Finally a tree describing a construction of the final solution is obtained. The optimization process will be illustrated with examples. According to our best knowledge it is the first DGP approach that deals with the hardware-software co-synthesis.

20

Model reference-based machining force and surface roughness control

Cus F., Zuperl U.

Journal of Achievements in Materials and Manufacturing Engineering

|

2008

|

Vol. 29, nr 2

115-122

EN

Purpose: The main objective of this paper is to present the development of an empirical model-based control mechanism to maintain a fine surface finish quality by maintaining on-line cutting values. Design/methodology/approach: The proposed model has been developed to present the control model constraints, by varying the machining parameters to control the force output to be constant. Genetic programming method (GP) has been applied to derive empirical relationship of the surface finish and the cutting force. These relationships have been applied to develop the proposed simulation model, in which the cutting force is adjusted to improve the required surface finish for the end milling operation process. Findings: The experimental results show that not only does the milling system with the design controller have high robustness, and global stability but also the machining efficiency of the milling system with the adaptive controller is much higher than for traditional CNC milling system. Experiments have confirmed efficiency of the adaptive control system, which is reflected in improved surface quality and decreased tool wear. Research limitations/implications: The proposed architecture for determining of optimal cutting conditions is applied to ball-end milling in this paper, but it is obvious that the system can be extended to other machines to improve cutting efficiency. Practical implications: The results of experiments demonstrate the ability of the proposed system to effectively regulate peak cutting forces for cutting conditions commonly encountered in end milling operations. The high accuracy of results within a wide range of machining parameters indicates that the system can be practically applied in industry. Originality/value: By the GP modeling the system for adaptive adjustment of cutting parameters is built.