Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: quadratic assignment problems

Sortuj według:

Ogranicz wyniki do:

Wielofazowa metoda różnicowania populacji w algorytmie ewolucyjnym

Chmiel W., Kadłuczka P.

Zeszyty Naukowe. Automatyka / Politechnika Śląska

2008

z. 151

195-202

Zastosowana w algorytmie ewolucyjnym koncepcja zmiennej w czasie strategii sukcesji ma na celu sterowanie zbieżnością algorytmu. Początkowa faza obliczeń różnicuje w większym stopniu rozwiązania w populacji niż fazy późniejsze. Prawdopodobieństwo wstawienia nowo wygenerowanego rozwiązania do populacji, zmienne w kolejnych etapach, jest uzależnione od wartości funkcji przystosowania oraz od pewnej funkcji rozkładu prawdopodobieństwa. Jako zagadnienie testowe dla zaproponowanego algorytmu przyjęto NP-trudne kwadratowe zagadnienie przydziału.

This paper investigates a new advanced evolutionary algorithm for optimization of permutation problems. Implementation of varying in time strategy of succession in evolution algorithms enables controlling the population diversification. In early phases of optimization the diversification of population is greater than the later ones. During all phases the probability of adding solution to population depends on the solution fitness function and certain probability density function. The experiments were performed for standard test problems of quadratic assignment problems (QAP).

Exponential and chaotic neurodynamical tabu searches for quadratic assignment problems

Hasegawa M., Ikeguchi T., Aihara K.

Control and Cybernetics

2000

Vol. 29, no 3

773-788

We propose a chaotic neurodynamical searching method for the Quadratic Assignment Problems (QAPs). First, we construct a neural network whose behavior is the same as that of the conventional tabu search. Using the dynamics of the tabu search neural network, we realize the exponential tabu search, whose tabu effect decreases exponentially with time, and we show the effectiveness of this type of exponential tabu search. Next, we extend this novel tabu search to a chaotic version. This chaotic method includes both effects of the chaotic dynamical search and the exponential tabu search, and exhibits better performance than the conventional and exponential tabu searches. Last, we propose an automatic parameter tuning method and show that the proposed method exhibits high performance even on large QAPs.