Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Powiadomienia systemowe

Sesja wygasła!
Sesja wygasła!

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: rozmyty algorytm ewolucyjny

Sortuj według:

Ogranicz wyniki do:

Fuzzy evolutionary algorithms and neural networks in uncertain optimization problems

Orantek P.

Computer Assisted Mechanics and Engineering Sciences

2007

Vol. 14, No. 2

317-329

This paper is devoted to the application of the evolutionary algorithms and artificial neural networks to uncertain optimization problems in which some parameters are described by fuzzy numbers. The special method of global optimization: Two-Stages Fuzzy Strategy (TSFS) for structures in uncertain conditions is proposed. As the first stage of the TSFS the fuzzy evolutionary algorithm is used. As the second stage the local optimization method with neuro-computing is proposed. The presented approach is applied in the identification problems of mechanical structures, in which material parameters and loadings are uncertain. To solve the direct problem the fuzzy boundary element method (FBEM) is used. Several numerical tests and examples are presented.

Rozmyty algorytm ewolucyjny : testowanie i dobór parametrów

Burczyński T., Orantek P.

Zeszyty Naukowe Wyższej Szkoły Informatyki

2005

Vol. 4, Nr 1

5-22

Praca poświęcona jest testowaniu rozmytych algorytmów ewolucyjnych. Algorytmy takie mogą być zastosowane jako metody optymalizacji w problemach, w których niektóre parametry są określone z pewnym przybliżeniem. Chromosom i operatory takiego algorytmu zostały dostosowane do reprezentacji liczb rozmytych. Testowanie algorytmu polegało na sprawdzeniu powtarzalności uzyskanych wyników oraz zminimalizowaniu czasu obliczeń poprzez odpowiedni dobór parametrów algorytmu. W celu testowania skonstruowano specjalną funkcję testującą, której zmienne niezależne modelowane są jako liczby rozmyte. Wykonano wiele testów, które pozwoliły wstępnie oszacować optymalne parametry algorytmu.

The paper is devoted to the verification the fuzzy evolutionary algorithm. Presented algorithm for problems with uncertain parameters can be applied. The special type of the chromosome and evolutionary operators was introduced. The aim of the test was fmd to the optimal parameters of fuzzy evolutionary algorithm. In order to verification the algorithm the special benchmark function was defmed. The design variables of the benchmark function as the fuzzy value was assumed. The many tests were carried out. The tests allow to select the optimal parameters of presented algorithm.