Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 2

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  swarm intelligence algorithm
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
EN
This paper presents a novel approach to the efficiency improvement of permanent magnet synchronous motor using several swarm intelligence algorithms (particle swarm optimisation, cuckoo search, grey wolf algorithm and dragonfly optimisation algorithm) as an optimisation tool. The idea is to implement those novel optimisation algorithms for the efficiency improvement of permanent magnet synchronous motor, where the objective function in the optimisation process is the efficiency of the investigated motor. Comparative optimisation analysis results are given.
PL
W artykule przedstawiono nowatorskie podejście do poprawy wydajności silnika synchronicznego z magnesami trwałymi przy użyciu kilku algorytmów inteligencji roju (optymalizacja roju cząstek, wyszukiwanie kukułki, algorytm szarego wilka i algorytm optymalizacji ważki) jako narzędzia optymalizacyjnego. Ideą jest wdrożenie tych nowatorskich algorytmów optymalizacyjnych do poprawy sprawności silnika synchronicznego z magnesami trwałymi, gdzie funkcją celu w procesie optymalizacji jest sprawność badanego silnika. Podano wyniki porównawczej analizy optymalizacyjnej.
EN
This paper provides an exclusive understanding of the Cuckoo Search Algorithm (CSA) using a comprehensive review for various optimization problems. CSA is a swarm-based nature inspired, intelligent and metaheuristic approach, which is used to solve complex, single or multi objective optimization problems to provide better solutions with maximum or minimum parameters. It was developed in 2009 by Yang and Deb to emulate the breeding behaviour of cuckoos. Since CSA provides promising solutions to solve real world optimization problems, in recent years there have been introduced several new modified and hybridized CSAs using for different applications. In this regard this article provides a comprehensive survey including recent trends, modifications, open research challenges, applications, and related taxonomies for various optimization problems. The literature of this reviewed paper belongs to the domains of engineering, optimization, and pattern recognition. The aim of this review paper is to provide a detailed overview regarding CSA for possible future directions using the recent contributions.
PL
Ten artykuł zapewnia wyłączne zrozumienie algorytmu przeszukiwania kukułki (CSA) za pomocą kompleksowego przeglądu różnych problemów optymalizacyjnych. CSA to oparte na roju, inteligentne i metaheurystyczne podejście inspirowane naturą, które służy do rozwiązywania złożonych, jedno- lub wielocelowych problemów optymalizacyjnych w celu zapewnienia lepszych rozwiązań z maksymalnymi lub minimalnymi parametrami. Został opracowany w 2009 roku przez Yang i Deb, aby naśladować zachowanie hodowlane kukułek. Ponieważ CSA zapewnia obiecujące rozwiązania do rozwiązywania rzeczywistych problemów optymalizacyjnych, w ostatnich latach wprowadzono kilka nowych zmodyfikowanych i hybrydowych CSA używanych do różnych zastosowań. Pod tym względem ten artykuł zawiera obszerną ankietę, w tym najnowsze trendy, modyfikacje, otwarte wyzwania badawcze, aplikacje i powiązane taksonomie dla różnych problemów optymalizacyjnych. Literatura tego recenzowanego artykułu należy do dziedzin inżynierii, optymalizacji i rozpoznawania wzorców. Celem tego artykułu przeglądowego jest przedstawienie szczegółowego przeglądu dotyczącego CSA dla możliwych przyszłych kierunków z wykorzystaniem ostatnich wkładów.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.