Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 13

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
PL
W artykule omówiono kilka metod recyklingu tworzyw polimerowych. Głównie opisano technologie ponownego przetwarzania polistyrenu. Przedstawiono rodzaje czynników i ich wpływ na jakość odzyskanego PS. Dokonano przeglądu literatury z ostatnich lat, dotyczącej nowych trendów odnoszących się do przetwarzania odpadów z PS i pozyskiwania całkiem nowych produktów na jego bazie.
EN
In the article, the fundamental information about the key techniques of polymeric materials recycling was described. Mainly, the polystyrene reprocessing technologies were introduced and discussed. Pointed out the types of factors and their influence on the quality of the recovered PS. A review of the literature in recent years, concerning new trends in PS waste treatment and the achievement of different products on its basis was presented.
PL
W artykule pokazano fundamentalne informacje na temat jednej z głównych technik wytwarzania przyrostowego, czyli metody selektywnego spiekania laserowego (SLS). Opisano rodzaje czynników i ich wpływ na jakość uzyskiwanych tą metodą modeli. Przedstawiono wymagania stawiane materiałom polimerowym wykorzystywanym w technice SLS oraz dokonano przeglądu literatury z ostatnich lat, dotyczącej nowych materiałów dedykowanych metodzie SLS.
EN
In the article, the fundamental information about one of the main techniques for incremental methods of production, that is, selective laser sintering (SLS) was described. Pointed out the types of factors and their influence on the quality of obtained by this method models. The requirements for polymer materials used in SLS technology were introduced and discussed. A review of the literature in recent years, concerning new, dedicated SLS method materials was presented.
EN
In this paper an adaptive differential evolution approach for dynamic optimization problems is studied. A new benchmark suite Syringa is also presented. The suite allows to generate test-cases from a multiple number of dynamic optimization classes. Two dynamic benchmarks: Generalized Dynamic Benchmark Generator (GDBG) and Moving Peaks Benchmark (MPB) have been simulated in Syringa and in the presented research they were subject of the experimental research. Two versions of adaptive differential evolution approach, namely the jDE algorithm have been heavily tested: the pure version of jDE and jDE equipped with solutions mutated with a new operator. The operator uses a symmetric ?-stable distribution variate for modification of the solution coordinates.
4
Content available remote Multi-swarm that learns
EN
This paper studies particle swarm optimization approach enriched by two versions of an extension aimed at gathering information during the optimization process. Application of these extensions, called memory mechanisms, increases computational cost, but it is spent to a benefit by incorporating the knowledge about the problem into the algorithm and this way improving its search abilities. The first mechanism is based on the idea of storing explicit solutions while the second one applies one-pass clustering algorithm to build clusters containing search experiences. The main disadvantage of the former mechanism is lack of good rules for identification of outdated solutions among the remembered ones and as a consequence unlimited growth of the memory structures as the optimization process goes. The latter mechanism uses other form of knowledge representation and thus allows us to control the amount of allocated resources more efficiently than the former one. Both mechanisms have been experimentally verified and their advantages and disadvantages in application for different types of optimized environments are discussed.
5
Content available remote On Some Properties of Quantum Particles in Multi-Swarms for Dynamic Optimization
EN
This paper studies properties of a multi-swarm system based on a concept of physical quantum particles (mQSO). Quantum particles differ from the classic ones in the way they move. As opposed to the classic view on a particle movement, where motion is controlled by linear kinematic laws, quantum particles change their location according to random distributions. The procedure of generating a new location for the quantum particle is similar to mutation operator widely used in evolutionary computation with real-valued representation. In this paper we study a set of new distributions of candidates for the quantum particle location, and we show different features of these distributions. The distributions considered in this paper are divided into two classes: those with a limited range of the new location coordinates and those without such limitations. They are tested on different types of dynamic optimization problems. Experimental verification has been based on a number of testing environments and two main versions of the algorithm: with and without mechanisms protecting against stagnation caused by convergence of sub-swarms during the search process. The experimental results show the advantages of the distribution class, in which the candidates are spread out in the entire search space, and indicate the positive and negative aspects of application of anti-convergence mechanisms.
PL
W niniejszym raporcie studiowane są właściwości systemów wielorojowych opartych na idei cząsteczek kwantowych (mQSO). W przeciwieństwie do klasycznego podejścia do ruchu cząsteczki, w którym przemieszczanie kontrolowane jest przez liniowe prawa kinematyki, kwantowe cząsteczki zmieniają swoje położenie wykorzystując rozkłady losowe. Tutaj badamy pewien zbiór nowych rozkładów kandydatów na nowe położenie cząsteczki kwantowej i demonstrujemy ich różne właściwości. Rozkłady rozpatrywane poniżej można podzielić na dwie klasy: z ograniczonym obszarem możliwych nowych położeń cząsteczki, oraz pozostałe z nieograniczonym obszarem tych położeń. Wszystkie zostały testowane na różnych typach zadań dynamicznych. Eksperymentalna weryfikacja została oparta na pewnej liczbie zadań testowych, a także na dwóch głównych wersjach algorytmu: uzwględniającego i nieuwzględniającego mechanizmy chroniące przeciwko stagnacji powodowanej przez zbieganie zbioru rozwiązań algorytmu do niewielkich obszarów dziedziny w trakcie poszukiwań. Wyniki eksperymentów wskazują przewagę tej klasy rozkładów, w której kandydaci na nowe położenie cząsteczki mogą należeć do całego zbioru poszukiwań. Wyniki pokazują też pozytywne i negatywne aspekty stosowania mechanizmów anty-zbieżnosci.
6
Content available remote Multi-Swarm That Learn
EN
In this paper a dynamic optimization with particle swarm approach using two different memory mechanisms is studied. One of them is based on the idea of storing explicit solutions in memory structures while the other applies one-pass clustering algorithm to build clusters containing search experiences. Both mechanisms have been experimentally verified and their advantages and disadvantages in application for different types of testing environments have been discussed.
PL
Artykuł zawiera wyniki badań dwóch mechanizmów pamięciowych stosowanych w roju cząsteczek do optymalizacji dynamicznej. Jeden z nich jest oparty na zasadzie gromadzenie gotowych rozwiązań w strukturach pamięci, natomiast drugi stosuje jednoprzejściowy algorytm do budowy klastrów, w których mogłyby być przechowywane doświadczenia zdobywane w trakcie procesu szukania. Obydwa mechanizmy zostały zweryfikowane w badaniach eksperymentalnych a ich wady i zalety objawiające się w zastosowaniach do różnych typów zadań zostały omówione.
EN
This paper studies properties of a multi-swarm system based on a concept of physical quantum particles (mQSO). Quantum particles differ from the classic ones in the way they move. As opposed to the classic view of particle movement, where motion is controlled by linear kinematic laws, quantum particles change their location according to random distributions. The procedure for generating a new location for the quantum particle is similar to mutation operators widely used in evolutionary computation with real-valued representation. In this paper we study a set of new distributions of candidates for quantum particle location, and we show different features of these distributions. The distributions considered in this paper are divided into two classes: those with a limited range of the new location coordinates and those without such limitations. They are tested on different types of dynamic optimization problems. Experimental verification has been based on a number of testing environments and two main versions of the algorithm: with and without mechanisms protecting against stagnation caused by convergence of sub-swarms during the search process. The experimental results show the advantages of the distribution class, in which the candidates are spread out in the entire search space, and indicate the positive and negative aspects of application of anti-convergence mechanisms.
EN
Non-stationary optimization with the immune based algorithms is studied in this paper. The algorithm works with a binary representation of solutions. A set of different types of binary mutation is proposed and experimentally verified. The mutations differ in the way of calculation of the number of bits to be mutated. Obtained results allow to indicate the leading formulas of calculation.
EN
Non-stationary optimization of randomly changing environments is a subject of unfading interest.In this paper we study application of multipopulation evolutionary algorithm to this problem. Presented algorithm works with a set of sub-populations managed by the mechanism of exclusion coming from the multiswarm version of particle swarm approach. The results show significant improvement of the efficiency of the new algorithm in comparison with a single population approach.
EN
Artificial Immune Systems inspired by clonal selection principle (called clonal selection algorithms) have already been successfully applied to pattern recognition tasks. In this paper we present our implementation of one of them, called CLONCLAS, and discuss its behavior in application to recognition of a set of binary patterns. The algorithm performs process of learning based on a set of training data including patterns which belong to ten previously unknown classes and finally generates a group of classifiers which are able to assign the testing input patterns to appropriate classes. Our experiments were performed for a set of commonly known similarity measures of binary strings to select the most efficient of them. We also observed a phenomenon of transformation of memory contents in subsequent phases of iterated process of the system learning.
PL
W niniejszej pracy analizowany jest model sieci idiotypowej zaproponowany w artykule autorstwa Farmer et al. w 1986 roku i wykorzystujący ciągi binarne do reprezentacji przeciwciał i antygenów. Jak pisali de Castro i Timmis o tej pracy w swojej książce w 2002 roku: "Ich (tj. Farmera i pozostałych autorów) prace mają wyjątkowe znaczenie, ponieważ stanowią pierwsze podejście do połączenia w całość matematycznej immunologii teoretycznej z paradygmatami inteligencji obliczeniowej. Tak jak w pracach Jerne~Ra ich model składał się ze zbioru równań różniczkowych służących obliczaniu dynamiki składników sieci." Jedno z tych równań, miara podobieństwa używana do obliczania dopasowania pomiędzy ciągami binarnymi była przedmiotem badań prezentowanych poniżej. Wykonany został zbiór testów mających na celu zbadanie wrażliwości miary na różne rodzaje binarnych wzorców oraz liczby bitów różniących mierzone wzorce. Ponadto zaproponowany został również nowy operator transformacji ciągów binarnych. Operator ten zmienia własności miary podobieństwa proponowanej przez Farmera, przy czym nowa miara z włączonym w nią operatorem transformacji okazuje się bardziej selektywna na różne ilości niepasujących bitów oraz położenie tych bitów w mierzonych ciągach binarnych niż jej poprzedniczka.
EN
The bitstring model of the immune network model proposed by Farmer et al. in 1986 is studied in this text. As de Castro and Timmis wrote about the paper in their book (2002): "Their works arę of extreme importance, as they constituted the first attempts to bring together mathematical theoretical immunology and computational intelligence paradigms. As in Jerne's work their model consisted of a set of differential eąuations to ąuantify the dynamics of the components of the immune network." One of these eąuations, the affinity measure used to evaluate match between binary strings, was the subject of the study presented below. A set of tests was perform to study the sensitivity of the measure to the different types of binary patterns and numbers of different bits in the strings. A new transformation operator for binary strings is also proposed. The operator modifies properties of the affinity measure proposed by Farmer. The new measure with the transformation operator included proves to be morę selective to the different numbers of non-matching bits and their position in the evaluated bit strings, than the previous one.
PL
W życiu codziennym spotykamy się z różnego rodzaju problemami heurystycznymi. Do ich rozwiązania możemy stosować istniejące już deterministyczne metody optymalizacji. Istnieje jednak wiele zdarzeń kombinatorystycznych o niezwykle wysokiej złożoności obliczeniowej, dla których deterministyczne metody rozwiązania nie są do zaakceptowania, ponieważ ich złożoność i koszt obliczeniowy przekracza możliwości obliczeniowe najszybszych nawet komputerów. Wtedy dla inżyniera, pragnącego w rozsądnym czasie znaleźć rozwiązanie jeżeli nie optymalne, to przynajmniej suboptymalne, odpowiednim narzędziem stają się metody heurystyczne. Szukanie rozwiązania za ich pomocą sprowadza się do wygenerowania i zastosowania zbioru reguł kierujących procesem przeszukiwania przestrzeni rozwiązań. Istnieje kilka różnych paradygmatów pozwalających na generowanie szeregu algorytmów heurystycznych. Paradygmaty te nazywane są metaheurystykami, ponieważ nie definiują konkretnych algorytmów ale opisują ogólne podejścia. W ramach takiego podejścia istnieje możliwość szerokiego wariantowania poszczególnych reguł, co w rezultacie prowadzi do różnych algorytmów należących jednak do wspólnej rodziny (zob. np. [13]). [...]
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.