Wyniki wyszukiwania - Biblioteka Nauki

Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Experimental Research on Evolutionary Path Planning Algorithm with Fitness Function Scaling for Collision Scenarios

100%

Kolendo P. , Smierzchalski R. , Jaworski B.

2011

tom Vol. 5, no. 4

489--495

This article presents typical ship collision scenarios, simulated using the evolutionary path planning system and analyses the impact of the fitness function scaling on the quality of the solution. The function scaling decreases the selective pressure, which facilitates leaving the local optimum in the calculation process and further exploration of the solution space. The performed investigations have proved that the use of scaling in the evolutionary path planning method makes it possible to preserve the diversity of solu-tions by a larger number of generations in the exploration phase, what could result in finding better solution at the end. The problem of avoiding collisions well fitted the algorithm in question, as it easily incorporates dynamic objects (moving ships) into its simulations, however the use scaling with this particular problem has proven to be redundant.

Zastosowanie krzyżowania uśredniającego do ewolucyjnej metody wyznaczania ścieżki przejścia na morzu

100%

Kuczkowski Ł. , Kolendo P. , Jaworski B. , Śmierzchalski R.

tom Vol. 53, nr 12

67-71

Artykuł przedstawia zastosowanie operatora krzyżowania uśredniającego do wyznaczania ścieżki przejścia przy użyciu algorytmu ewolucyjnego w zastosowaniu do unikania kolizji na morzu. Krzyżowanie uśredniające zapewnia rozszerzenie zbioru rozwiązań możliwych do uzyskania w porównaniu z wariantem krzyżowania wymieniającego. Przeprowadzone badania wykazały, że zastosowany wariant krzyżowania pozwala na uniezależnienie wyników symulacji od postaci populacji początkowej oraz szybsze przejście algorytmu z fazy eksploracji do eksploatacji obszaru przyciągania optimum. Nowa wersja algorytmu pozwala na skuteczne poszukiwanie rozwiązań w sytuacji kolizyjnej na morzu.

This paper presents the use of mean crossover genetic operator for path i planning using evolutionary algorithm for collision avoidance on sea. ! Mean crossover ensures widening of the possible solutions' set that can be achieved in comparison to exchange crossover variant. The research i shown, that the mean crossover allows to achieve results independent i from the initial generation and quicker transition of the algorithm from the exploration to the exploitation phase. New version of the algorithm i allows for an effective solution search for the problem of a collision scenario on sea.