Wyniki wyszukiwania - Biblioteka Nauki

1

Algorytm mrówkowy w optymalizacji dyskretnych problemów nieliniowych

100%

Krenich S.

|

2014

|

tom nr 6

6032-6040

PL

Artykuł prezentuje zastosowanie algorytmu mrówkowego w optymalizacji problemów o dyskretnym i nieliniowym charakterze. Algorytm mrówkowy zaliczany jest do grupy algorytmów rojowych, które są inspirowane zachowaniem stad lub rojów zwierząt, ptaków czy owadów podczas poszukiwania pożywienia czy przemieszczania się. Algorytmy te stosowane są głównie do rozwiązywania problemów opisanych za pomocą grafów i sieci. W niniejszej pracy przedstawiono modyfikację klasycznego algorytmu mrówkowego i jego przystosowanie do rozwiązywania zadań optymalizacji jednokryterialnej konstrukcji z ograniczeniami, które nie są modelowane jako grafy z wyraźnie zaznaczonymi węzłami i krawędziami przejść o określonym ściśle koszcie lub wartości drogi. Wprowadzono modyfikację w wyznaczaniu prawdopodobieństwa wyboru tzw. krawędzi przejścia oraz w obliczaniu wartości feromonu na tych krawędziach. Wartości te zależą nie tylko od liczby przejść sztucznych mrówek, ale także dodatkowo od dynamicznie ustalanej wartości pozostawianego przez mrówki feromonu. Eksperymenty przeprowadzono na dwóch przykładach dyskretnej optymalizacji sprzęgła wielopłytkowego oraz układu koncentrycznych sprężyn poddanych zmiennemu obciążeniu z wykorzystaniem zmodyfikowanego algorytmu mrówkowego oraz dodatkowo w celu porównania z wykorzystaniem algorytmu ewolucyjnego i losowego. Wyniki wskazują, iż algorytm mrówkowy może być efektywnym narzędziem w programowaniu dyskretnym.

EN

The paper presents an approach to design optimization for discrete and nonlinear problems using ant colony based algorithm. This algorithm belongs to the group of swarm algorithms inspired by behavior of birds, animals and bugs during their life or movement. Generally it is used for solving tasks which are modeled as grid or network problems. In the work a modification of the classical ant colony algorithm and its adaptation for problems that are not modeled as a network task with marked nodes and edges is described. New dependencies for dynamic calculating of pheromone on the edges and for probability of their choosing are introduced. Experiments were carried out for two examples of discrete optimization. The first one deals with the coupling system and the second one solves the set of concentric springs. Additionally, in order to compare generated optimal solutions, an evolutionary algorithm and a random search method are used. The obtained results indicate that the ant colony based algorithm can be an effective tool for discrete programming.

2

An improved ant colony optimization algorithm and its application to text-independent speaker verification system

84%

Aghdam M. H.

|

tom Vol. 2, No. 4

301--315

EN

With the growing trend toward remote security verification procedures for telephone banking, biometric security measures and similar applications, automatic speaker verification (ASV) has received a lot of attention in recent years. The complexity of ASV system and its verification time depends on the number of feature vectors, their dimensionality, the complexity of the speaker models and the number of speakers. In this paper, we concentrate on optimizing dimensionality of feature space by selecting relevant features. At present there are several methods for feature selection in ASV systems. To improve performance of ASV system we present another method that is based on ant colony optimization (ACO) algorithm. After feature selection phase, feature vectors are applied to a Gaussian mixture model universal background model (GMM-UBM) which is a text-independent speaker verification model. The performance of proposed algorithm is compared to the performance of genetic algorithm on the task of feature selection in TIMIT corpora. The results of experiments indicate that with the optimized feature set, the performance of the ASV system is improved. Moreover, the speed of verification is significantly increased since by use of ACO, number of features is reduced over 80% which consequently decrease the complexity of our ASV system.

3

Ant Colony Optimization for Electrical Power System Expansion-Scheduling

84%

Hadjeri S. , Zeblah A.

|

tom R. 84, nr 7

36-42

EN

This paper uses an ant colony meta-heuristic optimization method to solve the multi-stage expansion problem for multi-state series-parallel systems. The study horizon is divided into several periods. At each period the demand distribution is forecasted in the form of a cumulative demand curve. A multiple-choice of additional components among a list of available product can be chosen and included into any subsystem component at any stage to improve the system performance. The components are characterized by their cost, performance (capacity) and availability. The objective is to minimize the whole investment-costs over the study period while satisfying availability or performance constraints. A universal generating function technique is applied to evaluate system availability. The ant colony approach is required to identify the optimal combination of adding components with different parameters to be allocated in parallel at each stage.

PL

W artykule omówiono metodę optymalizacji wykorzystującą algorytmy mrówkowe. Rozwiązywano problem wielopoziomowej rozbudowy szeregowo-równoległego system zasilania. Horyzont czasowy analizy został podzielony na mniejsze okresy. W każdym okresie potrzeby są prognozowane w postaci kumulacyjnej krzywej potrzeb. Różny wybór dodatkowych składowych systemu był możliwy na każdym etapie analizy. Te składowe były charakteryzowane przez koszt, możliwości i parametry. Celem była minimalizacja całkowitych kosztów inwestycji przy wymuszonych parametrach. Algorytm mrówkowy został wykorzystany do optymalizacji systemu na każdym etapie dodawania nowego elementu.