PL
 |
EN
Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl
Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 12

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

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available remote Particle Swarm Optimization based Sequential and Parallel Tasks Scheduling Model for Heterogeneous Multiprocessor Systems
100%
Kumar P. R. , Babu P. , Palani S.
Fundamenta Informaticae
|
2015
|
tom Vol. 139, nr 1
43--65
EN
Multiprocessors have emerged as a powerful computing means for running real-time applications, especially where a uniprocessor system would not be sufficient enough to execute all the tasks. The high performance and reliability of multiprocessors have made them a powerful computing resource. Such computing environment requires an efficient algorithm to determine when and on which processor a given task should be executed. In multiprocessor systems, an efficient scheduling of sequential and parallel tasks onto the processors is known to be NP- Hard problem. In this paper, the problem of minimizing schedule length with energy consumption constraint and the problem of minimizing energy consumption with schedule length constraint on homogeneous and heterogeneous multiprocessor computers through independent sequential and parallel tasks are proposed. These problems emphasize the tradeoff between power and performance and are defined such that the power-performance product is optimized by fixing one factor and minimizing the other and vice versa. The performance of the proposed algorithm with optimal solution is validated using Particle Swarm Optimization (PSO) The PSO algorithm achieves 47.5% and 32% of power savings for scheduling sequential and parallel tasks to the processors respectively and also 45.5% of energy saving are achieved for scheduling both sequential or parallel tasks to the processors.
2
Content available Storage allocation in automated container terminals: the upper level
100%
Xia M. , Zhao N. , Mi W.
Polish Maritime Research
|
2016
|
tom S 1
160--174
EN
Nowadays automation is a trend of container terminals all over the world. Although not applied in current automated container terminals, storage allocation is indispensable in conventional container terminals, and promising for automated container terminals in future. This paper seeks into the storage allocation problem in automated container terminals and proposed a two level structure for the problem. A mixed integer programming model is built for the upper level, and a modified Particle Swarm Optimization (PSO) algorithm is applied to solve the model. The applicable conditions of the model is investigated by numerical experiments, so as the performance of the algorithm in different problem scales. It is left to future research the lower level of the problem and the potential benefit of storage allocation to automated container terminals.
3
Content available Particle Swarm Optimization Algorithm for Leakage Power Reduction in VLSI Circuits
88%
Leela Rani V. , Madhavi Latha M.
International Journal of Electronics and Telecommunications
|
2016
|
tom Vol. 62, No. 2
179--186
EN
Leakage power is the dominant source of power dissipation in nanometer technology. As per the International Technology Roadmap for Semiconductors (ITRS) static power dominates dynamic power with the advancement in technology. One of the well-known techniques used for leakage reduction is Input Vector Control (IVC). Due to stacking effect in IVC, it gives less leakage for the Minimum Leakage Vector (MLV) applied at inputs of test circuit. This paper introduces Particle Swarm Optimization (PSO) algorithm to the field of VLSI to find minimum leakage vector. Another optimization algorithm called Genetic algorithm (GA) is also implemented to search MLV and compared with PSO in terms of number of iterations. The proposed approach is validated by simulating few test circuits. Both GA and PSO algorithms are implemented in Verilog HDL and the simulations are carried out using Xilinx 9.2i. From the simulation results it is found that PSO based approach is best in finding MLV compared to Genetic based implementation as PSO technique uses less runtime compared to GA. To the best of the author’s knowledge PSO algorithm is used in IVC technique to optimize power for the first time and it is quite successful in searching MLV.
4
Content available Surface-to-air missile path planning using genetic and PSO algorithms
88%
Zandavi S. M.
Journal of Theoretical and Applied Mechanics
|
2017
|
tom Vol. 55 nr 3
801--812
EN
Optimization algorithms use various mathematical and logical methods to find optimal points. Given the complexity of models and design levels, this paper proposes a heuristic optimization model for surface-to-air missile path planning in order to achieve the maximum range and optimal height based on 3DOF simulation. The proposed optimization model involves design variables based on the pitch programming and initial pitch angle (boost angle). In this optimization model, we used genetic and particle swarm optimization (PSO) algorithms. Simulation results indicated that the genetic algorithm was closer to reality but took longer computation time. PSO algorithm offered acceptable results and shorter computation time, so it was found to be more efficient in the surface-to-air missile path planning.
5
Content available Optimal allocation of reliability improvement target based on multiple correlation failures and risk uncertainty
75%
Jia S. , Yan C. , Kang J. , Xie H. , Wei Y.
Eksploatacja i Niezawodność
|
2023
|
tom Vol. 25, no. 1
art. no. 8
EN
Optimal allocation of the reliability improvement target is essential for the system optimization design. In order to solve the problems that the optimization model is with loss of generality and the validity of the optimal solution is weakened, an optimal allocation method is proposed by considering multiple correlation failures and risk uncertainty in this paper. Two new concepts are presented, such as independent failure results in basic risk, and correlation failure leads to disturbance risk. A risk assessment machinery of “actual risk = basic risk + disturbance risk” is proposed. The action mechanisms of the three correlation failures are studied based on the cooperation game theory, and the generalized risk models are given under probability measure. Considering the improvement cost, the expectation and the variance of the reduction of system risk, a multi-objective optimal allocation model is developed, which is solved by using the PSO algorithm. Finally, the proposed optimal allocation is implemented at the 2-stage NGW planetary reducer, and the results show that it is more efficient and feasible for engineering practice.
6
Content available remote A PCG-PSO Image Reconstruction Algorithm For Electrical Capacitance Tomography System
75%
Chen Y. , Cao J. , Chen D.
Przegląd Elektrotechniczny
|
2012
|
tom R. 88, nr 9b
37-41
EN
To solve the ‘soft-field’ nature and the ill-posed problem in electrical capacitance tomography (ECT) technology, this paper first presents a preconditioned conjugate gradient iterative algorithm for electrical capacitance tomography (PCG), Then, the results of the PCG algorithm using PSO method for imaging gray scale compensation.
PL
Artykuł przedstawia algorytm PCG (preconditioned conjugate gradient) do rekonstrukcji obrazu w elektrycznej pojemnościowe tomografii. Skala szarosci jest rekonstruowanoa przy wykorzystanoiu algorytmu PSO (particle swarm optimization).
7
Content available remote Application of swarm intelligence algorithms in control problems
63%
Kacerka J.
Zeszyty Naukowe. Elektryka / Politechnika Łódzka
|
2009
|
tom z. 117
13-21
EN
An application of swarm intelligence algorithms to control problems which may be described as an optimisation task is analysed in the paper. A multi-purpose implementation of PSO algorithm allowing for optimisation requiring a reduced number of fitness function evaluations is presented. The conducted experiments show the effectiveness and efficiency of the proposed algorithms.
PL
W pracy przedstawiono analizę możliwości zastosowania algorytmów wykorzystujących inteligencję roju w problemach sterowania, które sprowadzić można do zadania optymalizacji. Opracowano uniwersalną implementację algorytmu PSO pozwalającą na przeprowadzenie skutecznej optymalizacji przy zmniejszonej ilości wykonywanych obliczeń funkcji celu. Proponowane rozwiązania obejmują adaptacyjną zmianę parametrów roju przy pomocy układu logiki rozmytej oraz budowę modelu funkcji celu na podstawie punktów uzyskanych we wcześniejszych iteracjach. Przedstawiono sposoby przystosowania algorytmu PSO do rozwiązania zadania identyfikacji parametrycznej modeli nieliniowych oraz strojenia regulatorów (gdzie zaproponowano ekstrapolację optymalizowanego kryterium po wykonaniu niepełnej symulacji lub pomiaru). Skuteczność proponowanego rozwiązania zbadano na stanowisku badawczym wyposażonym w procesor sygnałowy.
8
Content available remote Application of Particle Swarm Optimization (PSO) in adaptive control systems
63%
Kacerka J.
Zeszyty Naukowe. Elektryka / Politechnika Łódzka
|
2005
|
tom z. 106
51-63
EN
This paper describes the basic postulates of Particle Swarm Optimization (PSO) and shows application of PSO to identify plant parameters and tune PID controller in an adaptive system. A construction of model-adaptive system is proposed, where model is dynamically identified by PSO and controller is tuned by PSO according to identified plant parameters. Results of PSO calculation in Matlab/Simulink are compared to a system tuned with traditional methods.
PL
W artykule opisano podstawowe założenia algorytmu wykorzystującego inteligencję roju (PSO) oraz pokazano jego zastosowanie do identyfikacji parametrów obiektu sterowania i do strojenia regulatora PID. Zaproponowano adaptacyjny układ sterowania z zastosowaniem PSO, w którym identyfikacja parametrów obiektu przeprowadzana jest z wykorzystaniem prezentowanej metody.
9
Content available remote Optimal operation control of low voltage microgrids in rural areas functioning on the basis of centralized control logic
63%
Parol M. , Rokicki Ł. , Parol R.
Przegląd Elektrotechniczny
|
2018
|
tom R. 94, nr 3
134--138
EN
The paper presents a problem of optimal operation control of low voltage microgrids in rural areas, functioning on the basis of centralized logic control. In this work a short description of low voltage microgrid, with a special focus on the solutions typical for rural areas, will be carried out. Then the issue of the selection of optimal operating states of individual elements of microgrid will be described. In particular, the formulation of optimization criteria, together with the associated constraints will be given. In the next part of the paper an exemplary microgrid control algorithm will be presented. The developed algorithm will be based on the centralized control logic and PSO optimization algorithm. In the remaining part of the work the possible way of implementing the developed control algorithm will be described. In the final part of the paper a summary and conclusions will be presented.
PL
W artykule przedstawiono problem optymalnego sterowania pracą mikrosieci niskiego napięcia na terenach wiejskich, funkcjonującej w oparciu o logikę sterowania scentralizowanego. W pracy zostanie dokonany krótki opis mikrosieci niskiego napięcia, ze zwróceniem szczególnej uwagi na rozwiązania typowe dla obszarów wiejskich. Następnie zostanie opisane zagadnienie wyboru optymalnych stanów pracy poszczególnych elementów mikrosieci. W szczególności zostaną przedstawione kryteria optymalizacyjne razem z towarzyszącymi im ograniczeniami. W następnej części artykułu zostanie zaprezentowany przykładowy algorytm sterowania mikrosiecią. Opracowany algorytm będzie oparty na logice sterowania scentralizowanego oraz metodzie PSO. W pozostałej części pracy zostanie opisany możliwy sposób implementacji komputerowej opracowanego algorytmu sterowania. W końcowej części artykułu zostanie przedstawione podsumowanie i wnioski.
10
Content available remote The Simultaneous Application of Optimum Network Reconfiguration and Distributed Generation Sizing Using PSO for Power Loss Reduction
63%
Dahalan W. , Mokhlis H. , Bakar A. H. A. , Jamian J. J.
Przegląd Elektrotechniczny
|
2013
|
tom R. 89, nr 4
137-141
EN
The utilization of Distributed Generation (DG) sources in Distribution Power system is indeed vital as it is capable of solving problems especially pertaining to power losses due to an increasing demand for electrical energy.The location and optimal size of DG has become a prominent issue for the network to have lower power losses value. In order to reduce unnecessary power losses, the use of a combination reconfiguration method and DG units can assist the system to obtain optimal power loss in the network distribution. The primary idea is to have the reconfiguration process embedded with Distributed Generation (DG) and being operated simultaneously to reduce power losses and determine the optimal size of DG by using Particle Swarm Optimization (PSO). The objective of this paper is to focus on reducing the real power losses in the system as well as improving the voltage profile while fulfilling distribution constraints. The simulation results show that the use of simultaneous approach has resulted the lower power losses and better voltage profile of the system. A detail performance analysis is carried out on IEEE 33-bus systems demonstrate the effectiveness of the proposed methodology.
PL
W artykule przedstawiono metodę przeprowadzenia rekonfiguracji systemie elektroenergetycznym z wykorzystaniem generatorów rozproszonych. Do zadań głównych należy ograniczenie strat i optymalizacja rozmiarów generatorów, przy jednoczesnym zapewnieniu stabilności systemu. W rozwiązaniu wykorzystano metodę PSO. Przedstawiono wyniki badań symulacyjnych oraz analizę szczegółową dla systemu IEEE 33- liniowego.
11
Content available remote Application of mixed algorithms of optimization in designing of big power low voltage induction motors
51%
Łacheciński S.
Zeszyty Naukowe. Elektryka / Politechnika Łódzka
|
2009
|
tom z. 117
23-33
EN
The thesis deals with a problem of designing low voltage high power induction motors. Hybrid optimization algorithms are used. Selected global and deterministic optimization algorithms with modifications are applied. These modifications are the author's original scientific contribution to their basic form.
PL
Rozprawa dotyczy wykorzystania hybrydowych algorytmów optymalizacji do projektowania niskonapięciowych silników indukcyjnych dużych mocy. W pracy przedstawiono opracowane hybrydowe algorytmy optymalizacji: GA-R, ES-R, PSO-R, będące połączeniem trzech algorytmów optymalizacji globalnej, tj.: algorytmu genetycznego GA, strategii ewolucyjnej ES i algorytmu optymalizacji rojem cząstek PSO z odpowiednio zmodyfikowaną metodą Rosen-brocka. Ponadto dokonano porównania wyników obliczeń optymalizacyjnych silnika dla algorytmów optymalizacji globalnej jak i algorytmów hybrydowych. Zaimplementowane algorytmy wymagały wprowadzenia wielu zmian, tj. adaptacja do pracy tylko ze zmiennymi ciągłymi, tylko dyskretnymi oraz ciągłymi i dyskretnymi, przez zastosowanie odpowiednich funkcji dekodujących pojedyncze rozwiązanie dla metody deterministycznej oraz całe populacje rozwiązań dla algorytmów optymalizacji globalnej; dla algorytmu ES zmodyfikowanie wektora odchyleń standardowych w przypadku naruszenia ograniczeń kostkowych, oraz wprowadzenie procedury tasowania populacji rozwiązań zadaną ilość razy przed kolejną reprodukcją; dla algorytmów ES i PSO wprowadzenie procedur naprawy w przypadku naruszenia ograniczeń kostkowych przez danego osobnika. Zastosowanie hybrydowych algorytmów optymalizacji do optymalizacji silnika zmniejszyło koszty materiałowe i eksploatacyjne o około 20% w stosunku do silnika istniejącego, a uzyskane rozwiązania mają lepsze parametry eksploatacyjne.
12
Content available The influence of inertia weight on the Particle Swarm Optimization algorithm
51%
Cekus D. , Skrobek D.
Journal of Applied Mathematics and Computational Mechanics
|
2018
|
tom Vol. 17, nr 4
5--11
EN
The paper presents the use of the Particle Swarm Optimization (PSO) algorithm to find the shortest trajectory connecting two defined points while avoiding obstacles. The influence of the inertia weight and the number of population adopted in the first iteration of the PSO algorithm was examined for the length of the sought trajectory. Simulation results showed that the proposed method achieved significant improvement compared to the linearly decreasing method technique that is widely used in literature.
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.