Full-text resources of CEJSH and other databases are now available in the new Library of Science.
Visit https://bibliotekanauki.pl

Results found: 4

first rewind previous Page / 1 next fast forward last

Search results

Search:
in the keywords:  Genetic algorithms
help Sort By:

help Limit search:
first rewind previous Page / 1 next fast forward last
1

Zastosowanie algorytmu genetycznego z operatorem inwersji genów w celu poszukiwania rozwiązania problemu komiwojażera

100%
Handzel Z., Gajer M.
Zeszyty Naukowe Wyższej Szkoły Ekonomii i Informatyki w Krakowie
|
2013
|
vol. 9
127-134
PL
W artykule przedstawiono propozycję zastosowania algorytmu genetycznego z operatorem inwersji genów na potrzeby rozwiązania zagadnienia komiwojażera. Jak już uprzednio wspomniano, algorytm genetyczny nie jest w stanie odnaleźć rozwiązania optymalnego, czyli takiego, które charakteryzuje się najmniejszą z możliwych długością trasy, jaką musi pokonać komiwojażer, aby odwiedzić każde z miast dokładnie jeden raz. W związku z tym odnajdywane przez algorytm genetyczny rozwiązania są jedynie [rozwiązaniami suboptymalnymi, czyli związane z nimi długości tras komiwojażera są na pewno dłuższe od długości pożądanej trasy optymalnej. Jednak wykonywanie algorytmu genetycznego przez odpowiednio dużą liczbę pokoleń daje gwarancję, że uzyskane rezultaty nie będą zbytnio odbiegały od pożądanego rozwiązania optymalnego i zwykle z punktu widzenia praktycznych zastosowań odnajdywane przez algorytm genetyczny rozwiązania są już odpowiednio wysokiej jakości i mogą być wstępnie wykorzystywane w wielu różnorodnych praktycznych zastosowaniach w wybranych obszarach techniki i ekonomii. (fragment tekstu)
EN
In the paper we propose to use a genetic algorithm for the purpose offinding solutions of the traveling salesman problem. We use a unique gene inversion operator, which allowed us to implement the genetic algorithm in the form of evolutionary strategy with many evolving individuals. The traveling salesman problem belongs to the broader class of NP-hard problems, which causes that the optimal solution cannot be found in a reasonable time period, even for the relatively low number of cities. The implemented by the authors evolutionary strategy makes it possible to find suboptimal solutions of traveling salesman problem, which are of relatively good quality.(original abstract)
2
Publication available in full text mode
Content available

Wpływ parametrów startowych na tempo zbieżności koewolucyjnego algorytmu genetycznego

100%
Kameduła M., Gajda J.
Studia Ekonomiczne
|
2015
|
vol. 235
100-112
PL
W pracy tej zaprezentowano procedurę pozwalającą zbadać wpływ parametrów startowych na tempo zbieżności algorytmu genetycznego. Jej zaletą jest fakt, że bierze ona pod uwagę nie tylko samą szybkość znalezienia rozwiązań bliskich optymalnym, ale również stabilność wyników. Przedstawioną metodę wykorzystano następnie do wyboru najlepszej wartości parametrów pewnego koewolucyjnego algorytmu analizy portfelowej. Wykazano przy tym, że dla zadania dwukryterialnego daje on lepsze wyniki, niż niezależne przebiegi zwykłego algorytmu genetycznego przetwarzającego jedną populację na raz. Jednocześnie jednak wymiana informacji pomiędzy niszami podlegającymi koewolucji powinna zostać przerwana, gdy znajdziemy już zestaw rozwiązań bliskich optymalnym. Wykazano też znaczny wpływ parametrów mutacji na zbieżność algorytmu.
EN
In this work we propose a procedure for testing the impact of starting parameters on the convergence of a genetic algorithm. Although the described solution is quite time consuming it takes into consideration both number of iterations required and stability of obtained results. We then proceed to infer optimal values of such parameters for a certain co-evolutionary portfolio analysis algorithm. We prove, that such an implementation is superior to simple genetic algorithms operating on a single population when dealing with multi-objective fitness functions. However, the exchange of information between different niches should not be enabled for too long. We also point out the big impact that often disregarded mutation procedure can have on the convergence to suboptimal solutions. Interestingly, both too high and too low probability of mutation can have a noticible negative impact on the performance of a given algorithm.
3

Algorytmy genetyczne z trójosobniczym operatorem krzyżowania

100%
Handzel Z., Gajer M.
Zeszyty Naukowe Wyższej Szkoły Ekonomii i Informatyki w Krakowie
|
2013
|
vol. 9
121-125
PL
W artykule przedstawiono sposób funkcjonowania trójosobniczego operatora krzyżowania osobników. Tego rodzaju procesy genetyczne nie są spotykane w świecie przyrody i też nigdy prawdopodobnie nie dojdzie do ich spontanicznego pojawienia się w naturze. Taki stan rzeczy jednak w żaden sposób nie wyklucza możliwości podejmowania prób stosowania krzyżowania trójosobniczego w przypadku stosowanych na potrzeby rozwiązywania zagadnień optymalizacyjnych algorytmów genetycznych.(fragment tekstu)
EN
In the paper we discuss the possibility of using crossing-over operator for three different individuals. Such a process is not met in the nature, but of course can be implemented in genetic algorithms performed by the computers. Thanks to this new crossing-over operator the genetic material of the whole population should be mixed in a much higher degree in comparison with the classical genetic algorithm. However, the ultimate goal is to reduce the time which is necessary for the genetic algorithm to find the solutions of relatively-good quality for the given optimization problem.(original abstract)
4
Publication available in full text mode
Content available

Zastosowanie algorytmu genetycznego przy wyznaczaniu optymalnego rozmieszczenia sił służb odpowiedzialnych za zapewnienie bezpieczeństwa w rejonie

84%
Zapert P.
Studia Ekonomiczne
|
2015
|
vol. 237
130-146
PL
W artykule rozpatrzono zagadnienie komputerowego wspomagania optymalizacji rozmieszczenia elementów aktywnych Dziedzinowego Systemu Bezpieczeństwa. Zaprezentowano metodę wyznaczania optymalnego rozmieszczenia z użyciem algorytmu genetycznego przy dokładnym wnioskowaniu wartości składowych wskaźnika oceny rozmieszczeń. Sformułowano przykładowe zadanie optymalizacji rozmieszczenia dwóch elementów aktywnych zapewniających bezpieczeństwo dwóch obiektów ochranianych. Zadanie zostało następnie rozwiązane z użyciem dedykowanej aplikacji J2EE.
EN
Elaboration discusses the issue of computer support for optimising the deployment of active elements of an Domain Security System. It presents method of determining optimal deployment, with use of genetic algorithm, in case of determining values of index of quality evaluation of the deployment with accurate reasoning. An example task of optimising the deployment of active elements protecting two entities has been formulated and solved using developed J2EE application.
first rewind previous Page / 1 next fast forward last
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.