Search results

1

An intelligent modeling method based on genetic algorithm for partner selection in virtual organizations

100%

Simona D., Raluca P.

Business and Economic Horizons

|

2011

|

vol. 5

|

issue 2

23-34

EN

The goal of a Virtual Organization is to find the most appropriate partners in terms of expertise, cost wise, quick response, and environment. In this study we propose a model and a solution approach to a partner selection problem considering three main evaluation criteria: cost, time and risk. This multiobjective problem is solved by an improved genetic algorithm (GA) that includes meiosis specific characteristics and step-size adaptation for the mutation operator. The algorithm performs strong exploration initially and exploitation in later generations. It has a high global search ability and a fast convergence rate and also avoids premature convergence. On the basis of the numerical investigations, the incorporation of the proposed enhancements has been successfully proved.

2

SELECTION OF WORKING DATABASE FOR THE GENETIC ALGORITHM PROCESSING DATA OF EXCHANGE QUOTATIONS

100%

Wojarnik G.

Information Systems in Management

|

2016

|

vol. 5

|

issue 2

294-304

EN

The aim of this article is to carry out a comparative analysis of the performance of databases: SQLite, MS SQL Server 2014, Firebird 2.5 Server and Firebird 2.5 Embedded with the use of the object-relational mapping library ServiceStack.Ormlite and IDBCommand interface in Visual Studio with the use of C# programming language within the framework of .Net Framework 4.5 platform. The selected database will serve in the future as a data store for the operation of a genetic algorithm, which role will be processing of stock market data. Test data is daily data of stock quotations of the stock exchange downloaded from bossa.pl on 6.06.2015.

3

A genetic algorithm for vehicle routing in logistic networks with practical constraints

100%

Koloch G., Lewandowski M., Zientara M., Grodecki G., Matuszak P., Kantorski I., Nowackig A.

Przegląd Statystyczny

|

2021

|

vol. 68

|

issue 3

16-40

EN

We optimise a postal delivery problem with time and capacity constraints imposed on vehicles and nodes of the logistic network. Time constraints relate to the duration of routes, whereas capacity constraints concern technical characteristics of vehicles and postal operation outlets. We consider a method which can be applied to a brownfield scenario, in which capacities of outlets can be relaxed and prospective hubs identified. As a solution, we apply a genetic algorithm and test its properties both in small case studies and in a simulated problem instance of a larger (i.e. comparable with real-world instances) size. We show that the genetic operators we employ are capable of switching between solutions based on direct origin-to-destination routes and solutions based on transfer connections, depending on what is more beneficial in a given problem instance. Moreover, the algorithm correctly identifies cases in which volumes should be shipped directly, and those in which it is optimal to use transfer connections within a single problem instance, if an instance in question requires such a selection for optimality. The algorithm is thus suitable for determining hubs and satellite locations. All considerations presented in this paper are motivated by real-life problem instances experienced by the Polish Post, the largest postal service provider in Poland, in its daily plans of delivering postal packages, letters and pallets.

4

A Genetic Algorithm to Minimize the Total Tardiness for M-Machine Permutation Flowshop Problems

100%

Chung C.-S., Flynn J., Rom W., Staliński P.

Journal of Entrepreneurship, Management and Innovation

|

2012

|

vol. 8

|

issue 2

26-43

EN

The m-machine, n-job, permutation flowshop problem with the total tardiness objective is a common scheduling problem, known to be NP-hard. Branch and bound, the usual approach to finding an optimal solution, experiences difficulty when n exceeds 20. Here, we develop a genetic algorithm, GA, which can handle problems with larger n. We also undertake a numerical study comparing GA with an optimal branch and bound algorithm, and various heuristic algorithms including the well known NEH algorithm and a local search heuristic LH. Extensive computational experiments indicate that LH is an effective heuristic and GA can produce noticeable improvements over LH.

5

Some Aspects of the Application of Genetic Algorithm for Solving the Assignment Problem of Tasks to Resources in a Transport Company

100%

Izdebski M., Jacyna M.

Logistics and Transport

|

2014

|

vol. 21

13-20

EN

The article defines the assignment problem of tasks to resources in a transport company. The paper describes mathematical model of a transport system taking into account the assignment of vehicles to the tasks. It also provides stages of creation of the genetic algorithm for solving the assignment problem in the transport company.

6

Sensor Network Deployment Optimization for Improved Area Coverage Using a Genetic Algorithm

100%

Szklarski Ł.

Security Dimensions: International & National Studies

|

2016

|

vol. 19(19)

150-181

EN

Ensuring optimal coverage is a central objective of every sensor deployment plan. Effective monitoring of the environment helps to minimize manpower and time, while enhancing surveillance capability. In this paper, a solution for improved area coverage was presented. A lattice of a pre-defined parameter has been used as an input for the algorithm. For the purpose of the research the blanket deployment strategy has been adopted. Then, a genetic algorithm has been proposed and implemented to find an optimal solution. The proposed approach has been tested and the conclusions have been drawn. The results proved that the proposed genetic algorithm could already provide satisfactory results, usually finding only suboptimal solutions.

7

Genetic Algorithms for Solving Scheduling Problems in Manufacturing Systems

100%

Ławrynowicz A.

Foundations of Management

|

2011

|

vol. 3

|

issue 2

7-26

EN

Scheduling manufacturing operations is a complicated decision making process. From the computational point of view, the scheduling problem is one of the most notoriously intractable NP-hard optimization problems. When the manufacturing system is not too large, the traditional methods for solving scheduling problem proposed in the literature are able to obtain the optimal solution within reasonable time. But its implementation would not be easy with conventional information systems. Therefore, many researchers have proposed methods with genetic algorithms to support scheduling in the manufacturing system. The genetic algorithm belongs to the category of artificial intelligence. It is a very effective algorithm to search for optimal or near-optimal solutions for an optimization problem. This paper contains a survey of recent developments in building genetic algorithms for the advanced scheduling. In addition, the author proposes a new approach to the distributed scheduling in industrial clusters which uses a modified genetic algorithm.

8

Performance analysis of the partial use of a local optimization operator on the genetic algorithm for the Travelling Salesman Problem

88%

Djordjevic M., Grgurovič M., Brodnik A.

Business Systems Research Journal

|

2012

|

vol. 3

|

issue 1

14-22

EN

Background: The Travelling Salesman Problem is an NP-hard problem in combinatorial optimization with a number of practical implications. There are many heuristic algorithms and exact methods for solving the problem. Objectives: In this paper we study the influence of hybridization of a genetic algorithm with a local optimizer on solving instances of the Travelling Salesman Problem. Methods/Approach: Our algorithm uses hybridization that occurs at various percentages of generations of a genetic algorithm. Moreover, we have also studied at which generations to apply the hybridization and hence applied it at random generations, at the initial generations, and at the last ones. Results: We tested our algorithm on instances with sizes ranging from 76 to 439 cities. On the one hand, the less frequent application of hybridization decreased the average running time of the algorithm from 14.62 sec to 2.78 sec at 100% and 10% hybridization respectively, while on the other hand, the quality of the solution on average deteriorated only from 0.21% till 1.40% worse than the optimal solution. Conclusions: In the paper we have shown that even a small hybridization substantially improves the quality of the result. Moreover, the hybridization in fact does not deteriorate the running time too much. Finally, our experiments show that the best results are obtained when hybridization occurs in the last generations of the genetic algorithm.

9

Advanced Investment Strategy for Trading Major Currency Pairs

75%

Jan B., Lenka S.

Littera Scripta

|

2013

|

vol. 1

18-29

EN

In this paper there is a description of one of the possible approaches to investing in the currency market, which is based on the statistical analysis of price movements of major currency pairs. It is the currency pairs EUR/USD, GBP/USD and USD/JPY which consist of major currencies of the world powers. For the analysis includes no fundamental information such as the rate of unemployment, sales, GDP, inflation, etc., and is thus a purely technical analysis, which is based on the actual price. The proposed investment strategy works with short-term investments, which have an average duration of several hours. The logic used strategy is based on the psychological reaction of investors to the previous trading session and their future expectations. To increase the effectiveness of strategies financial leverage is used. This type of investment requires precise compliance with the rules for risk management. Due to diversification, the proposed strategy is put into more currency pairs and achieves stable growth of capital. Due to the computationally intensive optimization problems genetic algorithms that can effectively deal with this type of task were used. The proposed investment portfolio is applied in the time period January 2010 to January 2012 and has been stable profitably.

10

The kernel and shell structure as a tool for improving the graph of transportation connections

75%

MAŻBIC-KULMA B., OWSIŃSKI J. W., SĘP K., STAŃCZAK J.

Operations Research and Decisions

|

2013

|

vol. 23

|

issue 2

91-105

EN

A model of a transportation system is expected to be useful in simulations of a real system to solve given transportation tasks. A connection graph is routinely used to describe a transportation system. Vertices can be train stations, bus stops, airports etc. The edges show direct connections between vertices. A direct approach can be difficult and computational problems can arise in attempts to organize or optimize such a transportation system. Therefore, a method for aggregating such graphs was introduced, using a general kernel and shell structure and its particular instances: α-clique structured graphs of connections and a hub and spoke transformation of the source graph. These structures enable the concentration and ordering of transport between vertices and reduction of the analyzed graph. To obtain the desired structures, several versions of a specialized evolutionary algorithm were developed and applied.

11

Аналіз теоретичних основ оптимізації портфеля високих технологій

63%

Omelianenko V. A.

European Journal of Management Issues

|

2014

|

issue 3

53-61

EN

The paper deals with the characteristics of technological portfolio of high-tech enterprises. The main approaches to determine the composition of the portfolio process and the main factors of its formation were analyzed and systematized. The possibility of using genetic algorithms to control the technological portfolio were Identified and offered the theoretical foundations of the optimization of its structure on the basis of resource and innovation criteria

UK

Проаналізовано особливості управління технологічним портфелем високотехнологічних підприємств. Проаналізовано та систематизовано основні підходи до визначення складу технологічного портфеля та основні фактори його формування. Визначено можливості використання генетичних алгоритмів для управління технологічним портфелем та запропоновано теоретичні основи оптимізації його складу на основі ресурсних та інноваційних критеріїв.

12

On Using a Genetic Algorithm in the Designing of Linear Digital Filters

63%

Stelmach J.

Acta Universitatis Lodziensis. Folia Oeconomica

|

2020

|

vol. 1

|

issue 346

113-124

PL

Filtry cyfrowe, zarówno ze średnią ruchomą, jak i autoregresyjne, są szeroko wykorzystywane w tłumieniu zakłóceń, przetwarzaniu sygnałów bądź wyodrębnianiu informacji z potoków danych. Chociaż dobrze znana teoria filtrów pozwala na optymalny dobór parametrów, istnieją jednak takie zastosowania praktyczne, których wymagania ograniczają stosowanie filtrów cyfrowych. Jednym z ważniejszych ograniczeń jest opóźnienie odpowiedzi filtru, wynikające z konieczności korzystania ze zbyt wielu opóźnionych sygnałów wejściowych. Zaproponowana w artykule metoda umożliwia dobór parametrów filtru, zmniejszając jego opóźnienie przy zachowaniu istotnych dla użytkownika wymagań (np. tłumienia) za pomocą algorytmu genetycznego. Charakterystyki widmowe takich filtrów porównano z charakterystykami widmowymi najbardziej znanych filtrów klasycznych.

EN

Digital filters, either as filters with moving average (Finite Impulse Response) or autoregressive filters (Infinite Impulse Response), are widely used in noise suppression, signal processing or extracting information from data streams. Although well‑known theory allows for optimal parameter selection, there still exist such real applications where requirements limit the use of digital filters. One of the most important limitations is the response time delay caused by too many used lagged input signals. The method proposed in the article allows us to estimate filter parameters with a genetic algorithm, decreasing its delay but keeping the requirements important for the user (e.g.: attenuation). Transfer functions of such filters were compared with transfer functions of the most known classical filters.

13

Solving four-index transportation problem with the use of a genetic algorithm

63%

Skitsko V., Voinikov M.

LogForum

|

2020

|

vol. 16

|

issue 3

397-408

EN

Background: Under conditions of digital transformation, the effective decision-making process should involve the usage of different mathematical models and methods, one of which is the transportation problem. The transportation problem, as the problem of resource allocation, is applicable in such domains as manufacturing, information technologies, etc. To get more precise solutions, the multi-index transportation problem can be applied, which allows taking into account several variables. Methods: This paper develops an approach for applying the genetic algorithm for solving four-index transportation problems. Results: The steps of the genetic algorithm for solving four-index transportation problems are outlined. The research has proved the steps of the genetic algorithm to be the same for all four-index transportation problem types, except for the first step (initialization), which is described for every type of transportation problem separately. Based on the theoretical results, the program implementation of the genetic algorithm for solving four-index symmetric transportation problems has been developed with the open-source programming language typescript. Conclusions: The paper promotes the application of the genetic algorithm for solving multi-index transportation problems. The investigated problem requires comprehensive studies, specifically, on the influence of change different parameters of the genetic algorithm (population size, the mutation, and crossover rates, etc.) on the efficiency of the algorithm in solving four-index transportation problems.

PL

Wstęp: W warunkach komputerowej transformacji, efektywny proces podejmowania decyzji powinien obejmować wykorzystania modeli metod matematycznych. Przykładem takiej sytuacji jest problem transportowy, który jest problemem alokacji zasobów, występujący w takich obszarach jak produkcji, technologie informatyczne, itp. W celu uzyskania precyzyjniejszych rozwiązań, można zastosować wieloczynnikowy problem transportowy, który umożliwia uwzględnienie wielu zmiennych. Metody: W pracy zastosowano algorytm genetyczny dla rozwiązania czteroczynnikowych problemów transportowych. Wyniki: Wyszczególniono kroki algorytmu genetycznego dla czteroczynnikowego problem transportowego. Udowodnione, że kroki algorytmu genetycznego są takie same dla wszystkich typów czteroczynnikowych problemów transportowych, z wyjątkiem pierwszego kroku (inicjalizacji), który został opisany osobno dla każdego z typów problemu transportowego. W oparciu o wyniki teoretyczne, utworzono programowanie dla algorytmu genetycznego dla rozwiązywania czteroczynnikowych problemów transportowych przy użyciu opensourcowego języka typescript. Wnioski: W pracy zaproponowano zastosowanie algorytmu genetycznego dla rozwiązywania wieloczynnikowych problemów transportowych. Analizowany problem wymaga dalszych badań, szczególnie w zakresie wpływu zmian poszczególnych parametrów algorytmu genetycznego (wielkości populacji, mutacji, współczynnika podziału, itp.) na efektywność algorytmu w rozwiązywaniu czteroczynnikowych problemów transportowych.

14

TABU search and genetic algorithm for production process scheduling problem

63%

Burduk A., Musiał K., Kochańska J., Górnicka D., Stetsenko A.

LogForum

|

2019

|

vol. 15

|

issue 2

181-189

XX

Background: The paper deals with production process scheduling problem. In large companies, the decision-making process about operators’ work, machines availability and production flow is a very difficult task, which is often being done by employees. Thus, not always the decision made is optimal in terms of cost, production time, etc. Methods: As a solution, two intelligent methods: Tabu Search and the genetic algorithm have been analyzed in field of production scheduling. The aim of this work was to examine the possibility of improving presented decision-making process that is being performed when scheduling, using Tabu Search and genetic algorithms. As a result of experimental re-search, it has been confirmed that the use of appropriately selected and parameterized intelligent methods allows for the optimization of the analyzed production process due to its du-ration. The research was case of study performed in cooperation with company that produces components for automotive industry. Results: Basing on collected and analyzed data, considered methods can be more or less successfully used in production process scheduling. Comparing both used algorithms, Tabu Search twice proposed worse solutions, the average operational time was 1.63% shorter than the actual one. In this case, better results were reached by using genetic algorithm – potential operational time was always shorter than the actual one, and it was reduced by 6.3% in total on average. Conclusion: Using algorithms allowed to achieve lower workload of employees and to reduce of operational time, which were the evaluation criteria in performed research. Managers of the analyzed company were pleased with the proposed solution and declared interest in developing these methods for future. This shows that intelligent methods can find, in relatively short time, the solution that is close to the optimal and acceptable from the problem point of view.

PL

Wstęp: Artykuł opisuje problem harmonogramowania procesów produkcyjnych. W dużych przedsiębiorstwach proces podejmowania decyzji dotyczących pracy operatorów, maszyn, dostępności zasobów i przepływu produkcji jest bardzo złożonym zadaniem, często wykonywanym przez pracowników. W związku z tym podjęte decyzje nie zawsze są optymalne w kontekście kosztów, czasu produkcji itp. Metody: Jako rozwiązanie, przeanalizowane zostało użycie, w obszarze harmonogramowania produkcji, dwóch metod inteligentnych: Tabu Search i algorytmów genetycznych. Celem pracy było zbadanie możliwości doskonalenia procesu podejmowania decyzji, który jest wykonywany przy harmonogramowaniu produkcji, przy pomocy Tabu Search i algorytmów genetycznych. Jako wynik eksperymentu przeprowadzonego podczas badań, potwierdzono, że użycie odpowiednio wybranych oraz sparametryzowanych metod inteligentnych pozwala na optymalizację analizowanego procesu produkcji. Badania zostały wykonane we współpracy z przedsiębiorstwem zajmującym się produkcją komponentów dla branży motoryzacyjnej, jako studium przypadku. Wyniki: Zgodnie z zebranymi i przeanalizowanymi danymi, wybrane metody mogą być z mniejszym bądź większym powodzeniem stosowane w procesie harmonogramowania produkcji. Porównując zastosowane algorytmy, Tabu Search dwukrotnie zaproponował rozwiązanie gorsze od aktualnego podejścia przedsiębiorstwa, jednak czas produkcji został skrócony średnio o 1.63%. W tym przypadku, lepsze wyniki pozwoliło osiągnąć zastosowanie algorytmu genetycznego – potencjalny czas produkcji był zawsze krótszy od aktualnie stosowanego rozwiązania, a średni czas produkcji został zredukowany o 6.3%. Wnioski: Zastosowanie algorytmów pozwoliło na osiągnięcie niższego obciążenia pracą operatorów oraz zredukowanie czasu operacyjnego, co stanowiło kryteria oceny w przeprowadzonych badaniach. Kierownictwo analizowanego przedsiębiorstwa było zadowolone z zaproponowanych rozwiązań. Zdecydowali się na stosowanie omawianych metod w codziennym harmonogramowaniu produkcji oraz zadeklarowali zainteresowanie rozwojem stosowania metod w przyszłości. Metody inteligentne pozwalają znaleźć, w relatywnie krótkim czasie, rozwiązanie bliskie optymalnemu i akceptowalne z punktu widzenia analizowanego problemu.

15

The design of the public transport lines with the use of the fast genetic algorithm

63%

Król A.

LogForum

|

2015

|

vol. 11

|

issue 3

275-282

EN

Background: The growing role of public transport and the pressure of economic criteria requires the new optimization tools for process of public transport planning. These problems are computationally very complex, thus it is preferable to use various approximate methods, leading to a good solution within an acceptable time. Methods: One of such method is the genetic algorithm mimicking the processes of evolution and natural selection in the nature. In this paper, the different variants of the public transport lines layout are subjected to the artificial selection. The essence of the proposed approach is a simplified method of calculating the value of the fit function for a single individual, which brings relatively short computation time even for large jobs. Results: It was shown that despite the introduced simplifications the quality of the results is not worsened. Using the data obtained from KZK GOP (Communications Municipal Association of Upper Silesian Industrial Region) the described algorithm was used to optimize the layout of the network of bus lines located within the borders of Katowice. Conclusion: The proposed algorithm was applied to a real, very complex network of public transportation and a possibility of a significant improvement of its efficiency was indicated. The obtained results give hope that the presented model, after some improvements can be the basis of the scientific method, and in a consequence of a further development to find practical application.

PL

Wstęp: Rosnąca rola komunikacji publicznej przy jednoczesnym nacisku kryteriów ekonomicznych wymaga zastosowania nowych narzędzi optymalizacyjnych do procesu planowania transportu publicznego. Problemy te są bardzo złożone obliczeniowo, więc korzystne jest zastosowanie różnych metod przybliżonych, prowadzących do uzyskania dobrych rozwiązań w akceptowalnym czasie. Metody: Jedną z takich metod jest algorytm genetyczny, naśladujący procesy ewolucji i doboru naturalnego w przyrodzie. W prezentowanej pracy sztucznemu doborowi podlegają różne warianty układu linii komunikacji publicznej. Istotą proponowanego podejścia jest uproszczony sposób obliczania wartości funkcji dostosowania pojedynczego osobnika, co przynosi stosunkowo krótki czas obliczeń nawet dla dużych zadań. Wyniki: Pokazano, że mimo wprowadzonych uproszczeń, jakość uzyskanych rezultatów nie ulega pogorszeniu. Korzystając z danych uzyskanych od KZK GOP (Komunikacyjny Związek Komunalny Górnośląskiego Okręgu Przemysłowego) zastosowano opisywany algorytm do optymalizacji układu części sieci linii autobusowych znajdujących się w obrębie miasta Katowice. Wnioski: Zaproponowany algorytm zastosowano do rzeczywistej, bardzo złożonej sieci komunikacji publicznej uzyskując znaczącą poprawę jej efektywności. Otrzymane rezultaty dają nadzieję, że prezentowany model po udoskonaleniu i może być podstawą naukowej metody, a w konsekwencji dalszego rozwoju znaleźć praktyczne zastosowanie.

16

Teoria i metody algorytmu ewolucyjnego w uczeniu jednowarstwowej sieci neuronowej

51%

Płaczek S.

Zeszyty Naukowe Uczelni Vistula

|

2016

|

issue 49(4) Informatyka

23-39

PL

Rozwój teorii sztucznych sieci neuronowych, a także pojawienie się nowych, efektywnych narzędzi programistycznych (systemy wieloprocesorowe, programowanie wielowątkowe) umożliwia zastosowanie algorytmów genetycznych oraz ewolucyjnych do uczenia sztucznych sieci neuronowych (SSN). W literaturze dotyczącej zasad działania SSN podkreśla się ich atrakcyjne własności, takie jak: aproksymacja dowolnych nieliniowych odwzorowań, równolegle i rozproszone przetwarzanie, adaptacja i uczenie. Szczególnie równoległe i rozproszone przetwarzanie koresponduje ze strukturą algorytmu genetycznego i ewolucyjnego. Klasyczne algorytmy genetyczne operują na ciągach binarnych o stałej długości. Natomiast algorytmy ewolucyjne można interpretować jako uogólnienie algorytmów genetycznych. W algorytmach tych stosuje się zasady ewolucji i dziedziczenia oraz wykorzystuje się właściwą strukturę danych do reprezentacji chromosomów (liczby rzeczywiste, macierze, grafy). Definiuje się również inne operatory krzyżowania i mutacji. Tak więc struktura algorytmu ewolucyjnego jest prawie taka sama jak genetycznego. Różnice ukryte są na niższych poziomach przetwarzania – w strukturach danych. W artykule przedstawiono próbę implementacji algorytmu ewolucyjnego do uczenia jednowarstwowej sieci neuronowej. Sieć opisuje się w postaci macierzy połączeń między wektorami – wejściowym X oraz wyjściowym Y. Funkcja uczenia SSN zdefiniowana jest jako nieliniowa funkcja wag sieci oraz nieliniowej funkcji aktywacji minimalizującej błąd średniokwadratowy między wektorem wyjściowym Y a wektorem uczącym Z, dla całej paczki uczącej. Pojawienie się nieliniowości utrudnia zastosowanie algorytmu uczenia opartego na wstecznej propagacji błędu. Funkcja celu, oprócz minimum globalnego, może zawierać wiele minimów lokalnych, w których algorytm oparty na badaniu gradientu funkcji celu może się zatrzymać. Oczywiście stosuje się różne techniki i metody umożliwiające wyjście algorytmu z tego typu pułapek. Tym niemniej dla sprawdzenia poprawności otrzymanych wyników uruchamia się proces uczenia SSN dla różnych danych początkowych. W zaproponowanym algorytmie ewolucyjnym tworzy się zbiór osobników. Każdy z osobników przedstawia możliwe rozwiązanie zadania minimalizacji funkcji celu i jest reprezentowany przez macierzową strukturę danych. Każde rozwiązanie cząstkowe ocenia się na podstawie dopasowania funkcji celu, a następnie tworzy się nową populację (potomków) przez selekcję osobników o najlepszych dopasowaniach oraz dwa algorytmy krzyżowania i mutacji. W artykule omówiono zaproponowaną strukturę osobników, przyjęte algorytmy selekcji z ich wadami i zaletami oraz różne algorytmu krzyżowania i mutacji. Na wstępie zdefiniowano takie podstawowe pojęcia, jak gen, chromosom oraz najogólniejszą strukturę algorytmu ewolucyjnego. Artykuł ma charakter koncepcyjny.

EN

The article proposes implementation of a modified version of genetic algorithms in neural networks, what in literature is known as “evolutionary algorithm” or “evolutionary programming”. An evolutionary algorithm is a probabilistic algorithm that works in a set of weight variability of neurons and seeks the optimal value solution within a population of individuals, avoiding the local maximum. For chromosomes, the real value variables and matrix structure are proposed. In the article, this decision is widely elaborated and discussed. In the original versions of genetic algorithms, all variables’ values are transformed into binary versions. The chromosomes bit sequences could include thousands of positions. It does not simplify the crossover and mutation operations. Processes could be very time-consuming and the algorithm convergence could also be slow. For a single-layer neural network matrix data structure is used. A particular emphasis is put on mutation and crossover algorithms. What is also important in both genetic and evolutionary algorithms is the selection process. The primary population, known as the parent population, is employed to build a new set of individuals using the selection process. These individuals are known as the children population. The selection algorithm should converge on the two very important issues: population diversity and selective pressure. Selective pressure can manifest in the overrepresentation of the best individuals in the new population. The area, in which the optimal solution is sought, is reduced too fast. Premature convergence is not desirable due to the high probability of achieving the local maximum. Reducing the selective pressure may result in increasing the time it takes to search for the solution.

17

O programie badawczym teorii inteligentnego projektu

45%

Sagan D.

Filozoficzne Aspekty Genezy

|

2013

|

vol. 10

73-108

PL

Zgodnie z teorią inteligentnego projektu pewne zjawiska biologiczne i kosmiczne zostały zaprojektowane przez istotę inteligentną, która równie dobrze może być naturalna, jak nadnaturalna, a projekt ten jest wykrywalny naukowo. Krytycy wysuwają jednak zarzut, że o nienaukowym charakterze tej teorii świadczy fakt, iż nie jest ona użyteczna dla nauki, gdyż nie inspiruje nowych badań naukowych, hamując postęp nauki. Brak programu badawczego lub niedostatek realizowanych projektów badawczych dostrzegają nawet zwolennicy tej teorii, artykuł przedstawia jednak pewne możliwe w ramach teorii inteligentnego projektu badania. Chociaż z perspektywy metodologicznej opracowanie programu badawczego przez teoretyków projektu nie jest niezbędne, to realnie patrząc, ewentualny naukowy sukces teorii inteligentnego projektu zależy w dużej mierze od tego, czy zwolennicy tego ujęcia przekonają naukowców, że w jego ramach będą mogli coś robić, że może być ono dobrym, płodnym przewodnikiem badań, i dlatego wymaga od teoretyków projektu większego zaangażowania w wysiłek tworzenia i aktywnej realizacji programu badawczego niż można to było dotychczas zaobserwować z ich strony.

EN

According to intelligent design theory, certain biological and cosmic phenomena were designed by an intelligent being that could just as well be natural as supernatural, and this design is scientifically detectable. However, critics pose an objection that unscientific character of this theory is discernible in that it is not useful for science because it does not inspire new scientific research and thus it is stopping the progress of science. The lack of research program or scarcity of carried out research projects is recognized also by the proponents of that theory, but the article presents some possible research which intelligent design theory may inspire. Although the development of research program by design theorists is not necessary from the methodological perspective, in practice the potential scientific success of intelligent design theory depends largely on whether the proponents of this approach would convince scientists that thanks to it they can do something, that it could be a good, fruitful research guide, and thus demands more commitment of design theorists to the effort of forming and actively accomplishing a research program than it could have been observed so far.

Refine search results

An intelligent modeling method based on genetic algorithm for partner selection in virtual organizations

SELECTION OF WORKING DATABASE FOR THE GENETIC ALGORITHM PROCESSING DATA OF EXCHANGE QUOTATIONS

A genetic algorithm for vehicle routing in logistic networks with practical constraints

A Genetic Algorithm to Minimize the Total Tardiness for M-Machine Permutation Flowshop Problems

Some Aspects of the Application of Genetic Algorithm for Solving the Assignment Problem of Tasks to Resources in a Transport Company

Sensor Network Deployment Optimization for Improved Area Coverage Using a Genetic Algorithm

Genetic Algorithms for Solving Scheduling Problems in Manufacturing Systems

Performance analysis of the partial use of a local optimization operator on the genetic algorithm for the Travelling Salesman Problem

Advanced Investment Strategy for Trading Major Currency Pairs

The kernel and shell structure as a tool for improving the graph of transportation connections

Аналіз теоретичних основ оптимізації портфеля високих технологій

On Using a Genetic Algorithm in the Designing of Linear Digital Filters

Solving four-index transportation problem with the use of a genetic algorithm

TABU search and genetic algorithm for production process scheduling problem

The design of the public transport lines with the use of the fast genetic algorithm

Teoria i metody algorytmu ewolucyjnego w uczeniu jednowarstwowej sieci neuronowej

O programie badawczym teorii inteligentnego projektu