Temat: particle swarm optimization

Skocz do pozycji: 1.

Tytuł:: Comparative Study of Particle Swarm Optimization and Genetic Algorithms for Complex Mathematical Functions
Autorzy:: Valdez, F.
Melin, P.
Tematy:: genetic algorithms
particle swarm optimization (PSO)
hybrid systems
optimization; Pokaż więcej
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Powiązania:: https://bibliotekanauki.pl/articles/384575.pdf Link otwiera się w nowym oknie
Opis:: The Particle Swarm Optimization (PSO) and the Genetic Algorithms (GA) have been used successfully in solving problems of optimization with continuous and combinatorial search spaces. In this paper the results of the application of PSO and GAs for the optimization of mathematical functions are presented. These two methodologies have been implemented with the goal of making a comparison of their performance in solving complex optimization problems. This paper describes a comparison between a GA and PSO for the optimization of complex mathematical functions.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 2.

Tytuł:: Application of a particle swarm optimization to a physically-based erosion model
Zastosowanie optymalizacji zbioru rozproszonych czasteczek do modelu erozji opartego na podstawach fizycznych
Autorzy:: Santos, C A G
Pinto, L.E.M.
De Macedo Machado Freire, P.K.
Mishra, S.K.
Tematy:: particle swarm optimization
application
erosion model
erosion simulation
run-off
optimization
erosion parameter; Pokaż więcej
Wydawca:: Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
Powiązania:: https://bibliotekanauki.pl/articles/81761.pdf Link otwiera się w nowym oknie
Opis:: The difficulties involved in calibration of physically based erosion models have been partly attributable to the lack of robust optimization tools. This paper presents the essential concepts and application to optimize channel and plane parameters in an erosion model, with a global optimization method known as Repulsive Particle Swarm (RPS), a variant of Particle Swarm Optimization (PSO) method. The physically-based erosion model that which was chosen is called WESP (watershed erosion simulation program). The optimization technique was tested with the field data collected in an experimental watershed located in a semi-arid region of Brazil. On the basis of these results, the recommended erosion parameter values for a semi-arid region are given, which could serve as an initial estimate for other similar areas.
Trudności w kalibracji modeli erozji opartych na podstawach fizycznych przyczyniły się do braku ogólnych narzędzi optymalizacji. W pracy przedstawiono podstawowe koncepcje i zastosowanie do zoptymalizowania parametrów kanału i płaszczyzny w modelu erozji, globalną metodą optymalizacji znaną jako Repulsive Particle Swarm (RPS), wariantem metody Particle Swarm Optimisation (SPO). Fizycznie uzasadniony model erozji, który został wybrany jest nazywany WESP (watershed erosion simulation program). Technika optymalizacji została wypróbowana na danych terenowych zebranych w zlewni eksperymentalnej zlokalizowanej w umiarkowanie suchym regionie Brazylii. Na podstawie tych wyników przedstawiono wartości rekomendowanego parametru erozji dla umiarkowanie suchego regionu, który może służyć jako początkowe oszacowanie dla podobnych obszarów.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 3.

Tytuł:: Design of a Predictive PID Controller Using Particle Swarm Optimization
Autorzy:: Mustafa, Norhaida
Hashim, Fazida Hanim
Tematy:: proportional integral derivative controller
particle swarm optimization (PSO) algorithm
optimization
predictive PID; Pokaż więcej
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Powiązania:: https://bibliotekanauki.pl/articles/1844451.pdf Link otwiera się w nowym oknie
Opis:: The proportional-integral-derivative (PID) controller is widely used in various industrial applications such as process control, motor drives, magnetic and optical memory, automotive, flight control and instrumentation. PID tuning refers to the generation of PID parameters (Kp, Ki, Kd) to obtain the optimum fitness value for any system. The determination of the PID parameters is essential for any system that relies on it to function in a stable mode. This paper proposes a method in designing a predictive PID controller system using particle swarm optimization (PSO) algorithm for direct current (DC) motor application. Extensive numerical simulations have been done using the Mathwork’s Matlab simulation environment. In order to gain full benefits from the PSO algorithm, the PSO parameters such as inertia weight, iteration number, acceleration constant and particle number need to be carefully adjusted and determined. Therefore, the first investigation of this study is to present a comparative analysis between two important PSO parameters; inertia weight and number of iteration, to assist the predictive PID controller design. Simulation results show that inertia weight of 0.9 and iteration number 100 provide a good fitness achievement with low overshoot and fast rise and settling time. Next, a comparison between the performance of the DC motor with PID-PSO, with PID of gain 1, and without PID were also discussed. From the analysis, it can be concluded that by tuning the PID parameters using PSO method, the best gain in performance may be found. Finally, when comparing between the PID-PSO and its counterpart, the PI-PSO, the PID-PSO controller gives better performance in terms of robustness, low overshoot (0.005%), low minimum rise time (0.2806 seconds) and low settling time (0.4326 seconds).
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 4.

Tytuł:: Effectiveness of the MPSO algorithm in optimization of the coil arrangement
Skuteczność algorytmu MPSO w optymalizacji układu cewek
Autorzy:: Borowska, B.
Tematy:: elektromagnetyzm
optymalizacja
algorytm PSO
pole magnetyczne
electromagnetism
optimization
particle swarm optimization (PSO)
magnetic field; Pokaż więcej
Wydawca:: Sieć Badawcza Łukasiewicz - Instytut Elektrotechniki
Powiązania:: https://bibliotekanauki.pl/articles/159534.pdf Link otwiera się w nowym oknie
Opis:: One of the most important problems in designing of various constructions is optimization of technical facilities. The optimization process leads to find the best solution of a considered problem, and the solution should meet established criteria. Evolutionary algorithms have been found to be effective in solving such optimization problems. In the following paper, a modification of the PSO algorithm has been proposed in order to determine an optimal geometry of the coil arrangement evoking, in a defined active area, magnetic field of the largest possible gradient, and simultaneously keep this gradient relatively stable. The computations confirmed high efficiency of the proposed method. The results were also compared with the achievements of other evolutionary algorithms.
Jednym z najważniejszych zagadnień w projektowaniu różnych konstrukcji jest optymalizacja urządzeń technicznych. Jej celem jest znalezienie najlepszego rozwiązania rozpatrywanego zagadnienia o najlepszych w sensie przyjętych kryteriów parametrach. Do rozwiązywania tego typu zadań m.in. stosuje się algorytmy ewolucyjne. Aby algorytm był skuteczny często niezbędne jest jednak przeprowadzenie bardzo dużej liczby obliczeń. W celu redukcji kosztów obliczeń w artykule zaproponowano algorytm MPSO będący modyfikacją algorytmu PSO do problemu wyznaczenia optymalnej konstrukcji. Zadaniem zaproponowanego algorytmu było wyznaczenie optymalnej geometrii układu cewek generujących w zdefiniowanym obszarze aktywnym pola magnetycznego o możliwie dużym gradiencie przy zachowaniu jak największej stałości tego gradientu. Na podstawie przeprowadzonych badań, dokonano porównania efektywności zaproponowanej metody MPSO z osiągnięciami standardowego algorytmu optymalizacji cząsteczkowej PSO oraz algorytmu Θ-PSO zaproponowanego przez Zhong i innych [24]. Przeprowadzone obliczenia potwierdziły skuteczność algorytmu MPSO.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 5.

Tytuł:: Particle swarm optimization based fuzzy clustering approach to identify optimal number of clusters
Autorzy:: Chen, M.
Ludwig, S. A.
Tematy:: optimization
fuzzy clustering
cluster analysis
particle swarm optimization (PSO)
PSO
fuzzy Sammon mapping
Sammon mapping; Pokaż więcej
Wydawca:: Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Powiązania:: https://bibliotekanauki.pl/articles/91549.pdf Link otwiera się w nowym oknie
Opis:: Fuzzy clustering is a popular unsupervised learning method that is used in cluster analysis. Fuzzy clustering allows a data point to belong to two or more clusters. Fuzzy c-means is the most well-known method that is applied to cluster analysis, however, the shortcoming is that the number of clusters need to be predefined. This paper proposes a clustering approach based on Particle Swarm Optimization (PSO). This PSO approach determines the optimal number of clusters automatically with the help of a threshold vector. The algorithm first randomly partitions the data set within a preset number of clusters, and then uses a reconstruction criterion to evaluate the performance of the clustering results. The experiments conducted demonstrate that the proposed algorithm automatically finds the optimal number of clusters. Furthermore, to visualize the results principal component analysis projection, conventional Sammon mapping, and fuzzy Sammon mapping were used.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 6.

Tytuł:: Optymalizacja cyklu roboczego manipulatora z parami obrotowymi
Optimization of work cycle of manipulator with revolute joints
Autorzy:: Posiadała, B.
Tomala, M.
Tematy:: manipulator
aktuator
modelowanie dynamiki
optymalizacja pracy
metoda roju cząstek
actuator
dynamics modelling
optimization
particle swarm optimization (PSO); Pokaż więcej
Wydawca:: Poltegor-Instytut Instytut Górnictwa Odkrywkowego
Powiązania:: https://bibliotekanauki.pl/articles/171143.pdf Link otwiera się w nowym oknie
Opis:: W artykule przedstawiono zagadnienie optymalizacji cyklu roboczego manipulatora wyposażonego w kinematyczne pary obrotowe. Jako kryterium optymalizacji przyjęto minimalizację obciążeń w aktuatorach manipulatora oraz minimalizację całkowitego czasu wykonania przez manipulator cyklu roboczego, polegającego na transporcie końcówki roboczej z jednego punktu trójwymiarowej przestrzeni do innego. W pracy zamieszczono przykładowe wyniki obliczeń numerycznych.
In this work, the problem of work cycle optimization of manipulator with revolute joints has been presented. The optimization purposes to minimize torques in actuators of the manipulator and total time of the work cycle. The work cycle is to move end-effector from one point of spatial workspace to another. An exemplary computation has been performed and results of the computation have been attached to the paperwork.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 7.

Tytuł:: Repulsive self - adaptive acceleration particle swarm optimization approach
Autorzy:: Ludwig, S. A.
Tematy:: adaptive Particle Swarm Optimization
adaptive PSO
optimization
Repulsive Self-adaptive Acceleration PSO
RSAPSO
velocity weights
optimal solution of the problem
function evaluations; Pokaż więcej
Wydawca:: Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Powiązania:: https://bibliotekanauki.pl/articles/91874.pdf Link otwiera się w nowym oknie
Opis:: Adaptive Particle Swarm Optimization (PSO) variants have become popular in recent years. The main idea of these adaptive PSO variants is that they adaptively change their search behavior during the optimization process based on information gathered during the run. Adaptive PSO variants have shown to be able to solve a wide range of difficult optimization problems efficiently and effectively. In this paper we propose a Repulsive Self-adaptive Acceleration PSO (RSAPSO) variant that adaptively optimizes the velocity weights of every particle at every iteration. The velocity weights include the acceleration constants as well as the inertia weight that are responsible for the balance between exploration and exploitation. Our proposed RSAPSO variant optimizes the velocity weights that are then used to search for the optimal solution of the problem (e.g., benchmark function). We compare RSAPSO to four known adaptive PSO variants (decreasing weight PSO, time-varying acceleration coefficients PSO, guaranteed convergence PSO, and attractive and repulsive PSO) on twenty benchmark problems. The results show that RSAPSO achives better results compared to the known PSO variants on difficult optimization problems that require large numbers of function evaluations.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 8.

Tytuł:: Research on the influence of airflow resistance of layered porous structures on the sound absorption coefficient
Autorzy:: Flach, Artur
Tematy:: airflow resistance
anechoic wedges
transfer matrix method
optimization
PSO
particle swarm optimization
opór przepływu powietrza
kliny akustyczne
metoda macierzy przejścia
optymalizacja
optymalizacja roju cząstek; Pokaż więcej
Wydawca:: Politechnika Poznańska. Instytut Mechaniki Stosowanej
Powiązania:: https://bibliotekanauki.pl/articles/24201972.pdf Link otwiera się w nowym oknie
Opis:: The paper presents the research on the influence of airflow resistance on the sound absorption coefficient of layered porous structures. For the calculation of the sound absorption coefficient, the models of layered sound-absorbing structures were developed with the use of numerical computational models. Using the developed models, optimization was carried out to maximize the average sound absorption coefficient of the structures for a given frequency range. As a result of the research, the dependence of the change in airflow resistance for the successive layers of the material was determined. The results of the work will be particularly useful in the design of wedges used in anechoic chambers.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 9.

Tytuł:: Optimization algorithm for number and wells placement
Algorytm optymalizacji liczby i położenia odwiertów
Autorzy:: Łętkowski, Piotr
Tematy:: optimization
reservoir simulation
swarm intelligence
particle swarm optimization (PSO)
optimal number of wells
optimal well placement
optymalizacja
symulacje złożowe
inteligencja roju
optymalizacja rojem cząstek
optymalna liczba odwiertów
optymalne położenie odwiertów; Pokaż więcej
Wydawca:: Instytut Nafty i Gazu - Państwowy Instytut Badawczy
Powiązania:: https://bibliotekanauki.pl/articles/1834980.pdf Link otwiera się w nowym oknie
Opis:: Determination of the optimal number and placement of production wells is crucial for the effective depletion of the hydrocarbon reservoir. Due to the strongly non-linearity of the problem and the occurrence of multiple local minimums in the response function the non-gradient optimization methods in combination with reservoir simulations are most commonly used for its solution. However, it should be noted that most of the research works dedicated to this issue describe the process of placement optimization but not the number of drilling wells assuming that it was arbitrary set. This is partly due to the fact that known and used optimization methods operate on a fixed number of optimization parameters, therefore the number of production wells can not change during the optimization process. The paper is dedicated to the attempt to build an algorithm that allows simultaneous optimization of the number and position of production wells with respect to the discounted profit in a given period of operation. The basic optimization method in the presented algorithm is the Particle Swarm Optimization (PSO) – one of the most effective non-gradient optimization methods that belongs to the group of methods applying the swarm’s intelligence. Taking into account the number of drilling wells in the optimization process means that the algorithm operates on a variable number of parameters. The objective algorithm starts optimization from an arbitrarily set number of producers, reducing it gradually. Efficiency tests conducted on the sample reservoir PUNQ-S3 indicated a satisfactory convergence of the proposed method. The computing program created implements the mechanisms of convergence enhancement by improving the boundary conditions for the optimization method. The minimum separation distance control between production wells was also introduced at the initial stage of optimization process. Although the algorithm is characterized by satisfactory convergence it would be advisable to improve it by using a hybrid method to increase its effectiveness in the local optimization phase and to introduce minimum well spacing during the entire optimization process.
Określenie optymalnej liczby i położenia odwiertów eksploatacyjnych jest kluczowe dla efektywnej eksploatacji złoża węglowodorowego. Ze względu na silnie nieliniowy charakter problemu oraz występowanie w funkcji odpowiedzi wielokrotnych minimów lokalnych do jego rozwiązania najczęściej wykorzystywane są bezgradientowe metody optymalizacyjne w połączeniu z symulacjami złożowymi. Należy jednak zauważyć, że większość prac poświęconych temu zagadnieniu opisuje proces optymalizacji położenia, a nie liczby odwiertów, przyjmując, że jest ona dana arbitralnie. Wynika to po części z faktu, że znane i stosowane metody optymalizacyjne operują na stałej liczbie parametrów optymalizacyjnych, w związku z czym liczba odwiertów wydobywczych nie może zmieniać się w trakcie procesu optymalizacji. Artykuł jest poświęcony próbie zbudowania algorytmu umożliwiającego równoczesną optymalizację liczby i położenia odwiertów wydobywczych ze względu na zdyskontowany zysk w zadanym okresie eksploatacji. Podstawową metodą optymalizacyjną w prezentowanym algorytmie jest optymalizacja rojem cząstek (ang. PSO) – jedna z najbardziej efektywnych metod optymalizacji bezgradientowej, należąca do grupy metod wykorzystujących inteligencję roju. Próby efektywności metody przeprowadzone na przykładzie złoża testowego PUNQ-S3 wskazały na zadowalającą zbieżność zaproponowanej metody, dla której na początkowym etapie zastosowano kontrolę minimalnej odległości pomiędzy odwiertami. Jakkolwiek algorytm charakteryzuje się zadowalającą zbieżnością, to jednak wskazane byłoby jego udoskonalenie poprzez wykorzystanie metody hybrydowej w celu zwiększenia jego efektywności w fazie optymalizacji lokalnej oraz wprowadzenie kontroli odległości minimalnej w trakcie całego procesu optymalizacji.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 10.

Tytuł:: Optymalizacja położenia odwiertów wydobywczych ze względu na czas trwania plateau wydobycia
Well placement optimization for constant production rate
Autorzy:: Łętkowski, Piotr
Tematy:: optymalizacja
symulacje złożowe
inteligencja roju
optymalizacja rojem cząstek
optymalna liczba odwiertów
optymalne położenie odwiertów
mapa potencjału produktywności
optimization
reservoir simulation
swarm intelligence
particle swarm optimization
optimal number of wells
optimal well placement
productivity potential map; Pokaż więcej
Wydawca:: Instytut Nafty i Gazu - Państwowy Instytut Badawczy
Powiązania:: https://bibliotekanauki.pl/articles/31348130.pdf Link otwiera się w nowym oknie
Opis:: Określenie optymalnego rozmieszczenia odwiertów eksploatacyjnych na złożu węglowodorów jest kluczowe dla jego efektywnej eksploatacji. Tak sformułowane zagadnienie stanowi złożony problem optymalizacyjny, którego rozwiązanie w postaci lokalizacji odwiertów zależy między innymi od sposobu zdefiniowania funkcji celu. W literaturze najczęściej występują dwie postacie funkcji celu: zysk bieżący netto (NPV) oraz sumaryczne wydobycie ropy naftowej. Rzadziej spotykana jest funkcja celu bazująca na równomierności sczerpania złoża. Artykuł jest poświęcony próbie zastosowania funkcji celu opartej na czasie wydobycia ropy ze stałą wydajnością (tzw. plateau). Optymalizację prowadzono dla sumarycznego wydobycia ropy oraz zysku bieżącego netto w czasie trwania fazy plateau. W tym celu zbudowano hybrydowy algorytm optymalizacyjny bazujący na optymalizacji rojem cząstek. Zastosowanie algorytmu hybrydowego łączącego trzy mechanizmy wynikało z jednej strony z konieczności poprawienia skuteczności podstawowej metody optymalizacyjnej, z drugiej zaś miało na celu ograniczenie tzw. przedwczesnej zbieżności. Cele te zostały zrealizowane poprzez wykorzystanie mapy potencjału produktywności oraz wprowadzenie mechanizmu mutacji. Optymalizację prowadzono dla dwóch różnych sposobów sterowania odwiertami: sterowania grupowego ze stałą wydajnością oraz sterowania indywidualnego. Zbudowany algorytm potwierdził efektywność, uzyskując wzrost wartości funkcji celu w stosunku do wartości pierwotnej od 40% do 300%. We wszystkich analizowanych przypadkach algorytm rozmieścił odwierty produkcyjne poprawnie, co do zasady. Odwierty zostały rozmieszczone w strefie ropnej w bezpiecznej odległości zarówno od kontaktu woda–ropa, jak i ropa–gaz, przy czym stwierdzono pewne różnice w zależności od przyjętej funkcji celu. Przeprowadzone symulacje potwierdziły możliwość zastosowania czasu trwania plateau jako funkcji celu dla optymalizacji położenia odwiertów produkcyjnych.
Determining the optimal placement of production wells in a hydrocarbon reservoir is crucial for the effective exploitation. The problem formulated in this way is a complex optimization problem, the solution of which in the form of the location of the wells depends, inter alia, on the method of defining the objective function. Two forms of the objective function are most often found in the literature. These are the net pay value (NPV) and total oil production. The objective function based on the uniformity of the reservoir depletion is less common. The article is devoted to an attempt to apply the objective function based on the duration of oil production with a constant production rate (the so-called production plateau). The optimization was carried out for the total oil production and for the net pay value for the plateau period. The need to use a hybrid algorithm combining three mechanisms resulted, on the one hand, from the need to improve the effectiveness of the basic optimization method, and on the other hand, to reduce the so-called “premature convergence”. For this purpose, a hybrid optimization algorithm based on particle swarm optimization was built. These goals were achieved through the use of a productivity potential map and a mutation mechanism. Optimization was carried out for two different well control methods: group control with constant production rate and individual well control. The developed algorithm confirmed the effectiveness, obtaining an increase in the value of the objective function in relation to the original value from 40% to 300%. As a rule, the algorithm placed the production wells correctly in all analyzed cases. The well were located in the oil zone at a safe distance from both water-oil and oil-gas contacts, with some differences depending on the target function adopted. The simulations carried out confirmed the possibility of using the plateau duration as a function of the objective for optimizing the location of production wells.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Informacja

Wyszukujesz frazę "particle swarm optimization" wg kryterium: Temat