Zastosowanie skierowanych liczb rozmytych w wybranych algorytmach optymalizacji rojowej

• Druk: 2019
• Autor: Jacek M. Czerniak
• Wydawca: Wydawnictwo Uniwersytetu Kazimierza Wielkiego w Bydgoszczy

Monografia jest podsumowaniem ostatniej dekady prac badawczych autora w dziedzinie sztucznej inteligencji, a szczególnie metod inteligencji rojowej (ang. Swarm Intelligence). Przedstawiono w niej nowe metaheurystyki powstałe w wyniku wprowadzenia teorii Skierowanych Liczb Rozmytych Witolda Kosińskiego do metod rojowych. W pracy znajdują się też całkiem nowe metody optymalizacji, które opracowano pod kierunkiem autora, czerpiąc bezpośrednie inspiracje z przyrody. Jeden z rozdziałów monografii poświęcony został skierowanym liczbom rozmytym, gdzie w szczególności zaprezentowano rezultaty oryginalnych badań podstawowych, którymi kierował autor w laboratorium AIRlab.

• Kategorie:
  1. Ebooki i Audiobooki »
  2. Ebooki »
  3. Ebooki popularnonaukowe i specjalistyczne »
  4. Technika
• Język wydania: polski
• ISBN: 978-83-8018-219-6
• Liczba stron: 266

Wprowadzenie 1
Cześć I Skierowane liczby rozmyte 5
1. Zbiory rozmyte 7
	1.1 Teoria Lotfi Zadeha 7
	1.2 Stopien przynaleznosci 10
	1.3 Wskazniki zbioru rozmytego 11
	1.4 Klasyfikacja zbiorów rozmytych 15
	1.5 Działania na zbiorach rozmytych 17
2. Liczby rozmyte 23
	2.1 Pojecie liczby rozmytej 23
	2.2 Zasada rozszerzania Zadeha 23
	2.3 Definowanie operacji na liczbach rozmytych 24
3. Skierowane liczby rozmyte (OFN)  31
	3.1 Wprowadzenie do teorii OFN  31
	3.2 Rozmyta obserwacja  33
	3.3 Graficzna reprezentacja OFN  34
	3.4 Arytmetyka OFN 37
	3.5 Operatory wyostrzania 45
		3.5.1 Klasycznie znane metody wyostrzania 45
		3.5.2 Specyfika metod wyostrzania dedykowanych dla OFN  46
		3.5.3 Definicja operatora wyostrzania Golden Ratio  48
		3.5.4 Definicja operatora wyostrzania Mandala Factor 51
		3.5.5 Metoda trójkatnego rozszerzania  53
		3.5.6 Definicja operatora wyostrzania Triangular Expanding 55
		3.5.7 Podsumowanie  58
	3.6 Rezultaty zastosowania operatorów wyostrzania na liczbach OFN  59
	3.7 Operator normalizacji 67
		3.7.1 Operator normalizacji liczb OFN 67
		3.7.2 Matematyczne podstawy operatora SNO  68
		3.7.3 Katalog kształtów liczb OFN69
		3.7.4 Zbiór normalizacji liczb OFN o unikalnych kształtach  71
		3.7.5 Podsumowanie 76
Cześć II Optymalizacja kolonia mrówek 77
4. Charakterystyka systemów mrowiskowych  79
	4.1 Ogólna charakterystyka systemów mrówkowych 79
	4.2 Model AS (Ant Systems) 81
	4.3 Model EAS (Elitist Ant System) 83
	4.4 Model MMAS (Max-Min Ant System)  84
	4.5 Model ASrank (Rank Based Ant System) 85
	4.6 Model ACO (Ant Colony Optimization) 85
5. Zastosowanie skierowanych liczb rozmytych w systemach mrowiskowych 91
	5.1 Nowa metoda optymalizacji mrówkowej OFNAnt 91
	5.2 Eksperyment  92
		5.2.1 Metodologia przeprowadzania eksperymentów 92
		5.2.2 Oprogramowanie uzyte w eksperymentach  93
		5.2.3 Dane eksperymentalne  93
	5.3 Rezultaty przeprowadzonych eksperymentów  94
	5.4 Podsumowanie   99
Cześć III Optymalizacja rojem pszczół 103
6. Charakterystyka systemów pszczelej optymalizacji 105
	6.1 Ogólna charakterystyka systemów pszczelich 105
	6.2 Model MBO (Marriage In Honey-Bees Optimization) 108
	6.3 Model BCO (Bee Colony Optimization) 109
	6.4 Model ABC (Artificial Bee Colony) 111
7. Zastosowanie skierowanych liczb rozmytych w systemach pszczelej optymalizacji 115
	7.1 Wprowadzenie do nowej metody 115
	7.2 Nowa metoda pszczelej optymalizacji OFNBee 118
	7.3 Eksperymenty i wyniki dla problemów konstrukcyjnych 119
	7.4 Podsumowanie 123
Cześć IV Optymalizacja kolonia roztoczy 125
8. Charakterystyka systemów optymalizacji kolonia roztoczy 127
	8.1 Ogólna charakterystyka roztoczy  127
	8.2 Optymalizacja selekcji za pomoca sztucznego roztocza 129
		8.2.1 Zachowania społeczne roztoczy  129
		8.2.2 Nowy algorytm optymalizacji MGlaber 131
		8.2.3 Srodowisko eksperymentu  132
		8.2.4 Podsumowanie 138
9. Zastosowanie skierowanych liczb rozmytych w systemach roztoczy 141
	9.1 Model AAO (Artificial Acari Optimization) 141
		9.1.1 Wprowadzenie  141
		9.1.2 Metoda Artificial Acari Optimization  142
		9.1.3 Funkcje testujace i wyniki optymalizacji 145
		9.1.4 Podsumowanie 172
Zakonczenie 173
	10.1 Podsumowanie i wnioski 173
	10.2 Kierunki dalszych badan 175
		10.2.1 Wprowadzenie do metody optymalizacji stadem swin  175
		10.2.2 Nowa metoda optymalizacji ADPO (Artificial Duroc Pigs Optimization) 177
Dodatek A  185
	11.1 Metodyka prowadzenia badan eksperymentalnych 185
	11.2 Zbiór matematycznych funkcji testujacych 186
		11.2.1 Funkcja Ackley 186
		11.2.2 Funkcja Eggholder  186
		11.2.3 Funkcja Rastrigin  188
		11.2.4 Funkcja Griewangk 188
		11.2.5 Funkcja Beale  189
		11.2.6 Funkcja Schwefel 191
		11.2.7 Funkcja Sphere 191
		11.2.8 Funkcja Easom  192
		11.2.9 Funkcja Matyas 193
		11.2.10 Funkcja Levy N.13 194
	11.3 Zbiór mechanicznych problemów testujacych 196
		11.3.1 Problem spawanej belki 196
		11.3.2 Problem zbiornika cisnieniowego 198
		11.3.3 Problem reduktora predkosci  199
		11.3.4 Problem rozciagania i sciskania sprezyny 201
		11.3.5 Problem kratownicy o trzech pretach 203
		11.3.6 Problem kratownic o dwóch i stu dwudziestu pretach 204
		11.3.7 Problem przekładni zebatej  207
		11.3.8 Problem sprezyny srubowej  208
		11.3.9 Problem tarczy hamulcowej  209
Dodatek B  211
	12.1 Zbiór normalizacji wszystkich kształtów liczby OFN 211
Bibliografia  251