Evolutionary computation has been widely used in computer science for decades. Even though it started as far back as the 1960s with simulated evolution, the subject is still evolving. During this ...time, new metaheuristic optimization approaches, like evolutionary algorithms, genetic algorithms, swarm intelligence, etc., were being developed and new fields of usage in artificial intelligence, machine learning, combinatorial and numerical optimization, etc., were being explored. However, even with so much work done, novel research into new techniques and new areas of usage is far from over. This book presents some new theoretical as well as practical aspects of evolutionary computation. This book will be of great value to undergraduates, graduate students, researchers in computer science, and anyone else with an interest in learning about the latest developments in evolutionary computation.
Genetski algoritmi su jedna vrsta evolucijskih algoritama. Evolucijski
algoritmi, kao što i samo ime govori, posebna su vrsta algoritama
inspirirana procesom evolucije. Glavna ideja evolucijskih ...algoritama je,
koristeći metodu pokušaja i pogrešaka, simulirati proces evolucije te
ga primijeniti na rješavanje raznih optimizacijskih problema.
Promotrimo sada podrobnije kako je pojam evolucije povezan s
evolucijskim algoritmima. U teoriji evolucije, neku okolinu nastanjuje
populacija jedinki kojima je “cilj” preživjeti i razmnožavati se.
Podobnost (eng. fitness) tih jedinki govori nam koliko je pojedina
jedinka uspješna u ispunjavanju tih ciljeva, odnosno, ona reprezentira
šansu jedinke da preživi dovoljno dugo kako bi se razmnožavala. U
kontekstu rješavanja problema, jedinke izjednačavamo s kandidatima
za rješenje. Kvaliteta tih potencijalnih rješenja nam govori koliko
dobro ona aproksimiraju rješenje problema. Nju možemo iskoristiti
kako bismo odlučili s kolikom će vjerojatnošću određeni kandidat za
rješenje sudjelovati u konstrukciji sljedećih kandidata (intuitivno, što
kandidat za rješenje bolje aproksimira rješenje ta bi vjerojatnost
trebala biti veća).
Ovaj članak predstavlja novi pristup za određivanje optimalne raspodjele regulacijskih rezervi (RR) između raspoloživih regulacijskih proizvodnih jedinica. Razvijen je korištenjem evolucijskog ...algoritma za minimiziranje gubitaka prijenosa i proračuna tokova snaga iterativnom metodom sa korekcijom reaktivne snage za regulaciju napona. Ovaj pristup uključuje uporabu stvarnih operativnih podataka izravno iz dispečerskog centra, kao i dnevne i satne planove potrošnje i proizvodnje iz vjetroelektrana za utvrđivanje potrebne snage za regulaciju frekvencije. Testiranjem predloženog pristupa na studiji slučaja, pokazana je mogućnost primjene na realnim elektroenergetskim sustavima. Dobiveni rezultati ispitivanja sa stvarnim podacima Hrvatskog kontrolnog područja pokazuju znatne uštede u troškovima pomoćnih usluga i uočljiv utjecaj različitih odstupanja proizvodnje od plana svake pojedine vjetroelektrane na optimalnu raspodjelu RR.
U cilju unapređenja konceptualne faze razvoja vozila, ovo istraživanje je usmjereno na razvoj novog višekriterijskog optimizacijskog modela za određivanje optimalnih parametara ovjesa vozila. U ovom ...istraživanju naglasak je na razvoju ovjesa vozila promatrano kroz dinamičko ponašanje kompletnog vozila. Novi optimizacijski model temelji se na integraciji brzih simulacijskih alata s zadovoljavajućom razinom točnosti za analizu kinematike ovjesa i dinamiku vozila unutar okruženja za višekriterijsko optimiranje. Nužni koraci koji prethode razvoju optimizacijskog modela su identifikacija utjecajnih parametara, definiranje kriterija za ocjenu dinamičkih karakteristika vozila u različitim ispitnim procedurama i odabir višekriterijskih optimizacijskih algoritama, prvenstveno suvremenih evolucijskih algoritama. Usporedba optimizacijskih algoritama pokazala je da se najbolji rezultati u pogledu konvergencije, broja mogućih rješenja, trajanja računanja i približavanja Pareto fronti postižu s FMOGA-II algoritmom.
Napredna proizvodnja zahtijeva snažne alate za pouzdano modeliranje i rješavanje složenih optimizacijskih
problema u obradi odvajanjem čestica. U ovom se radu predlaže nekonvencionalni pristup koji ...koristi evolucijske
algoritme nadahnute Darwinovim otkrićima o evoluciji bioloških vrsta i opstanku najprilagođenijih organizama (tj.
prirodnoj selekciji). Pristup je ilustriran na pokusu gruboga uzdužnog tokarenja. Genetsko programiranje (GP)
korišteno je za razvijanje modela postojanosti alata, tangencijalne komponente sile rezanja i hrapavosti površine
razmatrajući brzinu rezanja, posmak i dubinu rezanja kao predodređene parametre rezanja. Konačno, za njihovu je
optimizaciju primijenjen genetski algoritam (GA).
U tekstu je prikazan primjer praktične primjene evolucijskih algoritama (kratica EA). Prikazano je evolucijskom strategijom potpomognuto ugađanje parametara PID regulatora primijenjenog na procesu ...izmjene topline. U nastavku teksta navedena su glavna područja uspješne primjene evolucijskih algoritama. Za one koji žele saznati više o području evolucijskih algoritama na kraju su navedeni korisni izvori informacija, kao i udruge koje okupljaju EA istraživače.
U tekstu je sažeto prikazan povijesni razvoj i osnovna zamisao primjene mehanizma prirodne evolucije pri optimiranju, učenju i modeliranju. Usporedo su objašnjeni glavni pojmovi i postupci prirodne i ...formalno predočene evolucije poznate pod skupnim imenom evolucijski algoritmi (skraćeno EA). Navedena je podjela inteligentnih algoritama u koje spadaju i EA, te navedene njihove značajke, prednosti i područja primjene. Jednostavnim primjerom ilustrirana je praktična predodžba pojmova i postupci EA.
Za razliku od klasičnih socioloških metoda koje nisu posebno podobne za izučavanje društvene dinamike, metoda simulacijskih modela omogućuje stvaranje dinamičkih modela društva na kojima je moguće ...simulacijom eksperimenata i promatranja objašnjavati i predviđati društvene procese.
Simulacijski modeli društvenog razvoja uglavnom su utemeljeni na teoriji evolucije, to jest na evolucijskim algoritmima. Evolucijski algoritmi, danas široko rasprostranjeni, uspješno su primijenjeni na brojne probleme iz različitih domena, uključujući optimizaciju, automatsko programiranje, strojno učenje, ekonomiju, istraživačke operacije, ekologiju, populacijsku genetiku, studije evolucije i učenja, i društvene sustave.
Moguće je izdvojiti tri glavne vrste evolucijskih algoritama: Genetičke algoritme (Genetic Algorithms), Genetičko programiranje (Genetic Programming) i Klasifikacijske sustave (Classifier System). Svaka od ovih vrsta algoritama uključuje generiranje jedne inicijalne populacije pojedinaca i tada bavljenje tom populacijom iterativno, tako da tijekom vremena »kvaliteta« pojedinaca koji postoje u populaciji tendira porastu.
Čak i u svojoj najjednostavnijoj formi, evolucijski algoritmi su uvjerljive apstrakcije bioloških evolucijskih procesa koji se po analogiji mogu primijeniti na procese društvenih promjena. Međutim, izvjestan oprez je nužan u njihovoj uporabi kao modela društvenih procesa. Posebno, njihovo podrijetlo kao instrumentalnih optimizacijskih tehnika može biti nespojivo s poželjnim obilježjima biološke evolucije poput odsutnosti globalnog znanja i izvanjske teleologije.
Predstavljen je off-line planer putanje za bespilotne letjelice. Planer je temeljen na evolucijskim algoritmima za proračun zakrivljene putanje sa željenim karakteristikama u 3D prostoru. Putanja je ...predstavljena pomoću B-spline krivulja, gdje su koordinate kontrolnih točaka geni umjetnih kromosoma evolucijskih algoritama. Metoda je provjerena na umjetnom 3D prostoru s različitim početnim i konačnim točkama, gdje su dobivene vrlo glatke putanje uz zadovoljenje strogih ograničenja.