Politechnika Poznańska Zastosowanie algorytmów genetycznych do ...
Politechnika Poznańska Zastosowanie algorytmów genetycznych do ...
Politechnika Poznańska Zastosowanie algorytmów genetycznych do ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Ponieważ istnieje tak duża liczba możliwych rozwiązań w związku z tym<br />
eksperymentalne sprawdzenie tylu możliwości jest niemożliwe a co za tym idzie<br />
empiryczne zweryfikowanie procedury również. Biorąc jednak pod uwagę<br />
specyfikę zagadnienia (symetria obszaru) można było oczekiwać, że rozwiązanie<br />
optymalne również będzie symetryczne. Aby jednak mieć pewność co <strong>do</strong><br />
skuteczności metody informacja o symetrii świa<strong>do</strong>mie i celowo nie została<br />
wykorzystana w obliczeniach. Algorytm genetyczny w każdym przypadku<br />
optymalizował położenie każdego z elementów grzejnych traktując obydwie<br />
współrzędne (zagadnienie dwuwymiarowe) każdego z elementów, jako zmienne<br />
podlegające optymalizacji.<br />
Jak opisano w rozdziale czwartym, w klasycznym algorytmie genetycznym,<br />
binarna postać wektora rozwiązania często wiąże się z dyskretyzacją zmiennych.<br />
Tak też było w tym przypadku, ze względu na znaczący czas obliczeń przyjęto<br />
<strong>do</strong>kładność obliczeń równą e=0.001, podczas gdy wielkość obszaru wynosiła 2 tj.<br />
zakres od w obydwu rozpatrywanych kierunkach.<br />
Znając <strong>do</strong>kładność obliczeń wynikającą z przyjętej dyskretyzacji oraz pole<br />
powierzchni obszaru w którym znajdują się potencjalne rozwiązania (rozwiązania<br />
<strong>do</strong>puszczalne) można określić wielkość przestrzeni rozwiązań, czyli liczbę<br />
możliwych konfiguracji ustawienia elementów grzejnych. Wielkość przestrzeni<br />
rozwiązań odpowiada liczbie obliczeń, której należałoby <strong>do</strong>konać korzystając<br />
z procedury pełnego przeszukiwania. Procedura pełnego przeszukiwania pozwala<br />
na jednoznaczne znalezienie optymalnego rozwiązania w skończonym zbiorze<br />
rozwiązań <strong>do</strong>puszczalnych, ponieważ określana jest wartość funkcji celu dla<br />
każdej możliwości. Niestety jest to metoda nieefektywna i w większości zagadnień<br />
wielowymiarowych nie dająca szans na znalezienie optimum w rozsądnym czasie.<br />
Jak zauważono wcześniej, eksperymentalne potwierdzenie poprawności<br />
i skuteczności zaimplementowanej procedury optymalizacyjnej przy pomocy<br />
algorytmu genetycznego byłoby bardzo trudne. W związku z tym, wykorzystano<br />
metodę pełnego przeszukiwania dla przypadku gdzie przestrzeń rozwiązań była<br />
relatywnie mała (mało elementów grzejnych) i porównano z wynikami<br />
uzyskanymi z użyciem algorytmu genetycznego.<br />
48
Change language