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.
<strong>Zastosowanie</strong> procedury pełnego przeszukiwania dla układu 2, 3 oraz 4<br />
elementów grzejnych pozwoliło potwierdzić przypuszczenie <strong>do</strong>tyczące<br />
symetrycznego rozkładu elementów grzejnych w obszarze symetrycznym.<br />
Wniosek ten posłużył <strong>do</strong> wyznaczenia maksymalnej wartości funkcji celu (takiego<br />
ułożenia elementów grzejnych, które zapewnia najwyższą średnią temperaturę<br />
w rozważanym obszarze), ponieważ <strong>do</strong> wyznaczania tych wartości w bardziej<br />
złożonych przypadkach przyjęto założenie o symetrii rozwiązania, co znacząco<br />
zmniejszyło przestrzeń rozwiązań i skróciło czas obliczeń. Wartości maksymalne<br />
uzyskane metodą przeszukiwania zostały potraktowane jako wartości<br />
referencyjne, służące sprawdzeniu jakości rozwiązań uzyskanych przy pomocy<br />
algorytmu genetycznego.<br />
Ponadto, dla każdego rozważanego przypadku wyznaczono również<br />
rozwiązanie najgorsze, lub zbliżone <strong>do</strong> najgorszego. Należy jednakże odnotować,<br />
że minimalizacja nie była celem badań w związku z tym konfiguracje<br />
odpowiadające najgorszym rozwiązaniom <strong>do</strong>bierane były w sposób uproszczony<br />
i mogą być obarczone pewnym błędem. Rozwiązania te były wyznaczone<br />
wyłącznie w celach poglą<strong>do</strong>wych, aby wskazać skuteczność oraz zasadność<br />
optymalizacji położenia elementów grzejnych. Dla każdego przypadku wyznaczany<br />
był błąd, czyli odchylenie wyniku uzyskanego przy pomocy algorytmu<br />
genetycznego od wartości referencyjnej uzyskanej za pomocą procedury<br />
przeszukiwania.<br />
Symulacje przeprowadzono dla wielu przypadków obejmujących dwa<br />
możliwe obszary (kwadratowy i okrągły) oraz różną liczbę elementów grzejnych.<br />
Za każdym razem populacja początkowa (startowa konfiguracja ułożenia<br />
elementów) była losowa. W przypadku większej ilości elementów grzejnych<br />
przestrzeń rozwiązań była znacząco większa. W związku z tym czas obliczeń był<br />
dłuższy, a uzyskiwane wyniki mniej <strong>do</strong>kładne. Aby poprawić te wyniki,<br />
w wybranych przypadkach optymalizacja przeprowadzana była dwukrotnie, przy<br />
czym za drugim razem populacja początkowa nie była losowa, konfiguracja<br />
początkowa była przyjmowana jako najlepsze rozwiązanie uzyskane w pierwszym<br />
cyklu obliczeń.<br />
49
Change language