Politechnika Poznańska Zastosowanie algorytmów genetycznych do ...

More documents

Recommendations

Info

5.5.4 Wyniki obliczeń dla obszaru okrągłego z ośmioma elementami grzejnymi - przypadek 4 Przeprowadzono także obliczenia dla 8 elementów grzejnych, co daje już olbrzymią liczbę możliwych rozwiązań, w związku z czym zastosowano znacznie większą liczbę iteracji. Rozwiązanie tego zagadnienia jest bardzo ciekawe, ponieważ podobnie jak w innych przypadkach, wyraźnie widoczna jest tendencja do zachowania symetrii rozwiązania. Jednakże symetria ta jest realizowana w inny sposób. W przeciwieństwie do wcześniejszych przypadków, jak również do rozwiązania dającego najwyższą temperaturę, znalezione przez algorytm genetyczny rozwiązanie suboptymalne zawiera element w samym środku obszaru. W istocie jest to cenna informacja ponieważ uzyskane rozwiązanie jest całkiem dobre jakościowo, natomiast wskazuje na nieco odmienny sposób uzyskania tego samego efektu. W tabeli 5.6 i na rysunku 5.20 przedstawiono wyniki dla tego przypadku, zaś na rysunkach 5.18 i 5.19 przedstawiono odpowiednio konfigurację dla najwyższej i najniższej temperatury. Rysunek 5.18 Rozwiązanie optymalne dla ośmiu elementów w obszarze okrągłym Rysunek 5.19 Rozwiązanie najgorsze dla ośmiu elementów w obszarze okrągłym 59
Rysunek 5.20 Rozwiązanie optymalne wyznaczone przez AG dla ośmiu elementów w obszarze okrągłym Tabela 5.6 Wyniki uzyskane dla optymalnego rozwiązania wyznaczonego przez AG dla ośmiu elementów grzejnych w obszarze okrągłym T max 326,11 T min 309,5 ΔT 16,61 T ag 325,72 ΔT ag 0,39 errT 0,02 errT [%] 2,35% Liczba chromosomów 40 Liczba pokolenia 300 Liczba iteracji 12000 Przestrzeń rozwiązań 6,55E+52 60
Page 1 and 2:
Politechnika Poznańska Wydział Bu
Page 3 and 4:
5 Optymalizacja położenia źróde
Page 5 and 6:
Streszczenie Praca poświęcona jes
Page 7 and 8:
zegowych równań całkowych, co zm
Page 9 and 10: wyliczane są współczynniki wagow
Page 11 and 12: W pracy analizowane są zagadnienia
Page 13 and 14: włókien, oraz przypadek odwrotny.
Page 15 and 16: 2 Optymalizacja 2.1 Wprowadzenie Dl
Page 17 and 18: W powyższym wzorze f oznacza maksy
Page 19 and 20: z punktów w przestrzeni poszukiwa
Page 21 and 22: osobniki co oznacza, że w wyniku r
Page 23 and 24: manipulowanie wartościami poszczeg
Page 25 and 26: twórcę programu znającego charak
Page 27 and 28: metody jest liczność populacji ty
Page 29 and 30: 3 Metoda rozwiązań podstawowych 3
Page 31 and 32: a ij = Bφ i x j , j = 1, … , N,
Page 33 and 34: Tabela 3.1 Przykładowe zbiory funk
Page 35 and 36: najnowszych opublikowanych badań z
Page 37 and 38: do obliczeń współrzędnych punkt
Page 39 and 40: gdzie L i B oznaczają operator lin
Page 41 and 42: 4.3 Rozwiązanie dwuwymiarowego ust
Page 43 and 44: Uwzględniając warunki brzegowe ot
Page 45 and 46: 5 Optymalizacja położenia źróde
Page 47 and 48: Na brzegu Γ zadana jest stała tem
Page 49 and 50: Ponieważ istnieje tak duża liczba
Page 51 and 52: 5.5 Wyniki numeryczne Do obliczeń
Page 53 and 54: Jak wspomniano wcześniej, w algory
Page 55 and 56: W drugim cyklu obliczeń populacja
Page 57 and 58: Rysunek 5.12 Konfiguracja 4 element
Page 59: Zestawienie uzyskanych wyników dla
Page 63 and 64: W związku z tym, że położenie p
Page 65 and 66: gdzie ∂ ∂n oznacza pochodną w
Page 67 and 68: Tabela 6.1 Zestawienie wyników obl
Page 69 and 70: Wykresy ilustrujące rozwiązanie i
Page 71 and 72: Występująca na brzegu osobliwoś
Page 73 and 74: odsunięta jest o 2 od brzegu obsza
Page 75 and 76: 7 Wyznaczanie efektywnego współcz
Page 77 and 78: 7.3 Równanie rządzące i warunki
Page 79 and 80: T i = c ij ln r j 2 j dla i = M, F
Page 81 and 82: 7.7 Wyniki numeryczne 7.7.1 Komórk
Page 83 and 84: Rysunek 7.5 Układ włókien dla os
Page 85 and 86: włókien. Parametry materiału prz
Page 87 and 88: Rysunek 7.8 Układ włókien dla os
Page 89 and 90: przedstawiono w tabeli 7.18. Wykorz
Page 91 and 92: Rysunek 7.11 Układ włókien dla o
Page 93 and 94: 7.7.5 Komórka zawierająca 3 włó
Page 95 and 96: Rysunek 7.14 Układ włókien dla o
Page 97 and 98: Tabela 7.32 Parametry metody rozwi
Page 99 and 100: 8 Wnioski i podsumowanie Niniejsza
Page 101 and 102: Literatura [Ake2000] Akella M. R.,
Page 103 and 104: [Fai1998] Fairweather G., Karageorg
Page 105 and 106: wykorzystaniem metody kollokacji br
Page 107 and 108: [Pal2008] Paluch B., Grediac M., Fa
Page 109 and 110: Załączniki W załącznikach zawie
Page 111 and 112:
wM(nw1,bw)=wM(nw1,bw)-2^(k); wM(nw2
Page 113 and 114:
end Temp=I1/I2; newline=NaN; plik='
Page 115 and 116:
Załącznik 2 - kod programu - rozw
Page 117 and 118:
dfu=dfu+X(i)*fln(xw,yw,XZ(j),YZ(j))
Page 119 and 120:
Załącznik 3 - kod programu - wyzn
Page 121 and 122:
AP( PK_z+i, 4*PZ_z+KW_cnt*PZ_ww+ j
Page 123 and 124:
colormap(jet(128)) % surf(iX,iY,iU)
show all

Politechnika Poznańska Zastosowanie algorytmów genetycznych do ...

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?