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.
Występująca na brzegu osobliwość to oczywiście problem z punktu widzenia<br />
obliczeń numerycznych.<br />
W trakcie obliczeń okazało się, że niektóre warunki łatwiej spełnić, podczas<br />
gdy spełnienie innych jest znacznie trudniejsze. Z tego powodu wprowadzono<br />
modyfikację w algorytmie genetycznym i zaimplementowano optymalizację<br />
wielokryterialną stosując metodę ważonych sum (2.6), która przypisywała różne<br />
wagi błę<strong>do</strong>m spełnienia poszczególnych warunków brzegowych. Dzięki temu<br />
algorytm genetyczny stał się wrażliwszy na błędy pojawiające się na brzegach<br />
w wyniku nieciągłości i pozwolił na skuteczniejszą optymalizację.<br />
6.3.3 Wyniki numeryczne<br />
W tabeli 6.2 zestawiono wyniki maksymalnych błędów spełnienia warunków<br />
brzegowych dla każdego rozważanego odcinka brzegu. Po<strong>do</strong>bnie jak<br />
w poprzednim przypadku wyniki otrzymane w obydwu podejściach znacznie się<br />
różnią. <strong>Zastosowanie</strong> algorytmu genetycznego pozwoliło na rozmieszczenie<br />
punktów źródłowych w sposób pozwalający na znaczną poprawę jakości wyników<br />
– znacznie mniejszy błąd maksymalny spełnienia warunków na poszczególnych<br />
brzegach.<br />
Tabela 6.2 Maksymalne błędy spełnienia warunków brzegowych<br />
Brzeg<br />
Punkty źródłowe rozmieszczone<br />
przez AG<br />
Punkty źródłowe<br />
rozmieszczone na konturze<br />
po<strong>do</strong>bnym <strong>do</strong> brzegu obszaru<br />
-1
Change language