Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Testing Different Particle Swarm Optimization Strategies

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23210%2F17%3A43949489" target="_blank" >RIV/49777513:23210/17:43949489 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Testing Different Particle Swarm Optimization Strategies

  • Popis výsledku v původním jazyce

    The paper deals with testing different strategies - Inertia Weight Strategies, Constriction Factors and Interpersonal Learning – of a Particle Swarm Optimization implemented in a simulation optimizer. The strategies were tested on five different discrete event simulation models reflecting real optimization problems in industrial companies. We specified different objective functions of discrete event simulation models considering the simulated system. We tested different settings of the strategies to reduce bad settings. We replicated optimization experiments with concrete optimization method parameters settings to reduce the randomness of the behaviour of the optimization method strategies. We evaluated the success of finding the optimum by the different PSO strategies according to other optimization methods - Random Search, Downhill Simplex, Hill Climbing, Tabu Search, Local Search, Simulated Annealing, Evolution Strategy, Differential Evolution and Self Organizing Migrating Algorithm.

  • Název v anglickém jazyce

    Testing Different Particle Swarm Optimization Strategies

  • Popis výsledku anglicky

    The paper deals with testing different strategies - Inertia Weight Strategies, Constriction Factors and Interpersonal Learning – of a Particle Swarm Optimization implemented in a simulation optimizer. The strategies were tested on five different discrete event simulation models reflecting real optimization problems in industrial companies. We specified different objective functions of discrete event simulation models considering the simulated system. We tested different settings of the strategies to reduce bad settings. We replicated optimization experiments with concrete optimization method parameters settings to reduce the randomness of the behaviour of the optimization method strategies. We evaluated the success of finding the optimum by the different PSO strategies according to other optimization methods - Random Search, Downhill Simplex, Hill Climbing, Tabu Search, Local Search, Simulated Annealing, Evolution Strategy, Differential Evolution and Self Organizing Migrating Algorithm.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    20301 - Mechanical engineering

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2017

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Proceedings of the 30th International Business Information Management Association Conference (IBIMA)

  • ISBN

    978-0-9860419-9-0

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    22

  • Strana od-do

    3444-3465

  • Název nakladatele

    International Business Information Management Association

  • Místo vydání

    Norristown

  • Místo konání akce

    Madrid, Spain

  • Datum konání akce

    8. 11. 2017

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000443640502091