Download
slide1 n.
Skip this Video
Loading SlideShow in 5 Seconds..
студентка групи 1КН-13мі - Бендерук Ю.А. к.т.н .,проф. Месюра В.І. PowerPoint Presentation
Download Presentation
студентка групи 1КН-13мі - Бендерук Ю.А. к.т.н .,проф. Месюра В.І.

студентка групи 1КН-13мі - Бендерук Ю.А. к.т.н .,проф. Месюра В.І.

162 Vues Download Presentation
Télécharger la présentation

студентка групи 1КН-13мі - Бендерук Ю.А. к.т.н .,проф. Месюра В.І.

- - - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript

  1. Використання навчання на основі протиставлення для розв’язання задачі про розподіл економічного навантаження при виробництві продукції на основі методу рою часток студентка групи 1КН-13мі- Бендерук Ю.А. к.т.н.,проф. Месюра В.І.

  2. Постановка задачі розподілу економічного навантаження S – загальний обсяг палива, який необхідно випустити p1, p2, ... pn– кількість палива, яку виробляє кожна станція f – сумарна ціна випуску палива ai, bi, ci – деякі константи, що характеризують i-ту станцію pMini, pMaxi – мінімальний і максимальний обсяг палива, що випускається на i-тій станції

  3. Метод рою часток • – вектор швидкості • –важливість персональної складової • –важливість соціальної складової • –випадкова величина, рівномірно розподілена на відрізку [0;1] • – краща для частки функція пристосованості, що була досягнута під час ітеративного процесу • – поточна функція пристосованості • – краща досягнута під час ітеративного процесу функція пристосованості серед усіх часток популяції • – позиція частки

  4. Метод рою часток із застосуванням оpposition-based learning • на кожній ітерації частки з найгіршою ціною випуску продукції замінюються на протилежні: • виконання нормалізації (для вирівнювання суми випуску продукції по всім підприємствах) • підбір коєфіцієнтів соціалізації та персоналізації на основі opposition-based learning – для часток з найгіршою функцією пристосованності зміна коєфіцієнтів:

  5. Результати Проведено програмну реалізацію та тестування отриманих алгоритмів, відповідно до якого, середня ціна яку отримували алгоритми на вибірці з випадкових тестів є такою: • класичний метод рою часток – 1.123 * 1015 • алгоритм із модифікацією часток за допомогою opposition-based learning– 1.112 * 1015 • алгоритм із модифікацією коефіцієнтів соціалізації та персоналізації за допомогою opposition-based learning– 1.12*1015 Висновок: використання методу рою часток із застосуванням навчання на основі протиставлення для розв'язання задачі про розподіл економічного навантаження при виробництві продукції є цілком доцільним.

  6. Дякую за увагу!