Particle Swarm Optimization και τεχνολογικές εφαρμογές
| dc.contributor.advisor | Ντούνης, Αναστάσιος | |
| dc.contributor.author | Καρυοφύλλης, Δημήτρης | |
| dc.date.accessioned | 2014-04-25T12:36:46Z | |
| dc.date.available | 2014-04-25T12:36:46Z | |
| dc.date.issued | 2013-08 | |
| dc.identifier.uri | http://okeanis.lib2.uniwa.gr/xmlui/handle/123456789/1147 | |
| dc.description.abstract | Στα πλαίσια της τεχνητής νοημοσύνης και τεχνητής ζωής έχουν αναπτυχθεί διάφοροι αλγόριθμοι που μιμούμενοι διεργασίες της φύσης προσδοκούν να δώσουν λύση σε διάφορα προβλήματα. Τέτοιοι αλγόριθμοι ονομάζονται μεθευρετικοί αλγόριθμοι βελτιστοποίησης. Αντικείμενο της ακόλουθης εργασίας είναι η παρουσίαση του αλγορίθμου Βελτιστοποίησης Σμήνους Σωματιδίων (Particle Swarm Optimization - PSO) και της χρήσης του σε εφαρμογές στα συστήματα αυτομάτου ελέγχου. Στο πρώτο μέρος γίνεται μια αναφορά στις μεθόδους και τις τεχνικές βελτιστοποίησης της Υπολογιστικής Νοημοσύνης καθώς και μια ιστορική αναδρομή και επεξήγηση της φιλοσοφίας του αλγορίθμου του PSO. Στο δεύτερο μέρος γίνεται μια εκτενής παρουσίαση του αλγορίθμου σε περιβάλλον προγραμματισμού Matlab. Ακόμα, παρουσιάζεται μια από της πιο γνωστές παραλλαγές και βελτιωμένες εκδόσεις του αλγορίθμου, APSO, καθώς και μια νέα έκδοση, DPSO, που αναπτύχθηκε και για πρώτη φορά παρουσιάζεται στα πλαίσια της παρούσας πτυχιακής. Οι δυο αυτές εκδόσεις συγκρίνονται μεταξύ τους στην επίλυση προβλημάτων μαθηματικής βελτιστοποίησης (test functions) και παρουσιάζονται τα αποτελέσματα. Στο τρίτο μέρος αναλύεται το πρόβλημα ελέγχου δύο πραγματικών συστημάτων ελέγχου μέσω μοντελοποίησης στο Simulink. Για τον έλεγχο των συγκεκριμένων φυσικών συστημάτων υλοποιείται ο PID-Τύπου ασαφής ελεγκτής και ρυθμίζεται μέσω των δύο προαναφερθέντων εκδοχών του PSO. Τέλος, τα ερευνητικά ευρήματα και συμπεράσματα που προκύπτουν, παρουσιάζονται στο τέταρτο και τελευταίο μέρος της εργασίας. Ακόμα, εκεί μπορεί κανείς να βρει προτεινόμενες λύσεις για την χρήση και ανάπτυξη του PSO σε περιβάλλον Matlab, καθώς και προτάσεις για περαιτέρω έρευνα και ανάπτυξη του προτεινόμενου DPSO. | el |
| dc.format.extent | 115 σελ. | el |
| dc.language.iso | el | el |
| dc.publisher | ΤΕΙ Πειραιά | el |
| dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
| dc.subject | TPSH::Επιστήμη Υπολογιστών | el |
| dc.title | Particle Swarm Optimization και τεχνολογικές εφαρμογές | el |
| dc.type | Πτυχιακή εργασία | el |
| dc.contributor.department | Τμήμα Αυτοματισμού | el |
| dc.contributor.faculty | Σχολή Τεχνολογικών Εφαρμογών | el |
| dc.subject.keyword | Βελτιστοποίηση | el |
| dc.subject.keyword | Εξελικτικοί αλγόριθμοι | el |
| dc.subject.keyword | PSO | el |
| dc.subject.keyword | Particle Swarm Optimization | el |
| dc.subject.keyword | Standard Particle Swarm Optimization | el |
| dc.subject.keyword | Adaptive Particle Swarm Optimization | el |
| dc.description.abstracttranslated | In the context of Artificial Intelligence and Artificial Life several algorithms which imitate the processes of nature have developed, hoping to give a solution to various problems. Such algorithms are called metaheurisic optimization algorithms. Purpose of the following paper is to present the algorithm of Particle Swarm Optimization (Particle Swarm Optimization - PSO) and apply it in automatic control systems. The first part is a reference to methods and optimization techniques of Computational Intelligence and a historical overview and explanation of the philosophy of the algorithm of PSO. The second part is a detailed presentation of the algorithm in a programming environment called Matlab. Also, it presents one of the most famous variations and improved versions of the algorithm, APSO, and a new version, DPSO, developed and first presented in the framework of this thesis. These two versions are compared with each other in solving mathematical optimization (test functions) and the results presented. The third part analyzes the problem of verification of two real control systems through modeling in Simulink. For the control of certain physical systems a PID-Type fuzzy controller is implemented the and regulated via the above two versions of PSO. Finally, research findings and conclusions drawn are presented in the fourth and final part of the job. Additionally, one can find proposed solutions, use and development of PSO in Matlab environment, and suggestions for further research and development of the proposed DPSO. | el |
Files in this item
This item appears in the following Collection(s)
Except where otherwise noted, this item's license is described as
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα