nach oben

Erschienen in:

2020 | OriginalPaper | Buchkapitel

Application of Parallel Computing in Robust Optimization Design

verfasst von : Ievgen Meniailov, Serhii Krivtsov, Mykhaylo Ugryumov, Kseniia Bazilevich, Irina Trofymova

Erschienen in: Integrated Computer Technologies in Mechanical Engineering

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

In the process of research, the authors described a computational method for synthesizing solutions to problems of multi-criteria optimization (based on the use of parallel computing) and decision-making with a priori data uncertainty, based on a memetic algorithm that implements the joint use of an evolutionary method with parameters changing from generation to generation: coding, fitness and relaxation functions, Decremental Neighborhood Method, and the random path generation method.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel Development of Game Modules with Support for Synchronous Multiplayer Based on Unreal Engine 4 Using Artificial Intelligence Approach

Nächstes Kapitel Possibilities of Position Determination

Tronchuk, A., Ugryumova, K.: Mathematical models and evolutionary method for solving stochastic optimization problems. J. Kharkiv Nat. Univ. Ser. Math. Model. Inf. Technol. Autom. Control Syst. 19(1015), 292–305 (2012)

Ugryumov, M., Strelets, V., Tronchuk, A., Ugryumova, K., et al.: System improvement of elements of complex technical systems based on the concept of inverse problems. Nat. Aerosp. Univ. Kharkiv (2013). (Cиcтeмнoe coвepшeнcтвoвaниe элeмeнтoв cлoжныx тexничecкиx cиcтeм нa ocнoвe кoнцeпции oбpaтныx зaдaч [Teкcт]: мoнoгpaфия/ B.E. Cтpeлeц, A.A.Tpoнчyк, E.M.Угpюмoвa и дp.; пoд oбщ. peд. M. Л. Угpюмoвa. – X.: Haц. aэpoкocм. yн-т им. H. E. Жyкoвcкoгo « Xapьк. aвиaц. ин-т » , 2013. – 148c. ISBN 978-966-662-312-9

Mazorchuk, M., Parfeniuk, Y., Dobriak, V., Meniailov, I., Chumachenko, D.: Stochastic modelling of cash flow for personal insurance fund using the cloud data storage. Int. J. Comput. 3(17), 153–162 (2018)

Ugryumov, M., Tronchuk, A., Afanasjevska, V., Myenyaylov, A.: Gas turbine engine elements systematic improvement on the base of inverse problem concept by stochastic optimization methods. In: Abstracts Book and CD–ROM Proceedings of the 20-th ISABE Conference, Gothenburg, pp. 673–681 (2011)

Ugryumov, M., Afanasjevska, V., Tronchuk, A., Myenyaylov, A.: Stochastic optimization models and method in the turbomachines system improvement problem. In: Program and CD–ROM Proceedings of ASME-JSME-KSME Joint Fluids Engineering Conference (AJK2011-FED), Hamamatsu, pp. 755–761 (2011)

Ugryumova, K., Chernysh, S., Meniailov, I., Ugryumov, M.: A method synthesis of selection function scalar convolutions for the multi-objective decision-making problems with a priori uncertain data. J. Kharkiv Nat. Univ. Ser.: Math. Model. Inf. Technol. Autom. Control Syst. 27, 172–180 (2015)

Dakota. https://dakota.sandia.gov/

Ipopt (Interior Point OPTimizer). https://projects.coin-or.org/Ipopt

SHERPA: A Python Hyperparameter Optimization Library. https://parameter-sherpa.readthedocs.io/en/latest/#

10.

Meniailov, I., Khustochka, O., Ugryumova, K., Chernysh, S., Yepifanov, S., Ugryumov, M.: Mathematical models and methods of effective estimation in multi-objective optimization problems under uncertainties. In: Advances in Structural and Multidisciplinary Optimization: Proceedings of the 12th World Congress of Structural and Multidisciplinary Optimization (WCSMO12) By Axel Schumacher, pp. 411–427. Springer, Braunschweig (2018)

11.

Karpenko, A.: Modern algorithms of search optimization. Algorithms inspired by nature. The Bauman University Publishing House, Moscow (2014). (A. П. Кapпeнкo. Coвpeмeнныe aлгopитмы пoиcкoвoй oптимизaции. Aлгopитмы, вдoxнoвлeнныe пpиpoдoй. Mocквa: Издaтeльcтвo MГTУ им. H. Э. Бayмaнa, 2014)

12.

Ford, B., Ruebbelke, L.: AngularJS in Action. University of Michigan, Manning (2014)

Titel: Application of Parallel Computing in Robust Optimization Design
verfasst von: Ievgen Meniailov
Serhii Krivtsov
Mykhaylo Ugryumov
Kseniia Bazilevich
Irina Trofymova
Verlag: Springer International Publishing
Buch: Integrated Computer Technologies in Mechanical Engineering
Print ISBN: 978-3-030-37617-8

Electronic ISBN: 978-3-030-37618-5

Copyright-Jahr: 2020
DOI: https://doi.org/10.1007/978-3-030-37618-5_44

Premium Partner

Marktübersichten

Die im Laufe eines Jahres in der „adhäsion“ veröffentlichten Marktübersichten helfen Anwendern verschiedenster Branchen, sich einen gezielten Überblick über Lieferantenangebote zu verschaffen.

Zur Marktübersicht