Browsing by Subject "evolutionary computing"

Now showing 1 - 5 of 5

Access status: Open Access ,
Comparison of algorithms for simultaneous localization and mapping problem for mobile robot
(Wydawnictwa AGH, 2010) Jeżewski, Sławomir; Łaski, Maciej; Nowotniak, Robert
This paper presents a comparison of selected algorithms for simultaneous localization and mapping (SLAM) problem in mobile robotics. Results of four general metaheuristics, Simple Genetic Algorithm, Particle Swarm Optimization, Quantum-Inspired Genetic Algorithms and Genetic Algorithm with Quantum Probability Representation, have been compared to results of classical, analytic method in this field, Iterative Closes Points algorithm. In the experiments the same objective function, drawn from Iterative Closest Points algorithm, has been used. Two situations have been considered: local and global localization problems of mobile robot. Both problems are import and often critical for successful navigation of robot in environment.
Computer Methods in Materials Science
AGH University Press (2020-)
ISSN: 2720-4081 e-ISSN: 2720-3948
Access status: Open Access ,
GPU-based massively parallel implementation of metaheuristic algorithms
(Wydawnictwa AGH, 2011) Nowotniak, Robert; Kucharski, Jacek
W artykule zostały przedstawione szczegóły implementacji kwantowo inspirowanego algorytmu genetycznego (QIGA) w środowisku obliczeń masowo równoległych na procesorach kart graficznych. W odróżnieniu od wielu dotychczasowych opracowań, prezentujących implementacje algorytmów ewolucyjnych w środowiskach obliczeń równoległych, w niniejszym artykule zostało zaproponowane nowatorskie podejście do implementacji algorytmu ewolucyjnego. Zrównoleglenie algorytmu zostało wykonane na dwóch poziomach: poszczególne osobniki w populacji lub poszczególne geny są przetwarzane przez osobne wątki w blokach, a w poszczególnych blokach przeprowadzany jest proces ewolucji populacji o tych samych lub różnych parametrach. Obliczenia zostały rozdzielone na osiem jednostek GPU, co pozwoliło na uzyskanie ponad 400-krotnego przyśpieszenia algorytmu w stosunku do sekwencyjnej implementacji w języku ANSI C na pojedynczym rdzeniu procesora Intel Core i7 2,93 GHz. Poprawność implementacji została zweryfikowana poprzez analizę statystyczną otrzymanych wyników. Zaproponowane podejście pozwala przyśpieszyć badanie dowolnych metaheurystyk przeszukiwania.
Access status: Restricted ,
Hybrid evolutionary-ant computing for discrete optimization problems
(Data obrony: 2019-09-27) Stobiecki, Jacek; Polnik, Wojciech
Wydział Informatyki, Elektroniki i Telekomunikacji
Access status: Restricted ,
Hybrid evolutionary-ant computing for discrete optimization problems
(Data obrony: 2019-09-27) Polnik, Wojciech; Stobiecki, Jacek
Wydział Informatyki, Elektroniki i Telekomunikacji