Informacja o cookies

Zgadzam się Nasza strona zapisuje niewielkie pliki tekstowe, nazywane ciasteczkami (ang. cookies) na Twoim urządzeniu w celu lepszego dostosowania treści oraz dla celów statystycznych. Możesz wyłączyć możliwość ich zapisu, zmieniając ustawienia Twojej przeglądarki. Korzystanie z naszej strony bez zmiany ustawień oznacza zgodę na przechowywanie cookies w Twoim urządzeniu.

Publikacje Pracowników Politechniki Lubelskiej
MNiSW
40
Lista 2021
Status:
Autorzy: Ashraf Masood, Gola Arkadiusz, AlArjani Ali S., Hasan Faisal
Dyscypliny:
Aby zobaczyć szczegóły należy się zalogować.
Rok wydania: 2022
Wersja dokumentu: Drukowana | Elektroniczna
Język: angielski
Numer czasopisma: 2198
Strony: 1 - 15
Scopus® Cytowania: 0
Bazy: Scopus
Efekt badań statutowych NIE
Materiał konferencyjny: TAK
Nazwa konferencji: 15th Global Congress on Manufacturing and Management
Skrócona nazwa konferencji: GCMM 2020
URL serii konferencji: LINK
Termin konferencji: 25 listopada 2020 do 27 listopada 2020
Miasto konferencji: Liverpool
Państwo konferencji: WIELKA BRYTANIA
Publikacja OA: TAK
Licencja:
Sposób udostępnienia: Witryna wydawcy
Wersja tekstu: Ostateczna wersja opublikowana
Czas opublikowania: W momencie opublikowania
Data opublikowania w OA: 15 lipca 2022
Abstrakty: angielski
One of the major drawback of Genetic Algorithm (GA) based solutions to many optimization problems is the difficulty to obtain convergence to an optimal solution. One of the possible reason for not obtaining good convergence is due to the improper encoding of chromosomes. Many techniques were proposed in some previous researches for improving the convergence of GA based solutions. However, no consideration regarding the role of chromosome encoding in achieving convergence and optimality both has been discussed in the past. In the present work, a can volume optimization problem is solved with the help of two types of chromosome encoding techniques that are proposed and evaluated in GA environment. First, based on single random gene selection and second based on mean value of genes of the encoded chromosome. A numerical example with an objective function and constraints has been solved and the results for each of the scheme is being discussed.