Dane o rozprawie doktorskiej

Rodzaj pracy	Rozprawa doktorska
Data uzyskania stopnia	2008-11-19
Uzyskany stopień naukowy	doktor nauk technicznych
Promotor	Dr hab. inż Andrzej Obuchowicz Uniwersytet Zielonogórski, Instytut Sterowania i Systemów Informatycznych
Recenzenci	Prof. dr hab. inż. Dariusz Uciński, Uniwersytet Zielonogórski, Instytut Sterowania i Systemów Infonnatycznych, Dr hab. inż. Jarosław Arabas, Uniwersytet Warszawski, Instytut Systemów Elektronicznych
Jednostka prowadząca przewód	Uniwersytet Zielonogórski, Wydział Elektrotechniki Informatyki i Telekomunikacji, Instytut Sterowania i Systemów Informatycznych
Miejsce pracy autora rozprawy	Uniwersytet Zielonogórski, Wydział Elektrotechniki Informatyki i Telekomunikacji, Instytut Sterowania i Systemów Informatycznych
Dziedzina naukowa	Nauki techniczne
Dyscyplina naukowa	Informatyka
Specjalność naukowa	Optymalizacja globalna
Sposób zgłoszenia rozprawy, dostępność, liczba stron	Nie ogłoszono, Biblioteka Główna Uniwersytetu Zielonogórskiego, s. 196
Wydawca
Słowa kluczowe	Optymalizacja globalna, rozkłady stabilne, algorytmy ewolucyjne, systemy wykrywania uszkodzeń

Streszczenie

Praca doktorska zawiera wyniki badań nad skutecznością ewolucyjnych technik optymalizacji z operatorem mutacji, bazującym na modelach zaburzających należących do klasy rozkładów stabilnych. W pierwszej kolejności przedstawione zostały najważniejsze właściwości rozkładów stabilnych, oraz zobrazowano ich wpływ na zachowanie populacji rozwiązań w trakcie działania algorytmu ewolucyjnego. W szczególności, zaproponowano szereg rozwiązań mających na celu ustalanie daleko idącego kompromisu pomiędzy dwoma, znamiennymi dla każdego algorytmu optymalizacji globalnej, wzajemnie wyklucząjącymi się cechami: eksploracją oraz eksploatacją przlestrzeni rozwiązań. Między innymi zaproponowano mutację bazującą na rozkładach kierunkowych o rotacyjnej symetrii, co umożliwia znaczącą redukcję tzw. efektu otoczenia. W odpowiedzi na konieczność uniezależnienia skuteczności algorytmu ewolucyjnego od zorientowania przestrzeni rozwiązań, zaprojektowano również procedurę adaptacji dyskretnej miały spektralnej wielowymiarowego rozkładu stabilnego. W wyniku opracowanych technik, algorytm optymalizacji zyskuje nie tylko możliwość odnajdywania rozwiązania globalnego, lecz również znacznej poprawie ulega precyzja w ustaleniu jego lokalizacji. Znamienne jest również to, iż w wyniku zastosowania proponowanych schematów zaburzeń rozwiązań, skróceniu ulega również czas niezbędny do odnalezienia rozwiązania globalnego. Część druga rozprawy doktorskiej poświęcona została zastosowaniu opracowanych technik optymalizacji do rozwiązywania wybranych problemów natury inżynierskiej. W szczególności zaproponowano ewolucyjną metodę estymacji przedziałów ufności dla nieliniowych modeli regresyjnych. Metoda ta umożliwia scharakteryzowanie niepewności związanej z parametrami modelu nieliniowego bez konieczności jego ówczesnej linearyzacji. Tym samym możliwe jest znacznie dokładniejsze oszacowanie przedziałów ufności dla nieliniowych modeli regresji. Ponadto, w pracy zaproponowano unikalną, sekwencyjną strategię ewolucyjną, dedykowaną do problemu projektowania nieliniowych, odpornych obserwatorów stanu, oraz ewolucyjny algorytm konstruowania D-optymalnych zbiorów uczących dla statycznych, sztucznych sieci neuronowych.

Abstact

The aim of this dissertation is to give an account on theroetical aspects of stabIe distributions and their practical application to modem stochastic global optimization algorithms. Particular emphasis is placed on special charateristics of stable family which have an effect on effectiveness of evolutionary algorithms. The c1ass of stable distributions is unique, esspeccialy against commonly used Gaussian model, from many reasons, e.g.: generally they variance is infmite while an expectation value exists
only for some particular cases. In the light of these distinctive features the so-called sourounding and symmetry effect is discussed in more detail. 80th mentioned phenomena are to a large extend responsable for dec1ine in effectivness global optimization procedures that are based on Gaussian mutation. Results reported in the thesis show that evolutionary algorithm govemed by stable law converges to aglobal solution faster, is more roubust and retums more accurate estimates. Therefore, that c1ass of stable distributions is a perfect candidate for setting a profitabIe compromise between two opposings features: exploration of the space of candidate solutions and its exploatation. Moreover in the doctoral thesis a significant amount of attention is paid to the problem of designing the nonlinear and robust observers for discrete time dynamic systems. The proposed optimization
methods are also successfully applied to the estimation of confidence intervals for nonlinear regression models. The approach makes it possible to avoid the most popular linearization method, so that computed adaptive bounds for nonlinear modeIs are more accurate and reliable.