Nowe ujęcie wybranych zagadnień optymalizacji - 05 Podsumowanie; Dodatek A; Dodatek B; Dodatek C; Dodatek D; Dodatek E; Bibliografia

Nowe ujęcie wybranych zagadnień optymalizacji - 05 Podsumowanie; Dodatek A; Dodatek B; Dodatek C; Dodatek D; Dodatek E; Bibliografia

W rozwiązywaniu złożonych zadań optymalizacyjnych algorytmy ewolucyjne zajmują wiodącą pozycję. Nietypowe spojrzenie na algorytm optymalizacyjny, prezentowane w opracowaniu, pozwoliło na stworzenie nowego algorytmu a prace nad jego rozwojem – na umieszczenie jego metafor w grupie sztucznego życia. Powstałe w ten sposób algorytmy są dalej efektywnymi algorytmami optymalizacji a proponowane podejście wprowadza w ich działanie nowe właściwości. Opracowanie prezentuje nowy algorytm obserwacji – jako algorytm bazowy oraz jego metafory ulokowane w grupie algorytmów immunologicznych i algorytmów optymalizacji rojem cząstek. Badania prowadzone nad mechaniką działania tych algorytmów wykazały ich nowe właściwości tj.: zachowanie przypominające mechanizm obserwacji, mechanizm koewolucji determinujący zachowanie algorytmu czyniącego go niezależnym od wpływu środowiska. Realizacja postawionych założeń narzuciła konieczność opracowania efektywnego mechanizmu mutacji dla algorytmu immunologicznego. W odniesieniu do algorytmu optymalizacji rojem cząstek zdefiniowano funkcje scenariuszy zachowań. Zaproponowano grupę systemów immunologicznych będącą odpowiednikiem systemu wielopopulacyjnego oraz zdefiniowano metody wymiany informacji pomiędzy systemami w grupie. Przedstawiono umocowanie teoretyczne działania algorytmów a także poparto to badaniami symulacyjnymi. Do sprawdzenia efektywności pracy algorytmów wykorzystano typowe środowiska testowe dla problemów stacjonarnych i niestacjonarnych. W pracy zastosowano analizę fraktalną i multifraktalną, wykazując jej przydatność w badaniach nad zachowaniem algorytmów. Optymalizacja struktury diagnostycznej układu cyfrowego jest zagadnieniem wielokryterialnym i stanowi swego rodzaju wyzwanie. Kompleksowe podejście do diagnostyki układu wielomodułowego może prowadzić do nowych rozwiązań, również w zakresie diagnostyki pojedynczego modułu. Koncepcje takie zawiera niniejsze opracowanie, bazując na nietypowym podejściu do diagnostyki układu wielomodułowego, których konkluzja ma silną podstawę teoretyczną. Oryginalnym dorobkiem pracy w tym zakresie jest: propozycja architektury wbudowanego testowania bazującej na tak zwanej modyfikacji liniowej, wprowadzenie opisu struktury diagnostycznej, określenie podstaw teoretycznych tej koncepcji, potwierdzenie sformułowanych podstaw teoretycznych a jednocześnie weryfikacja skuteczności diagnostycznej proponowanych rozwiązań metodami symulacyjnymi opartymi na modelowaniu z wykorzystaniem układów testowych ISCAS'89, wykazanie stałych cech modułów podczas testowania, przedstawienie formalnego zapisu dowolnej struktury diagnostycznej wraz z opisem ram optymalizacji oraz koncepcji narzędzia symulacyjnego wykorzystywanego w prowadzonych badaniach. Jednocześnie w opracowaniu przedstawiono oryginalne wykorzystanie algorytmu genetycznego, uzyskując wysoką efektywność optymalizacji. Ta część opracowania przedstawia kompletny system opisu dowolnej struktury diagnostycznej wraz z metodą jej optymalizacji. Rozwiązania przedstawione w rozprawie otwierają drogę do dalszych badań. W pracy wyodrębnione są dwie części, które mimo wspólnej bazy w postaci algorytmów ewolucyjnych, prezentują odrębne i zamknięte tematycznie problemy.