1,433 research outputs found
Distribition de Megaporella boulangeri Deloffre et Beun, 1986 (algue dasycladale) dans le Jurassique du bassin atlantique marocain
No full textThe recent biostratigraphic and micropaleontologic works permitted to specify the distribution of Megaporella boulangeri Deloffre and Beun in the Jurassic of the Moroccan Atlantic basin. The lower limit of the extension of this dasycladale alga, earlier attribued to the Early Kimmeridgian by Deloffre and Beun (1986), is currently placed in the Early Callovian, on the basis of the age provided by Megaporella boulangeri biozone. The Otternstella arabica biozone dates the upper limit of the extension of the species of the Early Oxfordian. Megaporella boulangeri proliferates in the borders of the basin where the internal lagoons facies dominate, however it is absent in the western parts with open sea facies
Desarrollo de un sistema de Visión Artificial para ayuda a personas con dificultad motora en las extremidades superiores
No full textEn el presente proyecto, se desarrolla un sistema de visión artificial para la ayuda
a aquellas personas con problemas motoras que afecten a sus extremidades
superiores. Para la realización del sistema, se ha programado la placa de desarrollo
Maixduino mediante el software Maixpy IDE. La placa Maixduino que es capaz de
soportar inteligencia artificial va a permitir que, mediante una interfaz de cuatro
botones digitales mostrados en su pantalla y su cámara se pueda usar la nariz
como un puntero que pueda accionar dichos botones. La información de
activación/desactivación de dichos botones digitales se enviará a una Raspberry Pi
que contendrá el software domótico Home Assistant, en el cual programaremos
una serie de automatizaciones, para el control de una serie de actuadores, como
enchufes inteligentes, bombillas inteligentes, etc. Es decir, mediante un ligero
movimiento de cuello, una persona podrá activar o desactivar una serie de
dispositivos inteligentesIn this project, an artificial vision system is developed to help people with motor
problems affecting their upper limbs. To create the system, the Maixduino
development board has been programmed using the Maixpy IDE software. The
Maixduino board, which is capable of supporting artificial intelligence, will allow
the nose to be used as a pointer that can be activated by means of an interface of
four digital buttons shown on its screen and its camera. The
activation/deactivation information of these digital buttons will be sent to a
Raspberry Pi that will contain the Home Assistant home automation software, in
which we will program a series of automations to control a series of actuators,
such as intelligent plugs, intelligent light bulbs, etc. In other words, by means of a
slight neck movement, a person will be able to activate or deactivate a series of
intelligent devices.Departamento de Ingeniería de Sistemas y AutomáticaGrado en Ingeniería en Electrónica Industrial y Automátic
Author Correction: A detailed map of Higgs boson interactions by the ATLAS experiment ten years after the discovery
No full textIn the version of this article initially published, the ATLAS Collaboration
author names, affiliations and acknowledgements were omitted and
have now been included in the HTML and PDF versions of the article
A novel improved horned lizard optimization algorithm to identify optimal parameters of adaptive fuzzy logic MPPT for performance boosting of PEM fuel cell
No full textHorned Lizard Optimization Algorithm (HLOA) is a newly developed swarm-based metaheuristic technique that emulates the defensive behaviors of the horned lizard in nature. Like other algorithms, HLOA has certain limitations, including the tendency to become trapped in local optima due to a rapid loss of population diversity during the optimization process. This often results in premature convergence, particularly in complex optimization problems. To address these issues, this paper introduces an improved version of HLOA, named iHLOA, which incorporates two distinct strategies. First, the strengthened convergence strategy is utilized to improve the quality of individuals and accelerate the algorithmʼs convergence. Second, the mutation strategy is integrated to significantly boost population diversity, enhancing HLOAʼs ability to escape local minima. Various validation tests conducted on the CEC-2022 benchmark test demonstrate the effectiveness of the iHLOA algorithm in tackling global optimization challenges. Additionally, iHLOA was applied to determine the optimal gains for adaptive Fuzzy Logic Control (FLC) based MPPT to maximize energy harvested from the Proton Exchange Membrane Fuel Cell (PEMFC). The results demonstrate iHLOAʼs superiority over other algorithms, including the Seagull Optimization Algorithm (SOA), Black Widow Optimization Algorithm (BWOA), Sinh Cosh Optimizer (SCHO), Osprey Optimization Algorithm (OOA), Whale Optimization Algorithm (WOA), Greylag Goose Optimization (GGO), and the standard HLOA. iHLOA achieved the best performance with a value of 1.7755, followed by SCHO with 1.7806, while GGO recorded the worst performance at 1.8494. Additionally, iHLOA demonstrated superior stability with the lowest standard deviation (STD) of 0.0122, followed by SOA with 0.0193, while GGO had the highest STD of 0.1101. Furthermore, compared with the classical FLC-MPPT, the proposed FLC-MPPT based on iHLOA achieves faster tracking speeds and reduces oscillations around the MPP in a steady state
Apprentissage par renforcement pour le contrôle des robots parallèles à câbles
No full textDans cette thèse, l'apprentissage par renforcement appliqué au contrôle des robots parallèles à câbles a été étudié. Cette catégorie de robots se distingue par sa dynamique complexe et la non-linéarité de son système, offrant ainsi un cadre idéal pour l'implémentation d'algorithmes d'apprentissage par renforcement. Toutefois, ces algorithmes nécessitent de vastes quantités de données pour apprendre la politique optimale, ce qui n'est pas toujours réalisable dans des scénarios réels. Pour contourner cette limitation, nous avons proposé une approche sim-to-real. Tout d'abord, l'équation de Newton-Euler a été utilisée pour modéliser la dynamique du robot, et en fixant les paramètres aux valeurs réelles, le modèle a été validé en comparant les résultats de la simulation avec les données expérimentales. Afin d'assurer une grande précision des simulations tout en réduisant les temps de calcul, le modèle a été implémenté sous Matlab/Simulink, puis converti en bibliothèque exttt{C++} pour une intégration plus fluide avec l'environnement extit{gym} en exttt{python}. Par ailleurs, pour déterminer la politique optimale via l'apprentissage par renforcement, l'objectif du contrôleur doit être défini. Étant donné que la majorité des applications des robots parallèles à câbles se rapportent au suivi de trajectoires, une fonction de récompense alignée sur cet objectif a été conçue, accompagnée d'un processus de génération de trajectoires cibles. De plus, une limitation de l'espace d'action a été introduite afin de garantir que la tension des câbles reste dans les limites acceptables durant l'apprentissage. Ces éléments clés, associés aux algorithmes d'apprentissage par renforcement les plus répandus pour les espaces continus - DDPG, PPO et SAC - forment une plateforme complète dédiée à la génération de contrôleurs pour les robots parallèles à câbles. Une comparaison approfondie entre ces trois algorithmes a été réalisée, tant durant l'apprentissage que lors de l'évaluation des performances des contrôleurs entraînés. En parallèle, une comparaison a été effectuée entre le contrôleur d'apprentissage par renforcement et un contrôleur PID développé pour le suivi des insectes, en prenant en compte divers critères tels que l'erreur de suivi, la consommation d'énergie et la robustesse du système. Un des défis majeurs de cette étude concerne la transition vers différentes configurations du robot, car la politique apprise est spécifique à une configuration donnée, nécessitant un nouveau processus d'apprentissage pour chaque configuration différente. Pour pallier cette difficulté, une nouvelle méthode d'apprentissage d'une politique au niveau des actionneurs a été développée et comparée à la méthode conventionnelle. Enfin, le contrôleur entraîné a été testé sur le robot afin de valider la transférabilité de la politique de la simulation au monde réel.In this thesis , the use of reinforcement learning for controlling Cable-driven parallel robots has been investigated. This class of robots is known with its complex dynamics and the nonlinearity of the system, which offers an interesting environment for the implementation of reinforcement learning algorithms. These algorithms requires a lot of data to learn the optimal policy, which is not always possible in real world applications. To overcome this issue, we propose a sim-to-real approach. First, the newton euler equation of the robot is used to derive the dynamic model of the robot, and by setting the parameters to the real values of the robot, we validated the model by comparing the simulation results with the real data. To ensure a high precision of the simulation data and a reduced execution time, it was implemented using Matlab/Simulink and then converted to exttt{C++} library for easier integration with the extit{gym} environment in exttt{python}. Additionally, in order to learn the optimal policy using reinforcement learning, the objective of the controller should be specified. As most of the use cases of cable-driven parallel robots could be summarized as a trajectory tracking problem, a reward function that align with this objective is designed and a process for target trajectories generation was developed. In addition to that, a limitation on the action space was introduced to ensure the cable tension is within the limits during the training process. These key components along with the most known reinforcement learning algorithms for continuous space: DDPG, PPO, and SAC make a full-fledged training platform for the generation of reinforcement learning based controllers for cable-driven parallel robots. A comparison between the three algorithms during the training process and the performance of the trained controllers was conducted. A side by side evaluation of the reinforcement learning controller with a PID based controller developed for insect tracking purposes was also performed and many aspects were compared such as the tracking error, the energy consumption, and the robustness of the controller. One of the main challenges of this work is the transition to different configuration of the robot, as the trained policy was developed for a specific configuration, a new training process is required for each different configuration. To overcome this issue, a new method to learn an actuator level policy has been developed and comparative analysis with the conventional policy has been hold. Finally, the trained controller was tested on the robot to ensure the transferability of the policy from the simulation to the real world
Apprentissage par renforcement pour le contrôle des robots parallèles à câbles
No full textIn this thesis , the use of reinforcement learning for controlling Cable-driven parallel robots has been investigated. This class of robots is known with its complex dynamics and the nonlinearity of the system, which offers an interesting environment for the implementation of reinforcement learning algorithms. These algorithms requires a lot of data to learn the optimal policy, which is not always possible in real world applications. To overcome this issue, we propose a sim-to-real approach. First, the newton euler equation of the robot is used to derive the dynamic model of the robot, and by setting the parameters to the real values of the robot, we validated the model by comparing the simulation results with the real data. To ensure a high precision of the simulation data and a reduced execution time, it was implemented using Matlab/Simulink and then converted to exttt{C++} library for easier integration with the extit{gym} environment in exttt{python}. Additionally, in order to learn the optimal policy using reinforcement learning, the objective of the controller should be specified. As most of the use cases of cable-driven parallel robots could be summarized as a trajectory tracking problem, a reward function that align with this objective is designed and a process for target trajectories generation was developed. In addition to that, a limitation on the action space was introduced to ensure the cable tension is within the limits during the training process. These key components along with the most known reinforcement learning algorithms for continuous space: DDPG, PPO, and SAC make a full-fledged training platform for the generation of reinforcement learning based controllers for cable-driven parallel robots. A comparison between the three algorithms during the training process and the performance of the trained controllers was conducted. A side by side evaluation of the reinforcement learning controller with a PID based controller developed for insect tracking purposes was also performed and many aspects were compared such as the tracking error, the energy consumption, and the robustness of the controller. One of the main challenges of this work is the transition to different configuration of the robot, as the trained policy was developed for a specific configuration, a new training process is required for each different configuration. To overcome this issue, a new method to learn an actuator level policy has been developed and comparative analysis with the conventional policy has been hold. Finally, the trained controller was tested on the robot to ensure the transferability of the policy from the simulation to the real world.Dans cette thèse, l'apprentissage par renforcement appliqué au contrôle des robots parallèles à câbles a été étudié. Cette catégorie de robots se distingue par sa dynamique complexe et la non-linéarité de son système, offrant ainsi un cadre idéal pour l'implémentation d'algorithmes d'apprentissage par renforcement. Toutefois, ces algorithmes nécessitent de vastes quantités de données pour apprendre la politique optimale, ce qui n'est pas toujours réalisable dans des scénarios réels. Pour contourner cette limitation, nous avons proposé une approche sim-to-real. Tout d'abord, l'équation de Newton-Euler a été utilisée pour modéliser la dynamique du robot, et en fixant les paramètres aux valeurs réelles, le modèle a été validé en comparant les résultats de la simulation avec les données expérimentales. Afin d'assurer une grande précision des simulations tout en réduisant les temps de calcul, le modèle a été implémenté sous Matlab/Simulink, puis converti en bibliothèque exttt{C++} pour une intégration plus fluide avec l'environnement extit{gym} en exttt{python}. Par ailleurs, pour déterminer la politique optimale via l'apprentissage par renforcement, l'objectif du contrôleur doit être défini. Étant donné que la majorité des applications des robots parallèles à câbles se rapportent au suivi de trajectoires, une fonction de récompense alignée sur cet objectif a été conçue, accompagnée d'un processus de génération de trajectoires cibles. De plus, une limitation de l'espace d'action a été introduite afin de garantir que la tension des câbles reste dans les limites acceptables durant l'apprentissage. Ces éléments clés, associés aux algorithmes d'apprentissage par renforcement les plus répandus pour les espaces continus - DDPG, PPO et SAC - forment une plateforme complète dédiée à la génération de contrôleurs pour les robots parallèles à câbles. Une comparaison approfondie entre ces trois algorithmes a été réalisée, tant durant l'apprentissage que lors de l'évaluation des performances des contrôleurs entraînés. En parallèle, une comparaison a été effectuée entre le contrôleur d'apprentissage par renforcement et un contrôleur PID développé pour le suivi des insectes, en prenant en compte divers critères tels que l'erreur de suivi, la consommation d'énergie et la robustesse du système. Un des défis majeurs de cette étude concerne la transition vers différentes configurations du robot, car la politique apprise est spécifique à une configuration donnée, nécessitant un nouveau processus d'apprentissage pour chaque configuration différente. Pour pallier cette difficulté, une nouvelle méthode d'apprentissage d'une politique au niveau des actionneurs a été développée et comparée à la méthode conventionnelle. Enfin, le contrôleur entraîné a été testé sur le robot afin de valider la transférabilité de la politique de la simulation au monde réel
The impact of applying WildCards to dead modules for FTK pattern banks on efficiency and data flow
No full textOnline selection is an essential step to collect the most interesting collisions among a very large number of events delivered by the ATLAS detector at the Large Hadron Collider (LHC). The Fast TracKer (FTK) is a hardware based track finder, for the ATLAS trigger system, that rapidly identifies important physics processes through their track-based signatures, in the Inner Detector pixel and SCT layers. FTK will do global track reconstruction after each Level-1 trigger for all tracks with pT > 1GeV to enable the Level-2 trigger to have early access to tracking information. Tracking is seeded by a pattern recognition step. Patterns are recognized with hits in seven out of eight possible detector layers. Because the detectors are not perfect, the presence of dead modules leads to a loss of efficiency in some regions. To recover efficiency, WildCards (WC) algorithm will be implemented in the FTK. The modules which WC algorithm is applied are assumed to always have hits. The WC algorithm recovers inefficiency but also causes higher data flow, that may exceed the hardware limitation. To correct this we will apply a penalty on patterns with WildCards, which will reduce slightly the efficiency but allows to reduce the data flow to values closer to the ideal ones
Role of external synchronizers (photoperiod and ambient temperature) in adaptation to extreme environmental conditions in two seasonal species : the camel (Camelus dromedarius) adapted to hot areas and European hamster (Cricetus cricetus) adapted to cold areas
No full textL’intégrité fonctionnelle des organismes vivants, Homme y compris dépend des rythmes biologiques. La perturbation de ces rythmes due aux conditions de vie du monde moderne (travail posté, jet-lag,…) ou des circonstances naturelles (vieillissement), favorise l’installation de pathologies spécifiques (troubles du sommeil, l’obésité, le diabète,…). Afin de retarder l’apparition de ces troubles, la conception des projets expérimentaux sur des modèles d’animaux diurnes et des modèles d’animaux vivants dans des biotopes particuliers où l’Homme est présent (zone désertique) est nécessaire. Le but de ma thèse est d’essayer de comprendre les mécanismes neurophysiologiques d’adaptation aux conditions environnementales extrêmes chez le dromadaire (adapté à la chaleur) et le hamster d’Europe (adapté au froid). Une première partie révèle qu’en plus de la photopériode, la température ambiante est un véritable synchroniseur de l’horloge biologique du moins en absence du cycle lumière-obscurité. Dans une seconde partie, notre objectif était de vérifier si les variations saisonniers de la température ambiante sont capables comme les changements photopériodiques d’induire des modifications saisonnières sur le rythme de mélatonine et/ou de la température corporelle. Nous avons commencé par la vérification de l’existence de l’hétérothermie adaptative chez le dromadaire surtout que ce phénomène a été contesté récemment. Nos résultats démontrent que le dromadaire privé d’eau de boisson et placé sous des températures ambiantes élevées, adopte une régulation complexe de thermorégulation caractérisée par une alternance quotidienne de phase de poïkilothermie et d’homéothermie. Cet état d’hétérothermie a également été observé chez des dromadaires parfaitement hydratés, sujet d’une restriction alimentaire. Nos résultats concluent donc que l’hétérothermie adaptative chez le dromadaire est une combinaison de plusieurs facteurs qui interagissent le long du cycle lumière-obscurité, à savoir la température ambiante, la privation hydrique et la prise alimentaire. Finalement, nous avons démontré chez le hamster d’Europe que les neurones des noyaux arqués sont capables d’intégrer le signal photopériodique et cela indépendamment de la présence de la mélatonine. L’existence de ce mécanisme particulier d’intégration de la photopériode chez d’autres mammifères y compris l’Homme doit maintenant être recherchée. Nos résultats ouvrent la voie à la mise en évidence de son intérêt pratique dans le contrôle des rythmes biologiques en particulier dans celui des rythmes circannuels.The functional integrity of living organisms, including human, depends on the biological rhythms. Disruption of these rhythms due to the living conditions of the modern world (shift work, jet lag ...) or natural circumstances (aging), leads various abnormalities (sleep disorders, obesity, diabetes ...). In order to understand pathophysiology of these abnormalities and adaptation in extreme environment, we need to design experiments on diurnal animals that cohabitate with human in specific biotopes. The aim of my thesis is to understand the neurophysiological mechanisms of adaptation to extreme environmental conditions in the camel (adapted to heat) and the European hamster (adapted to cold). Earlier we found that in addition to photoperiod, ambient temperature is a real synchronizer of the biological clock, at least in the absence of light-dark cycle. In the second part of my project, we investigated if seasonal variations of ambient temperature are capable to changes the rhythm of melatonin secretion and/or body temperature like photoperiod. Since heterothermy in camel challenged recently, we started our study by confirming the existence of adaptive heterothermy in camels. Our results demonstrate that dehydrated camels during exposure to daily heat show adaptive heterothermy. This mechanism is more complex because it is characterized by a daily alternation of two periods of poikilothermy and homeothermy. This adaptive heterothermy was also observed when camels are hydrated and food deprived. Based on our results, we can conclude that adaptive heterothermy in the Arabian camel is a combination of three factors interacting throughout the light-dark cycle: heat stress, water restriction, and level of food intake. Finally, we have demonstrated in European hamster that neurons of the arcuate nucleus are able to integrate photoperiodic signal, independent of melatonin. The existence of this particular mechanism of integration of photoperiod in other mammals including humans must be investigated. Our results promote to study the role of this new mechanism of integration of photoperiod in the control of biological rhythms in particular the circannual rhythm
Rôle des synchronisateurs externes (photopériode et température ambiante) dans l'adaptation aux conditions extrêmes de l'environnement chez deux espèces saisonnières : le dromadaire (Camelus dromaderius) adapté à la chaleur et le hamster d'Europe (Cricetus cricetus) adapté au froid
No full textThe functional integrity of living organisms, including human, depends on the biological rhythms. Disruption of these rhythms due to the living conditions of the modern world (shift work, jet lag ...) or natural circumstances (aging), leads various abnormalities (sleep disorders, obesity, diabetes ...). In order to understand pathophysiology of these abnormalities and adaptation in extreme environment, we need to design experiments on diurnal animals that cohabitate with human in specific biotopes. The aim of my thesis is to understand the neurophysiological mechanisms of adaptation to extreme environmental conditions in the camel (adapted to heat) and the European hamster (adapted to cold). Earlier we found that in addition to photoperiod, ambient temperature is a real synchronizer of the biological clock, at least in the absence of light-dark cycle. In the second part of my project, we investigated if seasonal variations of ambient temperature are capable to changes the rhythm of melatonin secretion and/or body temperature like photoperiod. Since heterothermy in camel challenged recently, we started our study by confirming the existence of adaptive heterothermy in camels. Our results demonstrate that dehydrated camels during exposure to daily heat show adaptive heterothermy. This mechanism is more complex because it is characterized by a daily alternation of two periods of poikilothermy and homeothermy. This adaptive heterothermy was also observed when camels are hydrated and food deprived. Based on our results, we can conclude that adaptive heterothermy in the Arabian camel is a combination of three factors interacting throughout the light-dark cycle: heat stress, water restriction, and level of food intake. Finally, we have demonstrated in European hamster that neurons of the arcuate nucleus are able to integrate photoperiodic signal, independent of melatonin. The existence of this particular mechanism of integration of photoperiod in other mammals including humans must be investigated. Our results promote to study the role of this new mechanism of integration of photoperiod in the control of biological rhythms in particular the circannual rhythmsL’intégrité fonctionnelle des organismes vivants, Homme y compris dépend des rythmes biologiques. La perturbation de ces rythmes due aux conditions de vie du monde moderne (travail posté, jet-lag,…) ou des circonstances naturelles (vieillissement), favorise l’installation de pathologies spécifiques (troubles du sommeil, l’obésité, le diabète,…). Afin de retarder l’apparition de ces troubles, la conception des projets expérimentaux sur des modèles d’animaux diurnes et des modèles d’animaux vivants dans des biotopes particuliers où l’Homme est présent (zone désertique) est nécessaire. Le but de ma thèse est d’essayer de comprendre les mécanismes neurophysiologiques d’adaptation aux conditions environnementales extrêmes chez le dromadaire (adapté à la chaleur) et le hamster d’Europe (adapté au froid). Une première partie révèle qu’en plus de la photopériode, la température ambiante est un véritable synchroniseur de l’horloge biologique du moins en absence du cycle lumière-obscurité. Dans une seconde partie, notre objectif était de vérifier si les variations saisonniers de la température ambiante sont capables comme les changements photopériodiques d’induire des modifications saisonnières sur le rythme de mélatonine et/ou de la température corporelle. Nous avons commencé par la vérification de l’existence de l’hétérothermie adaptative chez le dromadaire surtout que ce phénomène a été contesté récemment. Nos résultats démontrent que le dromadaire privé d’eau de boisson et placé sous des températures ambiantes élevées, adopte une régulation complexe de thermorégulation caractérisée par une alternance quotidienne de phase de poïkilothermie et d’homéothermie. Cet état d’hétérothermie a également été observé chez des dromadaires parfaitement hydratés, sujet d’une restriction alimentaire. Nos résultats concluent donc que l’hétérothermie adaptative chez le dromadaire est une combinaison de plusieurs facteurs qui interagissent le long du cycle lumière-obscurité, à savoir la température ambiante, la privation hydrique et la prise alimentaire. Finalement, nous avons démontré chez le hamster d’Europe que les neurones des noyaux arqués sont capables d’intégrer le signal photopériodique et cela indépendamment de la présence de la mélatonine. L’existence de ce mécanisme particulier d’intégration de la photopériode chez d’autres mammifères y compris l’Homme doit maintenant être recherchée. Nos résultats ouvrent la voie à la mise en évidence de son intérêt pratique dans le contrôle des rythmes biologiques en particulier dans celui des rythmes circannuels
A Novel Improved Gradient-Based Optimizer for Single-Sensor Global MPPT of PV System
No full textGradient-Based Optimizer (GBO) is a highly mathematics-based metaheuristic algorithm that has garnered significant attention since its introduction. It offers several inherent advantages, such as low computational complexity, rapid convergence, and easy implementation. However, GBO has some drawbacks, including a lack of population diversity and a tendency to get trapped in local optima. To address these shortcomings, this research introduces an improved version of GBO (iGBO). In iGBO, introducing the Sobol sequence strategy ensures a higher-quality initial population and enhances the convergence speed. Additionally, a new modified Local Escaping Operator (LEO) is proposed, which incorporates the sine-cosine operator and the DCS/Xbest/Current-to-2rand strategy. This modified LEO improves the optimization efficiency of GBO and boosts its local search capability, helping to avoid local optima. The superiority of iGBO is thoroughly verified through comparisons with the original GBO and several well-known and newly developed algorithms on the IEEE CEC’2022 benchmark suite. Furthermore, the proposed approach is applied to extract the photovoltaic system’s global maximum power point (MPP) under shading conditions. Three different shading patterns are considered to assess the reliability of iGBO. The performance of the developed iGBO is compared with several leading algorithms, including Particle Swarm Optimization (PSO), Reptile Search Algorithm (RSA), Black Widow Optimization Algorithm (BWOA), Pelican OA (POA), Chimp OA (ChOA), Osprey OA (OOA), and the original GBO. The results reveal that iGBO-based MPPT consistently outperforms its competitors in identifying the global MPP under various shading conditions followed by PSO, while RSA performs the least effectively
- …
