1,721,004 research outputs found
A Distributed Ant Colony Algorithm for topological optimization of 2D Structural Domains,
No full textTECNICHE PSO APPLICATE ALL'OTTIMIZZAZIONE DI CONFIGURAZIONE DI VELIVOLI
No full textLe tecniche di ottimizzazione basate sulla teoria degli sciami (PSO) sono metodi non lineari che ricadono nella classe degli algoritmi di ottimizzazione di tipo probabilistico a ricerca guidata, così come gli algoritmi generici, pur differenziandosi da questi ultimi per una "filosofia" di funzionamento completamente diversa. L'esploeazione del dominio di ricerca, infatti, viene effettuato dagli individui (o particelle) che costituiscono la popolazione (o sciame) attraverso un processo che, pur rimanendo fondamentalmente di tipo stocastico, si basa non sulla competizione, quanto piuttosto sulla collaborazione tra gli individui. La determinazione delle direzioni lungo le quali le particelle si muovono, cioè, viene effettuata sulla base della memoria che ognuna di esse conserva non solo della propria migliore posizione ma anche della migliore posizione in assoluto raggiunta da tutto lo sciame. Recentemente, tali tecniche hanno mostrato una notevole efficacia nella risoluzione di problemi multi dimensionali, in presenza di funzioni discontinue, arrivando, in taluni casi, ad ottenere risultati migliori rispetto a procedure di ottimizzazione basate su algoritmi genetici. Per tale motivo, si è ritenuto di interesse indagarne l'applicabilità in un campo, quello del Conceptual design che si presta particolarmente bene, per la contemporanea presenza di variabili continuee/discrete e di funzioni obbiettivo di tipo discontinuo, a testare la validità di procedure di ottimizzazione alternative. Preliminarmente l'algoritmo è stato applicato ad una funzione bidimensionale caratterizzata da 760 minimi locali edm un solo minimo globale. tale analisi ha permesso di slezionare i valori dei parametri caratteristici della procedura PSO di ottimizzazione. Si è poi affrontato il problema della definizione della configurazione di un velivolo da trasporto commerciale che minimizzi il costo diretto operativo su di una assegnata tratta. Il problema è stato schematizzato attraverso 10 variabili di progetto (di cui 4 discrete) riguardanti la definizione sia del velivolo che del profilo di missione ed 8 funzioni di vincolo. L'efficacia dell'algoritmo di ottimizzazione PSO è stata confermata, infine, attraverso il confronto con i risultati ottenuti ottimizzando una procedura basata su algritmi genetici
OTTIMIZZAZIONE DELLA CONFIGURAZIONE PRELIMINARE DI UN VELIVOLO DA TRASPORTO COMMERCIALE CON L'UTILIZZO DI ALGORITMI GENETICI
No full textDefinizione della configurazione ottima di un velivolo da trasporto attraverso l’uso di un analizzatore neurale
No full textWIND TUNNEL INVESTIGATIONS ON TWO VERY LIGHT AIRCRAFT CONFIGURATIONS AND THEIR DEVELOPMENT
No full textDevelopment of an Ant Colony Optimization Algorithm to Improve Maintenance Process Efficiency,
No full textParticle Swarm approach in finding optimum aircraft configuration
No full textOptimization techniques based on swarm theory (particle swarm optimization, PSO), originally developed to simulate the social behavior of animals, are non linear methods belonging to the class of evolutionary computational techniques, like genetic algorithm (GA). Both of them are population-based optimizers that find solution through a probabilistic search process only guided by fitness value. In the particle swarm approach, however, neither individuals (or particles) are replaced nor new offspring are generated during evolution: individuals stay alive and simply change their position within the search space during the optimization process. Such position change (named velocity) 9is guided by personal experience of each particle and by swarm experience shared among all the individuals. To this end, each particle keeps a memory of its own best position as well as of the best position reached so far by all the particles. Following the PSO approach we can get population evolution trough cooperation rather than competition among individuals.
The main advantage of the PSO algorithm is its simple implementation compared to GA: besides velocity, no additional operator is requested in PSO, whereas GA needs three different operators (Selection, cross-over, mutation). Many reports compare particle swarm to genetic algorithm showing, in some cases, that PSO can give better results [2,3]. For this reason, PSO applicability to an aircraft conceptual design as been deemed an interesting problem to be investigated. The definition of a preliminary aircraft configuration is, in fact, a critical task for deterministic approaches, whereas probabilistic-type methods (e.g. GA) have already proved their effectiveness [4,5]
Atmosphere effects on sonar sensor model for UAS applications
No full textThe use of Unmanned Aerial System (UAS) applications is growing in both civilian and military fields. Fully autonomous UAS applications are useful to a variety of disciplines; for example, they can provide structural damage inspections in critical or dangerous areas (e.g. The L'Aquila earthquake in Italy, or Hurricane Ike in Galveston, Texas, USA). However, in some conditions, such as urban or low altitude operations, the Global Navigation Satellite System (GNSS) receiver antenna is prone to losing the line-of-sight from the satellite, making GNSS unable to deliver high quality positon information. This is quite dangerous for closed-loop control systems during the landing phase. In these cases, an ultrasonic sensor may be very useful for altitude control during the vehicle landing
- …
