Інженерна механіка та транспорт (EMT-2011). – 2011 р.

Permanent URI for this collectionhttps://ena.lpnu.ua/handle/ntb/28784

Матеріали IІ Міжнародної конференції молодих вчених ЕМТ–2011, 24-26 листопада 2011 року, Україна, Львів

У збірнику опубліковано матеріали конференції, присвяченої проблемам у галузі інженерної механіки, транспортних технологій, машинобудування, автоматизації виробництва. Видання призначено для науковців, аспірантів, студентів.

Інженерна механіка та транспорт : матеріали IІ Міжнародної конференції молодих вчених ЕМТ-2011, 24-26 листопада 2011 року, Україна, Львів / Міністерство освіти і науки, молоді та спорту України, Національний університет "Львівська політехніка". – Львів : Видавництво Львівської політехніки, 2011. – 113 с. – (3-й Міжнародний молодіжний фестиваль науки "Litteris et аrtibus"). – Паралельний титульний аркуш англійською. – Бібліографія в кінці доповідей.

Browse

Author: search.filters.author.Вараніцький, ТарасHas files: Yes

Search Results

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Методика оптимізаційного синтезу пакувальних машин із застосуванням генетичного алгоритму
    (Видавництво Львівської політехніки, 2011) Пальчевський, Богдан; Вараніцький, Тарас
    Розглянуто методику оптимізаційного синтезу структури пакувального автомата за допомогою генетичного алгоритму та описано конструкцію згенеровної машини. Evolutionary search methods successfully combine the advantages of heuristic methods and methods of mathematical programming. The genotype of packaging machine is presented by the set of genes, each coding the particular functional module of a machine: · product feeding tube; · forming collar · longitudinal seaming module ; · drawing module;· cross-seaming module; · cutting module ;· mechanisms of fold formation;· mechanisms of forming the bottom and the top of a package. The value of each gene at the start is determined by pseudorandom number generator and may be changed by mutation operator during the genetic algorithm run. The structure of a machine is optimized by several criteria (e.g. versatility, complexity, cost, energy, etc.) that form a complex cost function evaluating each member of the pool durnig the genetic algorithm operation. The genetic algorithm ends up with bulding a histogram (fig. 1) presenting the genotype of the optimal result. The phenotype is obtained by decoding the value of each gene. The 3D result models of several genetic algorithm runs are presented on fig. 2-4.