A comparison between Genetic Algorithm and PSO for linear phase FIR digital filter design

Najjarzadeh, M.; Ayatollahi, Ahmad

doi:10.1109/icosp.2008.4697568

Cited by 23 publications

(11 citation statements)

References 1 publication

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…To this aim, we experimented the binary particle swarm optimization (PSO) algorithm proposed in [12] to perform feature selection before or after the projection step. Indeed PSO based feature selection has been shown to be very efficient on some large scale application problems with performance better than genetic algorithms [24,16,9]. We therefore implemented it for this biometric feature fusion problem of high dimension and this is another novelty of this paper.…”

Section: Introductionmentioning

confidence: 97%

Designing efficient fusion schemes for multimodal biometric systems using face and palmprint

Raghavendra

Dorizzi

Rao³

et al. 2011

Pattern Recognition

View full text Add to dashboard Cite

Section: Introductionmentioning

confidence: 97%

Designing efficient fusion schemes for multimodal biometric systems using face and palmprint

Raghavendra

Dorizzi

Rao³

et al. 2011

Pattern Recognition

View full text Add to dashboard Cite

“…Outra questão muito importante é a forma de avaliação da qualidade dos ltros digitais, representado pela função de tness num algoritmo de computação evolucionária. Todos os artigos que os autores encontraram na literatura recente minimizam o Erro Médio Quadrático (Mean Square Error MSE) entre a resposta em frequência do ltro calculado e uma curva-alvo de resposta desejada (Najjarzadeh & Ayatollahi, 2008;Barros et al, 2007;Huang et al, 2004). Embora esta abordagem geralmente leve a resultados próximos do alvo desejado, ela tem algumas desvantagens.…”

Section: Conclusõesunclassified

Computação Evolucionária em Problemas de Engenharia

Lopes¹,

Takahashi²

2011

View full text Add to dashboard Cite

Resumo: Este capítulo propõe a determinação e a utilização de uma ordem de mérito para as unidades termoelétricas de geração como informação adicional no processo de busca bio-inspirado conhecido como colônia de formigas. Esta ordem de mérito é baseada nas informações fornecidas pelos multiplicadores de Lagrange associados às variáveis discretas de decisão, as quais são representadas através de uma função contínua. Com a ordem de mérito determinada, um percentual de indivíduos da colônia faz uso destas informações no processo de busca visando a minimização da programação diária de operação. Os resultados alcançados através das simulações indicam que as informações dos multiplicadores de Lagrange aumentaram a eciência da colônia em seu processo de busca.Palavras-chave: Multiplicadores de Lagrange, Operação de unidades termoelétricas, Despacho Térmico, Otimização por colônia de formigas.Abstract: This chapter proposes the use of a merit order as additional information in the ant colony optimization process applied to thermoelectric generation systems. This merit order is based on information provided by the Lagrange multipliers related to the discrete decision variables. Those variables are represented by a continuous function. After determining the merit order, a set of the ant colony individuals make use of that information aiming at minimizing the daily dispatch of the system. Results indicate that information obtained from Lagrange multipliers increase the eciency of the ant colony search process. IntroduçãoA programação diária da operação da geração é um dos problemas mais relevantes do setor de energia elétrica. Nessa tarefa, a meta é o atendimento da demanda ao menor custo possível através da otimização dos recursos disponíveis (Fortunato et al., 1990). A programação da operação torna-se cada vez mais relevante, não apenas para promover economia e segurança do sistema, mas também pelas seguintes razões:• As decisões de partida, parada e as dinâmicas quanto à reativação das modernas instalações geradoras são complexas e dispendiosas;• No atual modelo competitivo do setor elétrico, ganhos de pequena porcentagem tornaram-se economicamente relevantes;• Há uma variação acentuada entre as demandas em horários de pico e fora do pico.A programação diária da operação pode ser denida como sendo a determinação de uma estratégia de operação, cujo objetivo é indicar dentre todas as unidades geradoras existentes no sistema quais devem ser colocadas em operação e suas respectivas potências horárias de saída, de modo a atender a demanda de energia, satisfazendo as restrições operacionais e funcionais do sistema elétrico (Wood & Wollenberg, 1996; Padhy, 2004 Fazendo uma análise da literatura pode-se constatar que há necessidade tanto de aperfeiçoamentos dos algoritmos existentes como da elaboração de novas técnicas para a resolução do problema em questão. O que se observa, no geral, é que por um lado, um algoritmo pode ser simples, rápido, mas que apresenta mínimos locais de baixa qualidade (alto custo operacional).Por out...

show abstract

“…However, the inability to find the global maximum or minimum for certain functions, plus the complexity of these techniques led to the study of stochastic methods and heuristic algorithms (Emara and Fattah 2004). Among the optimization techniques, it is observed that the particle swarm optimization (PSO)-based applications have been highlighted (Najjarzadeh and Ayatollahi 2008), which motivates the study, use, and application of the PSO algorithms in specific areas of knowledge.…”

Section: Introductionmentioning

confidence: 98%

A Modified Matricial PSO Algorithm Applied to System Identification with Convergence Analysis

Dantas

Maitelli

Linhares

et al. 2014

J Control Autom Electr Syst

View full text Add to dashboard Cite

Recently, several evolutionary computation techniques have been used in research areas such as parameter estimation of linear and nonlinear dynamic processes. This motivates the use of algorithms such as the particle swarm optimization (PSO) in the aforementioned fields of knowledge. However, little is known about the convergence of this algorithm, and mainly the analyses and studies have focused on experimental results. Therefore, the objective of this work is to propose a structure for the PSO that better analyze the convergence of the algorithm analytically. For this, the PSO is restructured to assume a matrix form, reformulated as a piecewise linear system. There was a convergence analysis of the algorithm as a whole, using an almost sure convergence criterion applicable to switched systems. Subsequently, traditional parameter identification algorithms were combined with the matricial PSO (MPSO), so as to make the identification results as good as or better than identifying only using the PSO or only the traditional algorithms. The obtained functions, after the identification, using the MPSO algorithm combined with the conventional identification algorithms, presented a better generalization and proper identification. The conclusions reached were that the hybridization permits a minimum performance and also contributes to improve the results obtained with the traditional algorithms, allowing the system representation in a higher range of frequencies.

show abstract

A comparison between Genetic Algorithm and PSO for linear phase FIR digital filter design

Cited by 23 publications

References 1 publication

Designing efficient fusion schemes for multimodal biometric systems using face and palmprint

Designing efficient fusion schemes for multimodal biometric systems using face and palmprint

Computação Evolucionária em Problemas de Engenharia

A Modified Matricial PSO Algorithm Applied to System Identification with Convergence Analysis

Contact Info

Product

Resources

About