MARC View

000			03350ntm a2200289 a 4500
001			vtls000100018
003			KUKTEM
005			20251117113340.0
008			170504t2017 my a f 0 0 0ceng d
020			_aTHE0005188(Local)
039		9	_a201905141124 _bhanafiah _c201710061614 _daishah _y201705041215 _zzul
040			_aUMP
090			_aFKEE .K36 2017 r Thesis
100	0		_aKamil Zakwan Mohd Azmi
245	1	0	_aOpposition- based simulated kalman filters and their application in system identification / _cKamil Zakwan bin Mohd Azmi
260			_aKuantan, Pahang : _bUMP, _c2017
300			_axv, 124 p. : _bill. (some col.) ; _c30 cm. + _e1 CD ROM
500			_aFaculty of Electrical and Electronics Engineering
502			_aThesis (Master of Engineering (Electronic)) -- Universiti Malaysia Pahang - 2017
504			_aBibliography : p. 115-123
520	3		_aAlgoritma pengoptimuman metaheuristik adalah teknik yang sesuai digunakan untuk menyelesaikan masalah yang sukar ditangani oleh kaedah pengoptimuman tradisional. Antara pelbagai jenis algoritma pengoptimuman, Simulasi Penapis Kalman (SKF) adalah algoritma pengoptimuman baru yang diilhamkan oleh keupayaan anggaran dari penapis Kalman. Berdasarkan mekanisme penapisan Kalman, proses SKF terdiri daripada ramalan, pengukuran, dan anggaran untuk mencari optimum global. SKF telah menunjukkan prestasi yang baik dalam menyelesaikan masalah pengoptimuman. Walaubagaimanapun, keupayaan explorasi SKF boleh dipertingkatkan lagi. Dari soroton litaratur, Pelajaran berasaskan Oposisi (OBL) telah digunakan untuk meningkatkan diversiti (explorasi) algoritma carian dengan membandingkan populasi semasa dengan populasi yang bertentangan. Dengan menggunakan konsep ini, lebih banyak agen yang berpotensi dijana untuk meneroka kawasan yang lebih baik yang wujud dalam lingkungan solusi. Oleh itu, kajian ini bertujuan untuk meningkatkan keupayaan explorasi SKF melalui aplikasi OBL. OBL diaplikasikan selepas proses anggaran SKF. Dua versi OBL telah digunakan dalam kajian ini, iaitu OBL asal dan Pelajaran berasaskan Oposisi Optimum Semasa (COOBL). Keputusan eksperimen ke atas fungsi penanda aras IEEE Congress on Evolutionary Computation (CEC) 2014 menunjukkan bahawa Simulasi Penapis Kalman berasaskan Oposisi (OBSKF) telah membuat sedikit penambahbaikan terhadap keupayaan explorasi SKF, manakala Simulasi Penapis Kalman berasaskan Oposisi Optimum Semasa (COOBSKF) telah berjaya meningkatkan keupayaan explorasi SKF dengan ketara. COOBSKF juga telah dibandingkan dengan lima algoritma pengoptimuman yang lain dan mengatasi prestasi mereka kesemuanya. Selain itu, tesis ini juga membentangkan aplikasi COOBSKF dalam masalah sistem pengenalan. Prestasi keseluruhan dinilai berdasarkan enam kajian kes. Menurut hasil eksperimen, COOBSKF menghasilkan purata maksimum pengesahan model sehingga 90%. Teknik ini boleh menjadi satu pendekatan alternatif untuk menyelesaikan masalah pengenalan sistem, selain daripada menggunakan kaedah konvensional.
610	2	0	_aFaculty of Electrical and Electronics Engineering _xDissertations
650		0	_aUniversities and Colleges _xDissertations
650		0	_aTheses
856	4	0	_uhttp://ecollib.ump.edu.my/25885/ _zLibrary access only
999			_aVIRTUA40 _c7161 _d7167
999			_aVTLSSORT00800200040009001000245026003000500050205040520061006500650185609992