You are on page 1of 1

ABSTRAK

Masalah untuk mendapatkan model parsimoni yang secukupnya bagi mewakili sistem dinamik dengan keupayaan ramalan yang baik adalah objektif utama dalam pemodelan system dinamik. Oleh itu, kesilapan ramalan dan kerumitan model adalah dua fungsi objektif yang perlu dioptimumkan. Kajian ini memaparkan algoritma evolusi yang dilaksanakan sebagai pengoptimuman multi-objektif untuk mencapai objektif-objektif di atas. Salah satu masalah utama dalam pemodelan sistem dinamik adalah untuk memilih model yang minimum daripada sebahagian besar kemungkinan model. Kajian ini bertujuan untuk meperlihatkan keperluan algoritma pengoptimuman multi-objektif dengan membandingkan ia dengan algoritma tunggal objektif pengoptimuman. Dalam kajian ini, dua jenis algoritma pengoptimuman digunakan dalam pemodelan sistem diskret masa. Ini adalah algoritma genetik penyusunan tak dominan (NSGA-II) untuk pengoptimuman multiobjektif dan algoritma genetik yang diubahsuai (MGA) untuk pengoptimuman tunggal objektif. Data sistem disimulasi dan system sebenar dikaji untuk perbandingan dari segi ketepatan model ramalan dan kerumitan model. Keputusan menunjukkan kelebihan algoritma pengoptimuman multi-objektif berbanding dengan algoritma tunggal objektif pengoptimuman dalam membangunkan model yang bersesuaian dan parsimoni untuk sistem diskret masa. Sebuah algoritma baru yang berdasarkan algoritma multi-objektif pengoptimuman untuk pemilihan struktur model telah dicadangkan iaitu multi-objektif pengoptimuman dengan menggunakan DE (MOODE). Ia dibandingkan dengan algoritma genetik penyusunan tak dominan (NSGA-II) untuk pemilihan struktur model dalam pemodelan system dinamik. Keputusan menunjukkan bahawa MOODE adalah lebih baik daripada NSGA-II. Dua kajian kes telah dipertimbangkan dalam kajian ini untuk menyiasat keberkesanan algoritma yang dicadangkan iaitu sistem rasuk fleksibel dan enjin diesel automotif. Akhirnya, ujian kesahihan model digunakan untuk memilih model akhir untuk mewakili sistem dinamik.

You might also like