Abstract: The work focused on improving the convergence and accuracy of genetic algorithm (GA) used in the parametric identification of induction
motor mathematical model. For this purpose, modifications fitness function by the rescaling were made. They attempted to determine whether the
modification introduced in the GA will also shorten the time analyzed process. Whether any of this subject stems from the fact, that the problem is
considered in the literature classified as difficult and time-consuming, and therefore look for ways to provide improvement of identification.
B I B L I O G R A F I A[1] Bonyadi M. R., Michalewicz Zb., Analysis of stability, local convergence and transformation sensitivity of a variant of particle swarm optimization algorithm, IEEE Transactions on
Evolutionary Computation, Vol. 20, (2016), No. 3, pp. 370 - 385
[2] Bonyadi M. R., Michalewicz Zb., Stability analysis of the particle swarm optimization without stagnation, IEEE Transactions on Evolutionary Computation, Vol. 20, (2016), No. 5, pp. 814 - 819
[3] Derugo P., Szabat K., Adaptive neuro-fuzzy PID controller for nonlinear drive system, COMPEL: The International Journal for Computation and Mathematics in Electrical and Electronic Engineering, Vol. 34 (2015), Iss. 3, pp. 792 - 807
[4] Dybkowski M., Orłowska-Kowalska T., Estymacja prędkości i wybranych parametrów schematu zastępczego silnika indukcyjnego w bezczujnikowym układzie napędowym,
Przegląd Elektrotechniczny, 88 (2012), 4b, 64-69
[5] Ghandar, A., Michalewicz, Z., Schmidt, M., To, T.-D., Zurbruegg, R., Computational Intelligence for Evolving Trading Rules, IEEE Transactions on Evolutionary Computation, 13
(2009), No. 1, 71- 86
[6] Goldberg D. E., Algorytmy genetyczne i ich zastosowania, Wydawnictwa Naukowo-Techniczne, (2003)
[7] Goldberg D. E., Genetic Algorithms in Search, Optimization and Machine Learning (2002)
[8] Gorzalczany M. B., Rudzinski F., Accuracy vs. Interpretability of Fuzzy Rule-Based Classifiers: An Evolutionary Approach, Lecture Notes in Computer Science, 7269 (2012), 222-230
[9] Gorzalczany M. B., Piekoszewski J., Rudzinski F., Microarray Leukemia gene data clustering by means of generalized selforganizing neural networks with evolving tree-like structures, Lecture Notes in Computer Science, 7269 (2015), 15-25
[10] Gorzalczany M. B., Piekoszewski J., Rudzinski F., Generalized Tree-Like Self-Organizing Neural Networks with Dynamically Defined Neighborhood for Cluster Analysis, Lecture Notes in Computer Science, 8468 (2014), pp. 713-725
[11] Grzyb A., Algorytmy ewolucyjne, Optymalizacja i polioptymalizacja w technice, Wyd. Politechniki Koszalińskiej, (2011), 263-281
[12]Kisielewski P., Grzyb A., Algorytmy ewolucyjne w optymalizacji z dwuwartościowymi zmiennymi decyzyjnymi, Mat. XXVIII Konferencji Naukowej Polioptymalizacja i CAD, Wyd.
Politechniki Koszalińskiej, (2009)
[13]Kisielewski P., Zmodyfikowany algorytm węgierski optymalnego pokrycia zbiorów, Mat. XXVIII Konferencji Naukowej Polioptymalizacja i CAD, Wyd. Politechniki Koszalińskiej,
(2009)
[14]Lubo F. G., Lima C. F., Michalewicz Zb., Parameter Setting in Evolutionary Algorithms, Springer-Verlag (2010)
[15] Michalewicz Zb., Genetic Algorithms + Data Structures =Evolution Programs, Springer-Verlag Berlin Heidelbderg GmbH (2010)
[16] Michalewicz Zb., Fogel D. B., How to Solve it: Modern Heuristics, Springer (2000)
[17]Orłowska-Kowalska T., Szabat K., Ritter W., Identyfikacja parametrów silnika indukcyjnego za pomocą algorytmów genetycznych, Prace Naukowe Instytutu Maszyn, Napędów i
Pomiarów elektrycznych Politechniki Wrocławskiej Nr 54, Studia i Materiały (2013), Nr 23
[18]Pełczewski Wł., Krynke M., Metoda zmiennych stanu w analizie dynamiki układów napędowych, WNT (1984)
[19]Rutczyńska-Wdowiak K., Analiza wpływu wskaźnika jakości na wyniki identyfikacji parametrycznej modelu matematycznego silnika indukcyjnego z zastosowaniem algorytmu
genetycznego, Przegląd Elektrotechniczny, R. 92 (2016), NR 4/2016, str. 202-204
[20]Rutczyńska-Wdowiak K., Identyfikacja parametryczna modelu matematycznego silnika indukcyjnego z wykorzystaniem wybranego algorytmu ewolucyjnego, Przegląd
Elektrotechniczny, R. 92 (2016), NR 7/2016, str. 170-173
[21]Rutczyńska-Wdowiak K., Dobór kryterium zatrzymania algorytmu genetycznego na przykładzie identyfikacji parametrycznej modelu matematycznego silnika indukcyjnego,
Przegląd Elektrotechniczny, R. 92 (2016), NR 12/2016, str. 283-288
[22]Rutczyńska-Wdowiak K., Analiza wpływu wartości współczynnika wagowego wskaźnika jakości w problemie
identyfikacji modelu matematycznego silnika indukcyjnego z zastosowaniem algorytmu genetycznego, Logistyka (2014), nr 6
[23]Rutkowski L., Metody i techniki sztucznej inteligencji, PWN (2005)
[24]Simon D., Evolutionary Optimization Algorithms, Wiley & Sons (2013)
[25]Stefański T., Synteza adaptacyjnych algorytmów sterowania momentem falownikowego napędu samochodu elektrycznego z silnikiem indukcyjnym, Z. N. Politechniki Świętokrzyskiej, seria Monografie, studia, rozprawy (1995), nr 4 
Pełny tekst 
DOI 
YADDA/CEON