La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Approximation of Chaotic Dynamics for Input Pricing at Service Facilities Based on the GP and the Control of Chaos Approximation de la dynamique chaotique pour la tarification des intrants dans les installations de service basée sur le GP et le contrôle du chaos

Xiaorong CHEN, Shozo TOKINAGA

  • Vues en texte intégral

    0

  • Citer

Résumé:

L'article traite de la méthode d'estimation des équations système du comportement dynamique d'un mécanisme de tarification des intrants en utilisant la programmation génétique (GP) et ses applications. Le schéma est similaire à la méthode récente de réduction du bruit dans la parole bruyante qui est basée sur le traitement adaptatif du signal numérique pour l'identification du système et la soustraction du bruit estimé. Nous considérons le comportement dynamique d'un mécanisme de tarification des intrants pour une installation de service dans lequel des clients hétérogènes auto-optimisés fondent leurs futures décisions d'adhésion/refus sur leurs expériences antérieures de congestion. Dans le GP, les équations du système sont représentées par des arbres d'analyse et la performance (aptitude) de chaque individu est définie comme l'inversion de l'erreur quadratique moyenne entre les données observées et la sortie de l'équation du système. En sélectionnant une paire d’individus ayant une meilleure forme physique, l’opération de croisement est appliquée pour générer de nouveaux individus. La chaîne utilisée pour le GP est étendue pour traiter la forme rationnelle des fonctions du système. La condition du chaos de Li-Yorke est exploitée pour assurer la chaoticité des fonctions approximées. Sous notre contrôle, puisque les équations du système sont estimées, il nous suffit de modifier l'entrée progressivement pour que le système se déplace vers la région stable. En supposant le système dynamique ciblé f(x(t)) avec entrée u(t)=0 est estimé en utilisant le GP (noté (x(t))), alors on impose la saisie u(t) de sorte que xf= (t+1)=(x(t))+u(t) où xf est le point fixe. Ensuite, l'état suivant x(t+1) du système dynamique ciblé f(x(t)) est remplacé par x(t+1)+u(t). Nous étendons la méthode de contrôle ordinaire basée sur le GP en imposant l'entrée u(t) de sorte que l'écart par rapport au niveau visé xL devient suffisamment petit après le contrôle. La méthode d'approximation et de contrôle est appliquée à la dynamique chaotique générant diverses séries temporelles basées sur plusieurs modèles de files d'attente et des données du monde réel. En utilisant le GP, le contrôle du chaos est simple et nous montrons quelques exemples de stabilisation des attentes de prix dans la file d'attente de service.

Publication
IEICE TRANSACTIONS on Fundamentals Vol.E85-A No.9 pp.2107-2117
Date de publication
2002/09/01
Publicisé
ISSN en ligne
DOI
Type de manuscrit
PAPER
Catégories
Traitement des signaux numériques

Auteurs

Mots-clés

Table des matières