ALGORYTMY ROJOWE Z WYKORZYSTANIEM MICROPYTHON I ULAB DLA MIKROKONTROLERÓW

Jan Edward Baumgart

doi:10.56583/frp.2564

Data publikacji : 2023-12-29

Nr 19 (2023)

ALGORYTMY ROJOWE Z WYKORZYSTANIEM MICROPYTHON I ULAB DLA MIKROKONTROLERÓW

Jan Edward Baumgart

https://orcid.org/0000-0003-1114-626X

DOI: https://doi.org/10.56583/frp.2564

Abstrakt

Głównym celem artykułu jest prezentacja możliwości implementacji algorytmu optymalizacji rojem cząsteczek (PSO) na platformach mikrokontrolerowych, w szczególności na płytce PyBoard. Poprzez rygorystyczne testowanie i analizę, badano zachowanie algorytmu w środowiskach o ograniczonych zasobach, dążąc do zrozumienia jego adaptacyjności, efektywności i stabilności. Przeprowadzono testy kodu PSO na trzech identycznych płytach PyBoard, wykonując algorytm wielokrotnie dla różnych funkcji testowych. Ten kompleksowy proces testowania pozwolił na uchwycenie i ocenę spójności wyników w różnych jednostkach mikrokontrolerów. Poprzez powtarzanie testów i zbieranie danych dotyczących wartości dopasowania, czasów wykonania i optymalnych rozwiązań, uzyskano cenne wglądy w zachowanie algorytmu. Wyniki analizy ujawniły kilka istotnych wniosków. Badanie potwierdziło, że mikrokontrolery, takie jak PyBoard, mogą być skutecznymi narzędziami do analizy i porównywania możliwości algorytmów optymalizacji, pomimo swoich ograniczonych zasobów. Podsumowując, wyniki badań dostarczyły cennych informacji na temat wydajności algorytmu PSO na platformach mikrokontrolerowych, otwierając nowe perspektywy dla projektowania systemów wbudowanych.

Słowa kluczowe:

optymalizacja rojem cząstek, platformy mikrokontrolerowe, pyboard, ulab, środowiska o ograniczonych zasobach, elastyczność, wydajność, stabilność, funkcje testowe, wartości przystosowania, czasy wykonania, optymalne rozwiązania, topografie optymalizacji, systemy wbudowane, analiza wydajności

Szczegóły

Bibliografia

Statystyki

Autorzy

Pobierz pliki

PDF

Zasady cytowania

Baumgart, J. E. (2023). ALGORYTMY ROJOWE Z WYKORZYSTANIEM MICROPYTHON I ULAB DLA MIKROKONTROLERÓW. Fides, Ratio Et Patria. Studia Toruńskie, (19), 340–355. https://doi.org/10.56583/frp.2564

Wskaźniki altmetryczne

Cited by / Share

Licencja

Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Użycie niekomercyjne – Na tych samych warunkach 4.0 Międzynarodowe.

Bibliografia

Azam M. A., Abdullah-Al-Nahid S., Alam M. M., Plabon B. A., Microcontroller based high precision

PSO algorithm for maximum solar power tracking, in: 2012 International Conference on

Informatics, Electronics & Vision (ICIEV), 2012, pp. 292-297.

Baumgart J., Mikołajewski D., Czerniak J.M., Taking Flight for a Greener Planet: How Swarming Could

Help Monitor Air Pollution Sources. “Electronics” 2024, 13(3), 577. https://doi.org/10.3390/ DOI: https://doi.org/10.3390/electronics13030577

electronics13030577

Bell C., MicroPython for the Internet of Things, Berlin, Heidelberg, Springer 2017. DOI: https://doi.org/10.1007/978-1-4842-3123-4

Czerniak J., Śmigielski G., Ewald D., Paprzycki M., Dobrosielski W., New proposed implementation of

ABC method to optimization of water capsule flight, in: 2015 Federated Conference on Computer

Science and Information Systems (FedCSIS), 2015, pp. 489-493.

Kalogiannakis M., Tzagkaraki E., Papadakis S., A systematic review of the use of BBC micro: bit in

primary school. In Proceedings of the 10th Virtual Edition of the International Conference New

Perspectives in Science Education, Florence 2021, pp. 379-384.

Ewald D., Czerniak J. M., Paprzycki M., A new OFNBee method as an example of fuzzy observance

applied for ABC optimization. Theory and Applications of Ordered Fuzzy Numbers: A Tribute

to Professor Witold Kosiński, 2017, 223-237. DOI: https://doi.org/10.1038/sj.bdj.2017.691

Miranda L. J., PySwarms: a research toolkit for Particle Swarm Optimization in Python, “Journal of

Open Source Software” 2018, 3(21), 433. DOI: https://doi.org/10.21105/joss.00433

Baumgart J., Sangho B., A case study of the effectiveness of new methods of swarm optimization compared

to known methods, “Stud. Mater. Appl. Comput. Sci.” 2021, 50–47 ,)1(13, ISSN: 1689–6300

Ewald D., Czerniak J. M., Zarzycki H., OFNBee method used for solving a set of benchmarks, in:

Advances in Fuzzy Logic and Technology 2017: Proceedings of: EUSFLAT-2017–The 10th Conference

of the European Society for Fuzzy Logic and Technology, September 11-15, 2017, Warsaw,

Poland IWIFSGN’2017–The Sixteenth International Workshop on Intuitionistic Fuzzy Sets and

Generalized Nets, September 13-15, 2017, Warsaw 2018, Volume 2 10, pp. 24-35.

Jamil M., Yang X.-S. A Literature Survey of Benchmark Functions For Global Optimization Problems,

“Int. Journal of Mathematical Modelling and Numerical Optimisation” 2013, 4, 150-194.

Kennedy J., Eberhart R., Particle swarm optimization, in: Proceedings of ICNN’95-international

conference on neural networks 1995, Vol. 4, pp. 1942-1948.

Kurniawan A., Internet of Things Projects with ESP32: Build exciting and powerful IoT projects using

the all-new Espressif ESP32, 2019.

Magnenat S., Rétornaz P., Noris B., Mondada F., Scripting the swarm: event-based control of microcontroller-

based robots, in: SIMPAR 2008 workshop proceedings, 2008.

Mishra S. K., Some new test functions for global optimization and performance of repulsive particle

swarm method, 2006 Available at SSRN 926132.

Molga M., Smutnicki C., Test functions for optimization needs, 2005, 101, 48.

Oliphant T. E., Guide to numpy, 2006, Vol. 1, p. 85.

Parab J., MicroPython PyBoard for IoT, in: Python Programming Recipes for IoT Applictions, Singapore

, pp. 89-122.

Problems “Int. Journal of Mathematical Modelling and Numerical Optimisation” 2013, 4, 150-194. DOI: https://doi.org/10.1504/IJMMNO.2013.055204

Venter G., Sobieszczanski-Sobieski J., Particle Swarm Optimization. “AIAA Journal” 2002, 41. DOI: https://doi.org/10.2514/6.2002-1235

2514/2.2111.

Yamanoor N. S., Yamanoor S., High quality, low cost education with the Raspberry Pi. In 2017 IEEE DOI: https://doi.org/10.1109/GHTC.2017.8239274

Global Humanitarian Technology Conference (GHTC), 2017, pp. 1-5. DOI: https://doi.org/10.1109/GHTC.2018.8601927

Arduino B., Arduino Uno. Datasheet, 2015 (Downloaded: 13 Jun 2020). https://datasheet. octopart.

com/A000066-Arduino-datasheet-38879526. pdf.

Welcome to the ulab book! — The ulab book 6.5.0 documentation. (n.d.). https://micropython-ulab.

readthedocs.io/en/latest/

Jan Edward Baumgart

jan.baumgart@ukw.edu.pl
https://orcid.org/0000-0003-1114-626X

Afiliacja:

Uniwersytet Kazimierza Wielkiego w Bydgoszczy Polska

Biogram

Jan Edward Baumgart – magister inżynier, Katedra Systemów Inteligentnych Wydziału Informatyki Uniwersytetu Kazimierza Wielkiego w Bydgoszczy