Algorytm Ewolucyjny inspirowany informatyką kwantową do poprawy parametrów modelu neuralnego wyznaczania cen na Towarowej Giełdzie Energii Elektrycznej notowanych na RDN
EN Evolutionary Algorithm inspired by quantum information technology to improve the parametrers of the neural piice setting model on the Polish Power Exchange traded on the DAM
2019
scientific article
polish
- Algorytm Ewolucyjny
- dekwantyzacja
- kwantowa liczba mieszana
- kwantyzacja
- obliczenia kwantowe
- Rynek Dnia Następnego
- Sztuczna Sieć Neuronowa
- Towarowa Giełda Energii Elektrycznej
PL Artykuł zawiera wybrane wyniki badań dotyczące istoty i implementacji Algorytmu Ewolucyjnego inspirowanego obliczeniami kwantowymi do poprawy parametrów modelu neuralnego wyznaczającego ceny na Towarowej Giełdzie Energii Elektrycznej. Do uczenia Sztucznej Sieci Neuronowej modelu systemu wykorzystano dane liczbowe notowane na Rynku Dnia Następnego w okresie od 01 stycznia 2015 r. do 30 czerwca 2015 r. Szczególną uwagę zwrócono na sposób systemowego tworzenie Populacji Początkowej oraz na sposób systemowego tworzenie funkcji krzepkości (funkcji przystosowania), a na tej bazie na metodę kwantyzacji, dekwantyzacji i obliczeń kwantowych przeprowadzonych z wykorzystaniem pojęcia kwantowej liczby mieszanej i rachunku wektorowo-macierzowego. Uzyskano znaczącą poprawę modelu neuralnego wspomaganego algorytmem ewolucyjnym inspirowanym kwantowo w stosunku do modelu neuralnego wspomaganego algorytmem ewolucyjnym bez inspiracji kwantowej.
EN The paper contains selected research results on the nature and implementation of the Evolutionary Algorithm inspired by quantum computation to improve the parameters of the neural model determining prices at the Polish Power Exchange. To learn the Artificial Neural Network system model, the figures quoted on the Commodity Electricity Market of the Day-Ahead Market were used in the period from January 1, 2018 to June 30, 2018. Particular attention was paid to the systemic creation of the Initial Population and the systemic creation of the function of solidification (function adaptation), and on this basis, the quantization, dequantization and quantum computation methods carried out using the quantum concept of a mixed number. Significant improvement of the neural model supported by quantum-inspired evolutionary algorithm in relation to the model without quantum inspiration was obtained.
121 - 132
public
5
5