1. Rudarjenje asociativnih pravil v poslovnih aplikacijahAljaž Lipar, 2025, master's thesis Abstract: V magistrski nalogi smo obravnavali tehniko, poimenovano rudarjenje asociativnih pravil, katere namen je odkrivanje in podrobno razumevanje skritih vzorcev v podatkih. Odkrite skrite vzorce pa predstavljajo asociativna pravila, ki se pri tem postopku ustvarijo in služijo kot smernice za priporočanje izdelkov ali produktov, optimizacijo zalog in analizo nakupovalnih navad. Predstavili smo tudi, kaj so optimizacijski algoritmi, ki jih rudarjenje asociativnih pravil uporablja, in kako delujejo. Velik poudarek smo podali tudi na personalizacijo, kaj je, kakšne
vplive ima na ljudi, prav tako pa smo podali par praktičnih primerov. Nato smo opisali orodja, ki smo jih uporabljali, podrobneje predstavili uARMSolver ter kako ga vzpostaviti in uporabiti. Nato smo opisali našo izdelano rešitev, na koncu pa opravili še analizo ter interpretacijo rezultatov.
Keywords: Algoritem, asociativna pravila, diferencialna evolucija, personalizacija, rudarjenje
Published in DKUM: 03.03.2025; Views: 0; Downloads: 16
 Full text (2,36 MB) |
2. Uporaba paralelnih evolucijskih algoritmov za reševanje več-kriterijskih optimizacijskih problemov : magistrsko deloAleš Gartner, 2024, master's thesis Abstract: V sklopu magistrskega dela predstavimo in implementiramo nov paralelni evolucijski algoritem z otoškim paralelnim modelom I-DEMO, ki algoritem diferencialne evolucije za več-kriterijsko optimizacijo (angl. Differential Evolution Multiobjective Optimization, krajše DEMO) razširi s koncepti paralelnih več-kriterijskih evolucijskih algoritmov. Učinkovitost algoritma I-DEMO nato primerjamo z originalnim algoritmom DEMO na testnih več-kriterijskih problemih. S statistično analizo dobljenih rezultatov smo pokazali, da je algoritem I-DEMO boljši od algoritma DEMO, če oba uporabljata selekcijsko strategijo, ki temelji na indikatorjih kakovosti. Z dodatnimi testi in analizo njihovih rezultatov smo pokazali tudi, da različica algoritma I-DEMO, ki uporablja selekcijsko strategijo, ki temelji na indikatorjih kakovosti, dosega boljše rezultate kot ostale selekcijske strategije, in da večje število otokov v splošnem poslabša učinkovitost algoritma.
Keywords: več-kriterijska optimizacija, evolucijsko računanje, paralelni evolucijski algoritmi, diferencialna evolucija
Published in DKUM: 06.02.2025; Views: 0; Downloads: 14
Full text (1,73 MB) |
3. Uporaba optimizacijskih algoritmov za samodejno nastavitev PID parametrov v PLK : magistrsko deloAljaž Grm, 2024, master's thesis Abstract: V magistrskem delu je opisanih nekaj optimizacijskih algoritmov, namenjenih iskanju optimalnih PID-parametrov glede na zahteve odprtozančnega odziva sistema 2. reda. Podrobneje je opisan optimizacijski algoritem diferencialne evolucije, ki je bil s pomočjo orodij Matlab preveden v obliko, primerno za izvedbo v PLK (SCL-funkcija). Zaradi matematične omejenosti je bilo treba v TIA-portalu ustvariti več lastnih funkcijskih blokov in funkcij, kot na primer generator naključnih števil, meritve stopničnega odziva itd. Delovanje funkcijskega bloka diferencialne evolucije smo testirali najprej v simulatorju, nato še na realnem procesu regulacije pretoka zraka.
Keywords: regulacija, PID, optimizacijski algoritmi, diferencialna evolucija, PLK
Published in DKUM: 15.01.2025; Views: 0; Downloads: 26
Full text (3,70 MB) |
4. Implementacija algoritma iL-SHADE v programskem jeziku PythonGrega Rubin, 2024, undergraduate thesis Abstract: V diplomskem delu opišemo algoritme po vzorih iz narave in se poglobimo v delovanje diferencialne evolucije, algoritma iL-SHADE ter njegovega predhodnika L-SHADE. Algoritem iL-SHADE implementiramo v programskem jeziku Python ter s pomočjo testnih funkcij tekmovanja CEC 2014 preizkusimo njegovo delovanje. Rezultate naše implementacije in originalne implementacije uporabimo v Wilcoxonovem neparametričnem testu ter s tem pokažemo pravilnost naše implementacije. Izvedemo tudi primerjavo med našim algoritmom in algoritmom L-SHADE iz knjižnice NiaPy. Algoritem iL-SHADE vključimo v knjižnico NiaPy, katere namen je zbiranje in enostavna uporaba algoritmov po vzorih iz narave.
Keywords: iL-SHADE, NiaPy, algoritmi po vzorih iz narave, evolucijski algoritmi, diferencialna evolucija
Published in DKUM: 23.12.2024; Views: 0; Downloads: 32
Full text (2,19 MB) |
5. Ocena elementov orbitalnega modela SGP4 : magistrsko deloAndrej Hudrap, 2023, master's thesis Abstract: Z oceno elementov orbitalnega modela SGP4 želijo raziskovalci izboljšati natančnost napovedovanja položaja satelitov. To je pomembno za različna področja, med katera spadajo komunikacijske povezave in načrtovanje misij. Implementirali in analizirali smo postopek določevanja elementov orbitalnega modela SGP4 s pomočjo dveh različnih algoritmov na podlagi podatkov GPS. Algoritem diferencialnega popravljanja smo implementirali po znanstvenem članku [12] in njegovo učinkovitost primerjali s posodobljenim algoritmom diferencialne evolucije jDE implementiranem po znanstvenem članku [4]. Primerjali smo tudi učinkovitost algoritmov z uradno izdanimi elementi orbitalnega modela SGP4 za dva realna satelita, in sicer CHAMP in SAC-C.
Keywords: SGP4, Orbita, Satelit, Diferencialna evolucija, Določitev orbite
Published in DKUM: 21.09.2023; Views: 308; Downloads: 37
Full text (2,87 MB) |
6. |
7. Paralelni algoritem diferencialne evolucije in gručenja za multimodalno optimizacijo : diplomsko deloTilen Ravnak, 2021, undergraduate thesis Abstract: V diplomskem delu predstavljamo implementacijo paralelne različice algoritma diferencialne evolucije in gručenja za multimodalno optimizacijo. Algoritem smo paralelizirali tako na centralni procesni enoti kot na grafični procesni enoti. Za paralelizacijo na centralni procesni enoti smo uporabili knjižnico thread (niti), ki je del programskega jezika C++. Za paralelizacijo na grafični procesni enoti smo uporabili ogrodje CUDA. Uspešnost algoritma smo testirali na izbranih optimizacijskih problemih tekmovanja CEC 2013. Najvišji faktor pohitritve smo dosegli pri problemu Modified Rastrigin in sicer 2,799.
Keywords: Diferencialna evolucija, gručenje, paralelizacija
Published in DKUM: 18.10.2021; Views: 813; Downloads: 52
Full text (1,23 MB) |
8. |
9. Avtomatsko načrtovanje in vrednotenje klasifikacijskih cevovodov v bioinformatikiIztok Fister, 2019, master's thesis Abstract: Izhodišča in namen: Velikokrat na bioinformatskih podatkih izvajamo klasifikacijo, tj. razvrščanje elementov, predstavljenih z značilnicami, v enega od vnaprej določenih razredov. Sam postopek klasifikacije je zelo kompleksen, saj sestoji iz preprocesiranja podatkov, izbire klasifikatorske metode in optimizacije hiperparametrov. Zaradi kompleksnosti vse tri omenjene korake združujemo v t. i. klasifikacijske cevovode, katere morajo uporabniki, ki niso specialisti na področju strojnega učenja, načrtovati ročno. Ta postopek je časovno zelo zapleten, v določenih primerih pa se ne uspemo približati optimalni rešitvi.
Raziskovalna metodologija: Avtomatski razvoj in vrednotenje klasifikacijskih cevovodov smo donedavno reševali s pomočjo genetskega programiranja (angl. Genetic Programming, krajše GP), kjer posameznike predstavimo z drevesnimi strukturami. V tem magistrskem delu predlagamo novo rešitev za reševanje omenjenega problema s pomočjo stohastičnih populacijskih algoritmov po vzorih iz narave, kjer so posamezniki predstavljeni kot vektorji realnih števil.
Rezultati: Rezultati na bioinformatskih podatkovnih množicah dokazujejo, da so stohastični populacijski algoritmi po vzorih iz narave enostavni za uporabo in hkrati učinkoviti za avtomatski razvoj klasifikacijskih cevovodov.
Diskusija in zaključek: Ugotavljamo, da predlagana metoda omogoča uporabo poljubnega stohastičnega populacijskega algoritma po vzorih iz narave za avtomatsko načrtovanje klasifikacijskih cevovodov, kjer so posamezniki predstavljeni kot vektorji realnih števil.
Keywords: algoritmi po vzorih iz narave, AutoML, diferencialna evolucija, klasifikacija, optimizacija
Published in DKUM: 16.08.2019; Views: 1490; Downloads: 215
Full text (1,09 MB) |
10. Optimizacija z omejitvami in diferencialna evolucija : od upravljanja avtonomnih globokomosrkih sond do razporejanja obremenitve elektrarnAleš Zamuda, unpublished invited conference lecture Abstract: Implementacija podpore navigaciji avtonomnih globokomorskih sond, s prostorskimi omejitvami in realno-časovnimi spremenljivimi podatki o oceanskih tokovih na morju zahteva pripravo misij, ki so precej kompleksne. Da bi pilotu takšnih sond olajšali navigacijo znotraj časovnih omejitev za planiranje, posebej pri upravljanju flot, uvajamo pomoč pri avtomatizaciji optimizacije poti. Ta je še toliko bolj dobrodošla pri primerih vzorčenja morskih vrtincev, saj mora pilot v teh primerih pogosto pošiljati nove popravke smeri. Ker se spreminja tudi vreme in razmere na morju, je potrebno upoštevati tudi te, pogosto ob vnovičnih zagonih različnih scenarijev dela misije. Za ta namen je pripravljen algoritem z diferencialno evolucijo in prilagodljivo obravnavo omejitev ter primerjan z nekaterimi drugimi pristopi. Algoritem gradi na nedavnih študijah napredka v modernih optimizacijskih algoritmih po vzoru iz narave in podoben algoritem je bil predstavljen še za optimizacijo urnega razporejanja proizvodnje električne energije med hidroelektrarnami in termoelektrarnami, kjer trenutno na obstoječem testnem okolju pristop še vedno zaseda prvo mesto po rezultatih. Algoritem diferencialne evolucije je bil predstavljen tudi na prostorski rekonstrukciji drevesne morfologije in geometrije za rastoča drevesa.
Keywords: optimizacija, diferencialna evolucija
Published in DKUM: 14.05.2019; Views: 1826; Downloads: 65
 Link to full text |
