1. Uporaba paralelnih evolucijskih algoritmov za reševanje več-kriterijskih optimizacijskih problemovAleš 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: 0
 Full text (1,73 MB) |
2. Operacijske raziskave logističnih, transportnih in ekonomskih sistemov : zbrano gradivoAleš Zamuda, 2020, other educational material Abstract: Predmet Operacijske raziskave logističnih, transportnih in ekonomskih sistemov (ORLTES) je uvrščen v tretjestopenjski bolonjski študijski program Računalništvo in informatika kot izbirna učna enota. Ta dokument predstavlja študijsko gradivo pri tem predmetu. Na naslednji strani sledi uvod, nato je v naslednjih poglavjih podano zbrano gradivo.
Keywords: operacijske raziskave, logistični sistemi, transportni sistemi, ekonomski sistemi, algoritmi, računalništvo, optimizacija, evolucijsko računanje, študijsko gradivo
Published in DKUM: 05.03.2020; Views: 1898; Downloads: 219
Full text (6,29 MB) |
3. Aplikacija za zajem in interpretacijo rezultatov meritev zdravstvenega stanja posameznika : magistrsko deloMatej Moravec, 2019, master's thesis Abstract: Kvaliteta življenja je v veliki meri odvisna od zdravstvenega stanja posameznika. Za opis le-tega obstajajo medicinski testi, ki pa jih v večini ne najdemo v digitalni obliki. Zato smo izdelali spletno aplikacijo, ki omogoča zajem in interpretacijo rezultatov posameznih medicinskih testov, ki opišejo zdravstveno stanje posameznika. Z uporabo aplikacije ga znamo obravnavati kot podpovprečnega, povprečnega ali nadpovprečnega glede na posamezen medicinski test. Za ocenitev zdravstvenega stanja posameznika je biološka starost zanesljivejša od kronološke starosti. Zato smo z uporabo genetskega programiranja izdelali model, s katerim lahko uspešno napovemo biološko starost. Za še bolj natančen izračun bi potrebovali veliko količino resničnih podatkov.
Keywords: evolucijsko računanje, spletna aplikacija, medicinski testi, zdravstveno stanje
Published in DKUM: 04.09.2019; Views: 1275; Downloads: 195
Full text (1,83 MB) |
4. |
5. Uporaba hiper-hevrističnega pristopa pri ovrednotenju operatorjev evolucijskih algoritmovMarjan Horvat, 2016, master's thesis Abstract: Razvoj na področju evolucijski algoritmov je še vedno v porastu in ni zaznati, da bi se kmalu umiril. Področje evolucijskih algoritmov se krepi z vedno novimi in boljšimi algoritmi iz dneva v dan. Praktična uporaba le teh se seli v težja in zahtevnejša okolja. Pričakovanja splošne in strokovne javnosti so vse večja. Zadnja družina algoritmov je znana pod imenom hiper-hevristika. Za to skupino algoritmov je značilna sočasna uporaba večjega števila algoritmov pri reševanju enega problema. Cilj je združiti znanja večih algoritmov v eno povezano celoto.
Predlagana in razvita je nova vrsta orodja. Razvito orodje omogoča razvoj algoritmov po novih smernicah. Algoritmi razviti po predlaganih usmeritvah so preglednejši, kompaktnejši, poenoteni, prenosljivi, razširljivi. Te odlike lahko pričakujemo od novo nastalih algoritmov v bližnji prihodnosti.
Glavni doprinos orodja je neodvisno zaganjanje posameznih delov evolucijskega al-
goritma. Obstoječi evolucijski algoritmi so preoblikovani v posamezne enote. Orodje
skrbi za vrstni red in trajanje zagona za vsako enoto posebej. S povezovanjem različnih delov, dobljenih iz različnih algoritmov, pridobivamo nove algoritme. Glede na uspešnost algoritma, lahko sklepamo o uspešnosti njegovih enot.
Keywords: evolucijsko računanje, evolucijski algoritmi, hiper-hevristika, meta-hevristika, meta-optimizacija, optimizacija
Published in DKUM: 14.07.2016; Views: 1465; Downloads: 128
Full text (2,95 MB) |
6. UMETNI IMUNSKI SISTEM - S STRANI BIOLOGIJE NAVDIHNJENO RAČUNANJEAndrej Barovič Karpov, 2016, master's thesis Abstract: Cilj magistrskega dela je opis (njihova sestava in princip, po katerem delujejo), implementacija algoritmov umetnega imunskega sistema (AIS) in njihova integracija v obstoječo EARS okolje. V AIS skupino algoritmov spadajo CLONALG, NSA, aiNET in drugi. Te algoritme smo primerjali z ostalimi optimizacijskimi algoritmi, kot so: PSO, DE, ABC, in TLBO. Primerjavo med algoritmi smo izvedli na CEC skupini problemov in pri tem uporabili statistične teste (NHST) ter novejši pristop CRS4EAs.
Rezultati vsake generacije so bili podvrženi dodatnim testom za ugotavljanje eksploracijskih (raziskovalnih) in eksploatacijskih (izkoriščevalnih) lastnosti algoritma AIS.
Keywords: inteligentni sistemi, evolucijsko računanje, evolucijski algoritmi, evolucijske strategije, genetsko programiranje, genetski algoritmi, umetni imunski sistem
Published in DKUM: 07.07.2016; Views: 2188; Downloads: 139
Full text (1,67 MB) |
7. |
8. Študija samoprilagajanja krmilnih parametrov pri algoritmu DEMOwSAAleš Zamuda, Janez Brest, Borko Bošković, Viljem Žumer, 2008, original scientific article Abstract: V članku predstavljamo študijo samoprilagodljivih krmilnih parametrov algoritma diferencialne evolucije za večkriterijsko optimizacijo, ki ga krmili samoprilagoditveni mehanizem, predstavljen v evolucijskih strategijah. Samoprilagajanje parametrov omogoča danemu evolucijskemu algoritmu učinkovitejše iskanje, saj se algoritem lahko prilagodi optimizacijskemu problemu, ki ga rešuje. Z eksperimentom prikažemo dejanske vrednosti in spreminjanje samoprilagodljivih krmilnih parametrov na znanih testnih funkcijah.
Keywords: evolucijsko računanje, diferencialna evolucija, večkriterijska optimizacija, samoprilagoditev, algoritmi
Published in DKUM: 10.07.2015; Views: 1210; Downloads: 40
 Link to full text |
9. |
10. Večkriterijsko optimiranje strege pri montaži z evolucijskim pristopomPrimož Gerčar, 2014, master's thesis Abstract: Magistrsko delo obravnava večkriterijsko optimizacijo strege v prilagodljivem montažnem sistemu z evolucijskim pristopom.
Prvi del magistrskega dela vsebuje splošen pregled inteligentnih proizvodnih sistemov, naprednih montažnih sistemov, strege v prilagodljivih montažnih sistemih ter pregled nekaterih pomembnih sodobnih evolucijskih algoritmov. Sledijo opisi večkriterijske optimizacije in različni pristopi za njeno izvedbo. Drugi del naloge zajema praktičen primer optimiranja strege, zasnovo in izdelavo lastnega sistema za večkriterijsko optimiranje razmestitve in strege ter ovrednotenje dobljenih rezultatov v obliki preglednic in diagramov. Optimizacija montažnega procesa je bila izvedena z lastnim sistemom s poljubno določenim tlorisom montažne hale, poljubno umestitvijo montažnih strojev v prostor ter določitvijo karakteristik montažnih strojev in izdelkov za montažo. Sledila je optimizacija po stroškovnem kriteriju z izborom strojev, razvrstitvijo izdelkov med stroje ter optimizacijo strege. Med izvajanjem montažnega procesa po stroškovnem optimizacijskem kriteriju se je zaradi potrebe po pohitritvi procesa izvršil prehod na nov montažni scenarij po časovnem optimizacijskem kriteriju. Dosežena je bila pohitritev montažnega procesa z nekaj višjimi obdelovalnimi stroški in sposobnost prilagajanja optimizacijskega sistema različnim zahtevam.
Raziskava je pokazala, da je v nalogi razvit sistem praktično uporaben in sicer za optimizacijo v prilagodljivih proizvodnih sistemih kot so montažni sistemi, obdelovalni sistemi, skladiščni sistemi ali sistemi s serijsko proizvodnjo. Uporabimo ga lahko tudi pri snovanju novega prilagodljivega proizvodnega sistema ali pri razporejanju novih strojev v obdelovalni proces.
Keywords: prilagodljivi obdelovalni sistemi, prilagodljivi montažni sistemi, optimiranje strege, razmeščanje naprav, večkriterijska optimizacija, evolucijsko računanje, genetski algoritmi
Published in DKUM: 13.05.2014; Views: 2228; Downloads: 161
Full text (7,08 MB) |
