1. |
2. Reševanje problema nesimetričnega trgovskega potnika z diferencialno evolucijo in hevrističnimi algoritmiŠtefan Brest, 2009, diplomsko delo Opis: V diplomskem delu podamo zgodovino in razvoj evolucijskih algoritmov ter
diferencialne evolucije. Opišemo tudi hevristične algoritme, ki
bodo osnova za reševanje problema nesimetričnega trgovskega potnika.
Osrednji del diplomskega dela predstavlja načrtovanje in implementacija
algoritmov DEATSP, kjer poiskušamo rešiti problem nesimetričnega trgovskega potnika
z diferencialno evolucijo. Ti vključujejo različne kombinacije
hevrističnih algoritmov, kjer skušamo ugotoviti, katera od teh
Ključne besede: problem trgovskega potnika, diferencialna evolucija, hevristični algoritmi, optimizacija, iskanje globalnega optimuma
Objavljeno: 02.02.2012; Ogledov: 2149; Prenosov: 98
 Celotno besedilo (2,77 MB) |
3. UGLAŠEVANJE ŠAHOVSKE OCENITVENE FUNKCIJE S POMOČJO ALGORITMA DIFERENCIALNE EVOLUCIJEBorko Bošković, 2010, doktorska disertacija Opis: V delu predstavljamo algoritem za uglaševanje šahovske cenitvene funkcije, ki temelji na algoritmu diferencialne evolucije (DE). Ocenjevanje posameznikov v procesu uglaševanja vsebuje šum. Zato smo algoritmu DE dodali mehanizem nasprotij, ki izboljšuje učinkovitost algoritma DE. V algoritem uglaševanja smo dodali še nov zgodovinski mehanizem, ki zmanjšuje šum pri ocenjevanju potencialno dobrih posameznikov. Ti posamezniki igrajo več iger
z različnimi nasprotniki. Zgodovinski mehanizem uporablja dodatno populacijo, ki vsebuje potencialno dobre posameznike glede na zgodovino evolucijskega procesa. Ti posamezniki se s pomočjo zgodovinskega mehanizma vračajo v proces uglaševanja, čeprav so izumrli v določeni prejšnji generaciji. Tako načrtovan algoritem uglaševanja zmanjšuje šum pri ocenjevanju posameznikov, zmanjšuje možnost prekomernega učenja in posledično omogoča učinkovit proces uglaševanja.
Ključne besede: Uglaševanje šahovske ocenitvene funkcije, diferencialna evolucija, zgodovinski mehanizem, mehanizem nasprotij
Objavljeno: 26.05.2010; Ogledov: 2622; Prenosov: 288
Celotno besedilo (1,99 MB) |
4. Diferencialna evolucija za rekonstrukcijo parametriziranih proceduralnih drevesnih modelovAleš Zamuda, 2012, doktorska disertacija Opis: V tej disertaciji obravnavamo tezo o lastnem razvoju novega evolucijskega algoritma, ki omogoča modeliranje z rekonstrukcijo parametriziranih proceduralnih modelov olesenelih rastlin iz slikovnih projekcij referenčnih modelov. Pokažemo, da je s predlaganim proceduralnim modelom po kodiranju v genotip možno izvesti evolucijski proces iskanja parametriziranih proceduralnih modelov. S postavitvijo ustreznostne funkcije in preslikavo genotipa v fenotip pokažemo, da je algoritem diferencialne evolucije primeren za iterativno rekonstrukcijo izbranega parametriziranega proceduralnega modela. Pokažemu tudi, da je algoritem diferencialne evolucije še posebej primeren za evolucijo izbranega modela, saj je ta fiksne dimenzije in parametre kodiramo v domeno realnih števil, za katero je algoritem diferencialne evolucije posebej učinkovito načrtovan. Potrdimo še, da je algoritem jDE s samoprilagodljivimi krmilnimi parametri za naš optimizacijski postopek ustreznejši od osnovnega algoritma DE brez samoprilagajanja krmilnih parametrov. Dobljeni rezultati potrjujejo, da je predstavljen pristop primeren za modeliranje drevesnih rastlin za računalniško animacijo, s pomočjo evolucije numerično kodiranega proceduralnega modela. S tem ugotovimo, da teza disertacije pritrdilno utemeljuje zastavljene hipoteze. Izsledke, ki smo jih pokazali v tej disertaciji, smo objavili tudi širši znanstveni javnosti.
Ključne besede: diferencialna evolucija, drevo, proceduralni model, rekonstrukcija strukture, numerično kodiranje, večkriterijska optimizacija, evolucijski algoritmi
Objavljeno: 22.05.2012; Ogledov: 2412; Prenosov: 371
Celotno besedilo (16,47 MB) |
5. OPTIMIZACIJA S ČEBELAMIBoštjan Brenčič, 2011, diplomsko delo/naloga Opis: V diplomski nalogi opišemo raziskovalno področje evolucijskih algoritmov in podamo lastnosti funkcij optimizacijskih problemov, ki smo jih uporabili kot testne funkcije. Preučili smo delovanje populacijskega optimizacijskega algoritma optimizacije s čebelami, z njim testirali testne funkcije z različnimi vhodnimi podatki, zbrali in analizirali dobljene rezultate, ter jih primerjali z rezultati, dobljenimi z drugimi algoritmi.
Ključne besede: optimizacija, evolucijski algoritmi, optimizacija s čebelami, diferencialna evolucija, problemi z velikim številom dimenzij.
Objavljeno: 19.09.2011; Ogledov: 2058; Prenosov: 136
Celotno besedilo (44,17 MB) |
6. |
7. OPTIMIZACIJA MEDATOMSKEGA POTENCIALA LENNARD-JONES S PARALELNO DIFERENCIALNO EVOLUCIJOAleš Čep, 2011, diplomsko delo/naloga Opis: V diplomskem delu predstavljamo optimizacijski algoritem, ki rešuje problem potenciala Lennard-Jones iz področja bioinformatike. Za računanje uporabimo tehnologijo CUDA, ki poveča hitrost računanja, saj izkorišča paralelizacijsko zmogljivost grafičnih procesnih enot. Izbrali smo evolucijski algoritem jDE, ki se je v preteklosti izkazal za zelo uspešnega. Diplomska naloga najprej obravnava sorodna dela iz področja računanja potenciala Lennard-Jones ter področja evolucijskih algoritmov na grafičnih procesnih enotah. Sledi opis potenciala Lennard-Jones in arhitekture CUDA. Na koncu je predstavljena še naša implementacija algoritma in dobljeni rezultati. Naše rezultate smo primerjali z rezultati dveh programov, ki se v celoti izvajata na centralno procesni enoti.
Ključne besede: diferencialna evolucija, potencial Lennard-Jones, CUDA, bioinformatika, paralelno izvajanje, evolucijski algoritem, jDE, evolucijsko računanje, grafična procesna enota
Objavljeno: 16.09.2011; Ogledov: 2358; Prenosov: 214
Celotno besedilo (1,89 MB) |
8. UGLAŠEVANJE ZMOGLJIVOSTI APLIKACIJSKIH STREŽNIKOV JAVA EE Z ALGORITMOM DIFERENCIALNE EVOLUCIJEMarko Lešnik, 2012, magistrsko delo Opis: V magistrskem delu predstavimo empirični pristop uglaševanja zmogljivosti aplikacijskih strežnikov (AS) Java EE. Pri tem uporabimo algoritem diferencialne evolucije GDE3 za večkriterijsko optimizacijo izbranih konfiguracijskih parametrov AS po principu črne škatle. V uvodnih poglavjih podamo raziskovalne hipoteze, orišemo proces uglaševanja zmogljivosti, arhitekturo AS Java EE in delovanje algoritma diferencialne evolucije GDE3. Sledi obravnava sorodnih del in podrobna predstavitev predlaganega pristopa, ki ga uporabimo za uglaševanje zmogljivosti AS GlassFish in preizkusne aplikacije Java EE DayTrader. Dosežene rezultate prikažemo tabelarično in grafično ter jih statistično analiziramo, pri tem sproti ovrednotimo zastavljene raziskovalne hipoteze. Na koncu podamo nekatere konceptualne ideje za nadgradnjo predlaganega pristopa, da bi se le-ta bolje vključeval v sodobno industrijsko paradigmo avtonomnega računalništva.
Ključne besede: proces uglaševanja zmogljivosti, aplikacijski strežniki, Java Enterprise Edition, večkriterijska optimizacija, diferencialna evolucija, empirični pristop, avtonomno računalništvo
Objavljeno: 15.11.2012; Ogledov: 1394; Prenosov: 73
Celotno besedilo (2,61 MB) |
9. ISKANJE OPTIMALNE POSTAVITVE INTERAKTIVNO MODELIRANIH STAVB Z UPORABO DIFERENCIALNE EVOLUCIJE IN UPOŠTEVANJEM SONČNEGA POTENCIALA NAD PODATKI LiDARMarko Bizjak, 2013, diplomsko delo Opis: Količina sončnega obseva, ki ga prejme stavba, je zelo pomembna pri izkoriščanju sončne energije za proizvodnjo električne energije in pasivnem ogrevanju stavbe ter posledično zmanjšanju emisij. V diplomskem delu iščemo optimalno postavitev stavbe, ki prejme največ sončnega potenciala skozi leto. Najprej si ustvarimo mrežo celic, ki jo generiramo iz podatkov LiDAR. Nad mrežo modeliramo stavbo in nato z uporabo diferencialne evolucije poiščemo njeno optimalno postavitev. Pri tem upoštevamo več parametrov modelirane stavbe za izboljšanje natančnosti. V eksperimentih z različnimi strategijami pokažemo, da lahko hitro najdemo globalni optimum za maksimizacijo sončnega obseva dane stavbe.
Ključne besede: sončni potencial, postavitev stavbe, diferencialna evolucija
Objavljeno: 13.09.2013; Ogledov: 993; Prenosov: 105
Celotno besedilo (9,14 MB) |
10. |
