1. |
2. Paralelni algoritem diferencialne evolucije in gručenja za multimodalno optimizacijo : diplomsko deloTilen Ravnak, 2021, diplomsko delo Opis: 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. Ključne besede: Diferencialna evolucija, gručenje, paralelizacija Objavljeno v DKUM: 18.10.2021; Ogledov: 466; Prenosov: 28
Celotno besedilo (1,23 MB) |
3. |
4. Avtomatsko načrtovanje in vrednotenje klasifikacijskih cevovodov v bioinformatikiIztok Fister, 2019, magistrsko delo Opis: 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. Ključne besede: algoritmi po vzorih iz narave, AutoML, diferencialna evolucija, klasifikacija, optimizacija Objavljeno v DKUM: 16.08.2019; Ogledov: 1108; Prenosov: 182
Celotno besedilo (1,09 MB) |
5. Optimizacija z omejitvami in diferencialna evolucija : od upravljanja avtonomnih globokomosrkih sond do razporejanja obremenitve elektrarnAleš Zamuda, vabljeno predavanje na konferenci brez natisa Opis: 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. Ključne besede: optimizacija, diferencialna evolucija Objavljeno v DKUM: 14.05.2019; Ogledov: 1354; Prenosov: 47
Povezava na celotno besedilo |
6. Razpoznavanje čustvenih izrazov osebe iz slikovnega materiala z algoritmom diferencialne evolucije za izbiro značilnicUroš Mlakar, 2019, doktorska disertacija Opis: V disertaciji se ukvarjamo z razvojem učinkovitega programskega sistema za izbiro značilnic, na primeru aplikacije prepoznavanja čustvenih izrazov. Predlagan sistem, ki prepoznava sedem prototipnih čustvenih izrazov,
vključno z nevtralnim izrazom, temelji na histogramih usmerjenih gradientov (HOG) in vektorjih razlik. Izbiro obraznih značilnic smo izvedli z uporabo ustrezno prilagojenega algoritma diferencialne evolucije za večkriterijsko optimizacijo, ki je hkrati minimiziral velikost izbrane podmnožice značilnic in maksimiziral natančnost razpoznavanja čustvenih izrazov. Razvili smo dve strategiji izbire značilnic, poimenovani "specifična” in ”splošna”. Statistični Friedmanov test je pokazal, da je ”splošna” strategija izbire značilnic primernejša. Implementiran sistem za razpoznavo čustvenih izrazov smo preizkusilina treh pogosto uporabljenih javnih podatkovnih bazah. Na podatkovni bazi Cohn-Kanade smo dosegli 98,37 % povprečno uspešnost prepoznavanja čustvenih izrazov, na podatkovni bazi JAFFE 92,75 % uspešnost in na najzahtevnejši podatkovni bazi MMI s spontanimi čustvenimi izrazi 84,07 % uspešnost. Število uporabljenih značilnic smo uspeli zmanjšati za 89 % originalne velikosti vektorja značilnic. Predlagan algoritem po uspešnosti sodi v sam vrh algoritmov za prepoznavanje čustvenih izrazov oseb, hkrati pa signifikantno zmanjša število uporabljenih značilnic, kar posledično pomeni nižjo računsko zahtevnost učenja klasifikatorjev. S to disertacijo smo demonstrirali učinkovito uporabo algoritma diferencialne evolucije za večkriterijsko optimizacijo na problemu prepoznavanja čustvenih izrazov. Ključne besede: razpoznavanje čustvenih izrazov, izbira značilnic, diferencialna evolucija, razlike vektorjev značilnic, večkriterijska optimizacija Objavljeno v DKUM: 11.03.2019; Ogledov: 1381; Prenosov: 199
Celotno besedilo (1,78 MB) |
7. PARALELNA DIFERENCIALNA EVOLUCIJA IN NAČRTOVANJE PRILAGODLJIVE KROŽNE ANTENSKE SKUPINEMatic Rues, 2016, diplomsko delo Opis: V diplomskem delu predstavljamo optimizacijski algoritem, ki izračuna utežne vrednosti faze in amplitude vzbujevalnega signala za prilagajanje sevalnega diagrama krožne antenske skupine. Za osnovo temu algoritmu smo izbrali evolucijski algoritem SHADE (angl. Success-History Based Parameter Adaptation for Differential Evolution). Računanje smo izvedli na osrednji procesorski enoti. Z uporabo niti, katerim podpora je tudi del novega standarda C++11 in izrabo večnitnosti v sodobnih centralnih procesorjih, smo povečali hitrosti izvajanja. Najprej obravnavamo sorodna dela s področja optimizacije različnih prilagodljivih antenskih skupin ter področja paralelizacije algoritma diferencialne evolucije (DE). V nadaljevanju opišemo še algoritme DE s samoprilagajanjem krmilnih parametrov ter uporabo prilagodljivih antenskih skupin. Nato predstavimo našo implementacijo algoritma ter podamo dobljene rezultate, ki jih še primerjamo z nekaterimi drugimi algoritmi DE. Zaključimo z ugotovitvami in napotki za nadaljnje delo. Ključne besede: diferencialna evolucija, krožna antenska skupina, prilagodljive antenske skupine, algoritem SHADE Objavljeno v DKUM: 08.09.2016; Ogledov: 1573; Prenosov: 116
Celotno besedilo (12,84 MB) |
8. STISKANJE SLIK Z ALGORITMI PO VZORIH IZ NARAVEGregor Jurgec, 2016, magistrsko delo Opis: V delu predstavljamo postopek stiskanja slik s pomočjo optimizacijskih algoritmov iz dveh različnih družin, tj. evolucijskih algoritmov in algoritmov na osnovi inteligence rojev. V naši raziskavi smo za reševanje zadanega problema uporabili diferencialno evolucijo in optimizacijo s kukavičjim iskanjem. Osnovna algoritma smo izboljšali z adaptacijskimi in hibridizacijskimi metodami. Stiskanje slik smo izvedli s pomočjo množice primitivnih geometrijskih oblik trikotnika. Razvita algoritma smo testirali na realnih primerih stiskanja slik in kakovost rezultatov stiskanja primerjali med seboj. Ključne besede: evolucijski algoritmi, inteligenca rojev, diferencialna evolucija, kukavičje iskanje, stiskanje slik. Objavljeno v DKUM: 21.04.2016; Ogledov: 1489; Prenosov: 180
Celotno besedilo (2,01 MB) |
9. Študija samoprilagajanja krmilnih parametrov pri algoritmu DEMOwSAAleš Zamuda, Janez Brest, Borko Bošković, Viljem Žumer, 2008, izvirni znanstveni članek Opis: 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. Ključne besede: evolucijsko računanje, diferencialna evolucija, večkriterijska optimizacija, samoprilagoditev, algoritmi Objavljeno v DKUM: 10.07.2015; Ogledov: 923; Prenosov: 35
Povezava na celotno besedilo |
10. |