11. Uporaba evolucijskih algoritmov za generiranje ključnih gradnikov igre Tower Defence s pomočjo igralnega pogona Unity : magistrsko deloVid Kraner, 2020, magistrsko delo Opis: Evolucijski algoritmi so stohastični iskalni algoritmi, ki jemljejo navdih v Darwinovi teoriji boja za obstanek. Evolucijski algoritmi spadajo tudi med optimizacijske algoritme. V magistrskem delu prikazujemo načrtovanje in razvoj Tower Defence igre, ki smo jo razvili s pomočjo igralnega pogona Unity. Igra uporablja evolucijske algoritme za generiranje ključnih gradnikov igre. V delu smo raziskali različne vrste evolucijskih algoritmov ter opisali njihovo delovanje. Prav tako smo raziskali, kako jih lahko uporabimo v računalniških igrah. Še posebej smo se osredotočili na zvrst Tower Defence. Ugotovili smo, da je s pomočjo evolucijskih algoritmov možno generirati gradnike, ki naredijo igro zanimivejšo.
Ključne besede: evolucijski algoritmi, generiranje vsebine, Tower Defence, Unity
Objavljeno v DKUM: 03.11.2020; Ogledov: 1100; Prenosov: 124
 Celotno besedilo (3,74 MB) |
12. Primerjava algoritmov ABC in CS : diplomsko deloDavid Bajs, 2020, diplomsko delo Opis: V diplomskem delu sta bila raziskana algoritma ABC in CS. Algoritma ABC in CS spadata v metahevristične algoritme, s katerimi rešujemo probleme, kjer je iskalni prostor prevelik, da bi raziskali vse možne rešitve. Algoritma smo primerjali na zveznih problemih in pri diskretnem primeru, ki je bil sestavljanje urnika za zaposlene v podjetju. Po implementaciji algoritmov, smo najprej primerjali dobljene rezultate med algoritmoma. Nato smo primerjali delovanje algoritmov z rezultati iz literature. Na koncu pa smo še primerjali, kako algoritma delujeta pri sestavljanju urnika za zaposlene v podjetju.
Ključne besede: evolucijski algoritmi, algoritem ABC, algoritem CS, zvezni problemi, problem sestavljanja urnika
Objavljeno v DKUM: 03.11.2020; Ogledov: 933; Prenosov: 82
Celotno besedilo (1,64 MB) |
13. |
14. Analiza evolucijskega algoritma WOA : magistrsko deloJanez Krnc, 2020, magistrsko delo Opis: Implementirali in analizirali smo moderni evolucijski algoritem po znanstvenem članku »The Whale Optimization Algorithm« avtorjev Seyedali Mirjalili in Andrew Lewis. Naredili smo primerjavo s podobnim algoritmom GWO istih avtorjev, opisanim v članku »Gray Wolf Optimizer«, in drugimi evolucijskimi algoritmi. Algoritem smo implementirali v programskem jeziku Java v sistemu za ocenjevanje evolucijskih algoritmov (angl. »evolutionary algorithm rating system«), znan tudi kot EARS [3]. Pri implementaciji smo se zgledovali po podani izvorni kodi avtorjev, napisani v Matlab-u [4]. Implementirali smo dva realna optimizacijska problema in algoritem na njima tudi preizkusili. Rezultate optimizacije problemov smo primerjali z rešitvami drugih algoritmov. Nenazadnje smo preverili pravilnost in točnost delovanja naše implementacije v primerjavi z izvorno kodo.
Ključne besede: evolucijski algoritmi, vzorci iz narave, optimizacijski algoritmi, optimizacija
Objavljeno v DKUM: 02.11.2020; Ogledov: 945; Prenosov: 92
Celotno besedilo (4,10 MB) |
15. Reševanje problema usmerjanja vozil s pomočjo evolucijskih algoritmov : diplomsko deloMatic Pintarič, 2019, diplomsko delo Opis: V diplomskem delu rešujemo problem optimizacije, s katerim se na dnevni ravni srečuje vedno več logističnih podjetij in ostalih prevoznikov. Ustrezna rešitev problema usmerjanja vozil pomeni za podjetje precejšen prihranek na gorivu in s tem znižanje vsakodnevnih stroškov. Reševanje problema smo izvedli s pomočjo naravno-navdihnjenih algoritmov, ki v svojem delovanju opisujejo principe biološke evolucije. Za izvedbo eksperimenta smo razvili sistem, ki omogoča aplikacijo poljubnega evolucijskega algoritma na problem usmerjanja vozil. Eksperiment sestoji iz testiranja uporabe petih evolucijskih tehnik na petih primerih problema. Analiza rezultatov je sestavljena iz pregleda različnih nastavitev, uporabljenih za reševanje in opisa pridobljenih rezultatov, ločenega na primerjavo pridobljenih fitnes vrednosti in časov reševanja algoritmov.
Ključne besede: usmerjanje vozil, evolucijski algoritmi, genetski algoritmi, algoritmi po vzoru iz narave, optimizacija
Objavljeno v DKUM: 11.11.2019; Ogledov: 1606; Prenosov: 137
Celotno besedilo (1,25 MB) |
16. Optimizacija shranjevanja tovora s pomočjo evolucijskih algoritmov : diplomsko deloKlemen Grebovšek, 2019, diplomsko delo Opis: Optimalna postavitev paketov v prostor za shranjevanje je ena izmed pomembnejših aktivnosti pri transportu blaga. Izboljšanje te pripomore k povečanju učinkovitosti prevoza in posledično k zmanjšanju stroškov poslovanja. V tem diplomskem delu smo se osredotočili na pomorski transport in na kratko pregledali področje tovorjenja, kar nam je kasneje predstavljalo osnovo pri razvoju platforme za optimizirano postavitev paketov v prostor za shranjevanje. Eno izmed mnogih tehnik za reševanje optimizacije postavitve paketov predstavljajo evolucijski algoritmi. Pred razvojem platforme smo se seznanili tudi z osnovami delovanja slednjih. Razvoj platforme je potekal s pomočjo mikro ogrodja NiaPy. V zadnjem delu smo izvedli nekaj eksperimentov v katerih nas je zanimalo splošno reševanja problema, vpliv nastavitev algoritmov na kakovost rešitve in primerjava izbranih evolucijskih algoritmov.
Ključne besede: shranjevanje tovora, optimizacija, evolucijski algoritmi
Objavljeno v DKUM: 11.11.2019; Ogledov: 1287; Prenosov: 133
Celotno besedilo (1,15 MB) |
17. Primerjava evolucijskih algoritmov po vzorih fizikalnih fenomenov : magistrsko deloTadej Klakočer, 2019, magistrsko delo Opis: Dandanes se razvija vedno več različnih algoritmov, med katerimi so nekateri uspešnejši kot drugi. Pri primerjavi uspešnosti pa naletimo na oviro, saj ne obstaja poenoten postopek za primerjavo uspešnosti, zato je težko primerjati različne algoritme in ugotavljati, kateri je boljši. Na kratko smo povzeli klasifikacijo evolucijskih algoritmov. Vsak algoritem smo še podrobneje opisali, nekatere pojave prikazali s slikovnim materialom in zapisali psevdokode. Za primer smo vzeli algoritme fizikalnih fenomenov (EMO, GSA, CBO, LSA, CSS). Navedeni evolucijski algoritmi posnemajo fizikalne pojave v naravi, kot so električne strele, trkdelcev, gravitacija ipd. Najprej smo poustvarili rezultate, ki so navedeni v člankih, nato smo izvedli še tekmovanje med evolucijskimi algoritmi po sistemu šahovskega rangiranja v ogrodju EARS. V magistrskem delu smo tudi podrobneje opisali ogrodje in postopek, kako smo izvedli omenjeni turnir. Ocena uspešnosti temelji na tekmovanju vsakega algoritma z vsakim in za določen problem se turnir izvede tudi večkrat. Za eksperiment smo vzeli nabor matematičnih problemov iz eksperimentov CEC2014 in CEC2015. Uporabljene probleme smo na kratko opisali. Po izvedbi eksperimenta smo analizirali dobljene rezultate, npr. število porabljenih ovrednotenj, najboljša najdena rešitev idr., nato pa smo jih predstavili v obliki tabel rangov in intervala zaupanja.
Ugotovili smo, da si nekateri avtorji prilagodijo testne primere, ki pa jih pri rezultatih ne omenjajo. Prav tako menimo, da bi bilo treba vzpostaviti enoten sistem ocenjevanja in primerjavo uspešnosti med algoritmi.
Ključne besede: ogrodje EARS, evolucijski algoritmi, fizikalni zakoni, primerjava, šahovski sistem rangiranja
Objavljeno v DKUM: 04.09.2019; Ogledov: 1262; Prenosov: 123
Celotno besedilo (2,69 MB) |
18. Primerjava različnih algoritmov po vzoru obnašanja netopirjev : diplomsko deloŽan Grajfoner, 2019, diplomsko delo Opis: V diplomski nalogi smo se osredotočili na algoritme po vzorih iz narave. Opisujemo evolucijske algoritme, katerih navdih je bila Darwinova teorija o boju za obstanek, in algoritme inteligence roja, ki črpajo navdih iz obnašanja roja živali v naravi. Primerjali smo osnovni algoritem po vzoru obnašanja netopirjev in hibridno različico algoritma po vzoru obnašanja netopirjev. Raziskali smo razlike med osnovnima arhitekturama obeh algoritmov, pripadajoče parametre, kot tudi področja uporabe obeh algoritmov. Primerjavo smo izvedli na praktičnem primeru optimizacije desetih testnih funkcij na treh različnih dimenzijah problema (10, 20, 30). Prav tako smo raziskali vpliv različnih velikosti populacije (20, 30, 50) pri obeh algoritmih. Ugotovili smo, da so rezultati optimizacije hibridne različice algoritma boljši od standardne različice algoritma.
Ključne besede: algoritem po vzoru obnašanja netopirjev, evolucijski algoritmi, hibridizacija, inteligenca roja, računska inteligenca.
Objavljeno v DKUM: 04.09.2019; Ogledov: 1817; Prenosov: 164
Celotno besedilo (1,53 MB) |
19. Adaptivno vodenje osnovano na algoritmih računske inteligenceJakob Šafarič, 2018, magistrsko delo Opis: Na področju robotike obstaja ogromno nelinearnih sistemov, ki se še vedno vodijo z linearnimi regulatorji, čeprav ti niso optimalna rešitev za dani problem. V tem magistrskem delu je predstavljen hitrostni adaptivni nelinearni regulator, ki je sposoben voditi nelinearno progo boljše kot linearni regulatorji. Razviti regulator je sestavljen iz algoritma po vzorih iz narave, ki optimira vrednost referenčnega toka, in umetne nevronske mreže, ki je sposobna napovedati vrednost ocenitvene funkcije za izbrani algoritem. Pri tem primerjamo vpliv različnih algoritmov po vzorih iz narave na delovanje predlaganega regulatorja. V naši primerjalni analizi smo zajeli naslednje algoritme: evolucijsko strategijo, diferencialno evolucijo, optimizacijo z roji delcev in algoritmom po vzoru obnašanja netopirjev.
Ključne besede: nelinearni adaptivni regulator, umetne nevronske mreže, evolucijski algoritmi, algoritmi inteligence rojev
Objavljeno v DKUM: 19.10.2018; Ogledov: 2234; Prenosov: 373
Celotno besedilo (4,36 MB)
Gradivo ima več datotek! Več... |
20. Šahovski sistem rangiranja za primerjavo evolucijskih algoritmov večkriterijske optimizacijeMiha Ravber, 2018, doktorska disertacija Opis: Evolucijski algoritmi večkriterijske optimizacije so bili uspešno uporabljeni za reševanje realnih večkriterijskih problemov, kar pojasnjuje tudi njihovo popularnost. Ocenjevanje in primerjava evolucijski algoritmi večkriterijske optimizacije je pomembno vprašanje. Vendar izvajanje primerjav evolucijskih algoritmov ni trivialna naloga. Algoritmi imajo številne kontrolne parametre, ki jih je potrebno konfigurirati. Izbrati je treba primerne testne probleme in rezultate analizirati z uporabo statistične metode. Poleg tega lahko rezultate evolucijskih algoritmov večkriterijske optimizacije ocenimo z različnimi indikatorji kakovosti, kar še dodatno otežuje primerjavo. Da bi olajšali proces primerjave smo, v doktorski disertaciji predstavili metodo za primerjavo in uglaševanje evolucijskih algoritmov večkriterijske optimizacije. Najprej je bila opravljena analiza indikatorjev kakovosti, ki je pokazala, da lahko z indikatorji, ki merijo enake aspekte kakovosti, dobimo statistično značilne razlike. Dobili smo tudi nabor robustnih in konsistentnih indikatorjev. Za primerjavo algoritmov smo uporabili šahovski sistem rangiranja, ki je bil prilagojen za algoritme večkriterijske optimizacije z ansamblom indikatorjev kakovosti. V ansambel smo vključili najprimernejše indikatorje iz predhodne analize. Rezultati so pokazali, da je predlagana metoda dosegla primerljive rezultate s primerljivimi metodami z manjšim številom zagonov posameznega algoritma. Ker je uspešnost evolucijskih algoritmov lahko zelo odvisna od konfiguracije kontrolnih parametrov, smo predlagano metodo nadgradili tako, da omogoča uglaševanje. Rezultati eksperimenta so pokazali veliko izboljšanje algoritmov po izvedenem uglaševanju s predlagano metodo. Z uporabo uglaševanja zagotovimo, da imajo algoritmi primernejše kontrolne parametre in posledično je tudi primerjava bolj poštena.
Ključne besede: evolucijski algoritmi, večkriterijska optimizacija, sistem rangiranja, indikatorji kakovosti, uglaševanje parametrov.
Objavljeno v DKUM: 01.10.2018; Ogledov: 1535; Prenosov: 244
Celotno besedilo (1,54 MB) |
