21. Algoritem določanja funkcijske odvisnosti povezav med vozlišči v kompleksnih mrežahDavid Jesenko, 2018, doktorska disertacija Opis: V doktorski disertaciji predstavimo nov dvonivojski evolucijski algoritem za določanje funkcijske odvisnosti med netopološkimi lastnostmi vozlišč in povezavami v kompleksnih mrežah. Rezultat algoritma je neenačba, ki določa povezljivost med izbranima vozliščema kompleksne mreže. Na prvem nivoju predstavljenega algoritma poiščemo obliko neenačbe, na drugem nivoju pa ustrezne koeficiente in odločitveni prag. Ocenitveno funkcijo, ki je ozko grlo predlaganega algoritma, smo implementirali na grafično procesni enoti s tehnologijo CUDA, s čimer dosežemo učinkovito vzporedno izvajanje. V eksperimentalnem delu doktorske disertacije pokažemo primernost predstavljenega algoritma za analizo naravnih kompleksnih mrež. V primerjavi z metodami strojnega učenja in evolucijskimi algoritmi dosežemo boljše rezultate. Doktorsko disertacijo zaključimo s pregledom opravljenega dela in ovrednotenjem našega prispevka na raziskovalnem področju.
Ključne besede: evolucijski algoritmi, strojno učenje, kompleksne mreže, netopološke lastnosti vozlišč, funkcijski zapis, paralelno računanje, GPGPU, CUDA
Objavljeno v DKUM: 03.05.2018; Ogledov: 1789; Prenosov: 299
 Celotno besedilo (11,91 MB) |
22. Sistem za oddajo in ovrednotenje evolucijskih algoritmovJure Škorc, 2018, magistrsko delo Opis: Namen magistrskega dela je razvoj spletnega sistema za oddajo, validacijo ter ovrednotenje evolucijskih algoritmov. V nalogi smo predstavili obstoječe sisteme za ocenjevanje evolucijskih algoritmov ter njihove pomanjkljivosti. Z uporabo programskega jezika JavaScript smo znotraj razvojnega okolja NodeJS izdelali lastno programsko rešitev, spletno platformo, ki uporabnikom na enostaven način omogoča oddajo, ovrednotenje in primerjavo evolucijskih algoritmov. Na koncu smo podali še praktičen primer uporabe spletne platforme in pridobljene podatke uporabili za statistično analizo.
Ključne besede: evolucijski algoritmi, ovrednotenje evolucijskih algoritmov, NodeJS, spletna platforma za oddajo evolucijskih algoritmov
Objavljeno v DKUM: 07.03.2018; Ogledov: 978; Prenosov: 123
Celotno besedilo (2,05 MB) |
23. Uporaba nevronske mreže za krmiljenje simuliranega avtonomnega vozilaAljaž Borko, 2017, magistrsko delo Opis: V magistrskem delu smo preučili nevronske mreže in njihovo uporabo za učenje vožnje simuliranih avtonomnih vozil. Pripravili smo 3D-okolje s cesto, po kateri so se vozila učila voziti. Vsako vozilo ima svojo nevronsko mrežo, ki določa hitrost in smer vozila. Preučili in primerjali smo različne pristope učenja – evolucijski pristop in nadzorovano učenje z metodo vzvratnega prenosa napake. Cilj magistrskega dela je bil ustvariti simulirano avtonomno vozilo, ki je sposobno pravilne vožnje po desni strani ceste in se zna izmikati oviram med vožnjo.
Ključne besede: nevronska mreža, evolucijski algoritmi, 3D-simulacija, avtonomna vozila
Objavljeno v DKUM: 26.10.2017; Ogledov: 1482; Prenosov: 157
Celotno besedilo (5,28 MB) |
24. VIZUALIZACIJA PROCESOV EVOLUCIJSKEGA RAČUNANJATadej Jerovšek, 2016, magistrsko delo Opis: V tem magistrskem delu se ukvarjamo z vizualizacijo procesov evolucijskih algoritmov in interpretacijo le-teh. Najpogosteje uporabljene metode za primerjavo evolucijskih algoritmov imajo težave že pri oceni algoritmov, samega delovanja algoritmov pa ne upoštevajo. Najprej smo podrobneje pogledali razvoj statističnih metod, kaj nudijo in kje kažejo pomanjkljivosti. Pod drobnogled smo vzeli enokriterijsko in večkriterijsko optimizacijo in jo z uporabo metod vizualizacije informacij predstavili ter interpretirali prednosti in slabosti posameznih algoritmov in problemov, pri čemer smo za temelj uporabili sistem EARS.
Ključne besede: evolucijski algoritmi, večkriterijska optimizacija, vizualizacija informacij, primerjava evolucijskih algoritmov, Pareto dominiranost
Objavljeno v DKUM: 28.09.2016; Ogledov: 1759; Prenosov: 152
Celotno besedilo (5,23 MB) |
25. Uporaba hiper-hevrističnega pristopa pri ovrednotenju operatorjev evolucijskih algoritmovMarjan Horvat, 2016, magistrsko delo Opis: 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.
Ključne besede: evolucijsko računanje, evolucijski algoritmi, hiper-hevristika, meta-hevristika, meta-optimizacija, optimizacija
Objavljeno v DKUM: 14.07.2016; Ogledov: 1465; Prenosov: 130
Celotno besedilo (2,95 MB) |
26. UMETNI IMUNSKI SISTEM - S STRANI BIOLOGIJE NAVDIHNJENO RAČUNANJEAndrej Barovič Karpov, 2016, magistrsko delo Opis: 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.
Ključne besede: inteligentni sistemi, evolucijsko računanje, evolucijski algoritmi, evolucijske strategije, genetsko programiranje, genetski algoritmi, umetni imunski sistem
Objavljeno v DKUM: 07.07.2016; Ogledov: 2188; Prenosov: 141
Celotno besedilo (1,67 MB) |
27. 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: 1979; Prenosov: 205
Celotno besedilo (2,01 MB) |
28. Hibridni algoritmi za barvanje grafovMartin Duh, 2016, magistrsko delo Opis: Tema magistrskega dela je barvanje grafov s pomoˇcjo hibridnih algoritmov. V magistrskem
delu predstavimo algoritem za barvanje grafa z variabilnim lokalnim iskanjem in
hibridni algoritem za barvanje grafa, ki združuje evolucijski algoritem z lokalnim iskanjem.
Nazadnje še predstavimo hibridni algoritem za barvanje grafa, ki deluje po principu
algoritma za variabilno lokalno iskanje.
Magistrsko delo je razdeljeno v osem sklopov. V prvem sklopu so navedeni osnovni pojmi
in definicije. V drugem sklopu sledi pregled hevristiˇcnih metod za barvanje grafa. V tretjem
sklopu je opisan standardni algoritem za variabilno lokalno iskanje. V ˇcetrtem sklopu
je predstavljen prilagojen algoritem za variabilno lokalno iskanje za optimizacijski problem
barvanja grafa. V petem sklopu so predstavljeni evolucijski algoritmi. V šestem
sklopu so predstavljeni splošni hibridni algoritmi za barvanje grafa. Sklop zakljuˇcimo s
hibridnim algoritmom za barvanje grafa, ki deluje po principu algoritma za variabilno
lokalno iskanje. V sedmem sklopu je opis programa v programskem jeziku C++. V zadnjem
sklopu so predstavljeni rezultati algoritmov za reševanje problema barvanja grafa
na nekaterih izbranih primerih.
Ključne besede: algoritmi, grafi, barvanje grafa, lokalno iskanje, variabilno lokalno iskanje, evolucijski algoritmi, hibridni algoritmi
Objavljeno v DKUM: 15.02.2016; Ogledov: 1822; Prenosov: 161
Celotno besedilo (715,10 KB) |
29. UPORABA ŠAHOVSKEGA SISTEMA RANGIRANJA ZA PRIMERJAVO EVOLUCIJSKIH ALGORITMOV VEČKRITERIJSKE OPTIMIZACIJEMiha Ravber, 2015, magistrsko delo Opis: Magistrsko delo obravnava primerjavo evolucijskih algoritmov večkriterijske optimizacije z uporabo šahovskega rangiranja. Na začetku je opisano šahovsko rangiranje in osnovni pojmi večkriterijske optimizacije. Prikazana je nadgradnja orodja EARS (ang. Evolutionary Algorithms Rating System), ki omogoča ocenjevanje uspešnosti evolucijskih algoritmov za enokriterijsko optimizacijo. Predstavljena je implementacija primernih primerjalnih funkcij in nabora preizkusnih problemov. Prav tako so predstavljeni tudi nekateri bolj znani evolucijski algoritmi večkriterijske optimizacije, ki smo jih vključili v orodje EARS. Na koncu so prikazani rezultati in primerjava rezultatov orodja EARS z drugimi metodami.
Ključne besede: Evolucijski algoritmi, večkriterijsko optimiranje, sistem rangiranja.
Objavljeno v DKUM: 14.10.2015; Ogledov: 1504; Prenosov: 180
Celotno besedilo (15,92 MB) |
30. VEČMODALNA OPTIMIZACIJA FUNKCIJTomaž Stoiljković, 2015, diplomsko delo Opis: Diplomsko delo predstavlja raziskovanje in implementacijo pristopa za reševanje večmodalne optimizacije funkcij. Raziskali smo že obstoječe pristope za večmodalno optimizacijo funkcij. Predstavili smo programsko rešitev, katera omogoča prikaz rešitev algoritmov nad testnimi funkcijami. Implementirali smo Izrivanje pristop za reševanje večmodalne optimizacije funkcij, s katerim smo uspešno ohranjali niše v populaciji, ob tem smo lahko določili več kot le en optimum testne funkcije.
Ključne besede: Evolucijski algoritmi, Niše, Delitev uspešnosti, Izrivanje, Omejena turnirska selekcija, Inicializacija, Gručenjem, GA za ohranjanje vrst
Objavljeno v DKUM: 14.10.2015; Ogledov: 1015; Prenosov: 126
Celotno besedilo (3,44 MB) |
