| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Iskanje po katalogu digitalne knjižnice Pomoč

Iskalni niz: išči po
išči po
išči po
išči po
* po starem in bolonjskem študiju

Opcije:
  Ponastavi


1 - 4 / 4
Na začetekNa prejšnjo stran1Na naslednjo stranNa konec
1.
Primerjava različnih algoritmov po vzoru obnašanja netopirjev : diplomsko delo
Žan 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
.pdf Celotno besedilo (1,53 MB)

2.
Optimizacija s pomočjo kolonije mravelj
Ivan Pešl, Viljem Žumer, Janez Brest, 2006, izvirni znanstveni članek

Opis: V naravi so mravlje sposobne najti najkrajšo pot od vira hrane do gnezda brez uporabe vizualnih informacij. Poleg tega so se zmožne prilagoditi spremembam v okolju. na primer najti novo naj krajšo pot. ko trenutno pot preseka ovira. Pri tem nastane zamisel, da bi lahko bilo posnemanje takšnega obnašanja mravelj učinkovito tudi v diskretnem svetu. V članku bomo prikazali reševanje problema trgovskega potnika s pomočjo optimizacije mravelj.
Ključne besede: kolonija mravelj, umetna inteligenca, inteligenca roja, problem trgovskega potnika
Objavljeno v DKUM: 10.07.2015; Ogledov: 2460; Prenosov: 73
URL Povezava na celotno besedilo

3.
Uporaba metod mehkega računanja v proizvodnih sistemih
Jure Šafner, 2015, diplomsko delo

Opis: V diplomskem delu smo raziskali in nazorno predstavili metode mehkega računanja in njihove prednosti. Pri tem smo se osredotočili na nevronske mreže, mehko logiko, evolucijsko računanje in skupinsko inteligenco. Vsako metodo smo raziskali in predstavili po naslednjem ključu: zgled v naravi, uporabnost v industriji, oblikovanje metode in njeni sestavni deli ter predstavitev delovanja metod. Nato smo na podlagi strokovne in znanstvene literature naredili primerjavo omenjenih metod. Z diplomskim delom smo potrdili, da so metode mehkega računanja koristna orodja za reševanje optimizacijskih problemov ter so uporabne pri kompleksnih NP problemih.
Ključne besede: mehko računanje, umetna inteligenca, nevronske mreže, genetski algoritmi, skupinska inteligenca, mehka logika, algoritem kolonije mravelj, inteligenca roja delcev.
Objavljeno v DKUM: 02.07.2015; Ogledov: 1856; Prenosov: 141
.pdf Celotno besedilo (1,61 MB)

4.
OPTIMIZACIJA DELOVANJA IZDELOVALNIH STROJEV IN SISTEMOV Z UPORABO SKUPINSKE INTELIGENCE
Simon Brezovnik, 2011, doktorska disertacija

Opis: Modernizacija sodobne proizvodnje vključuje nenehno posodabljanje in integracijo najnovejših tehnologij v proizvodne sisteme. Vključevanje sodobnih tehnologij omogoča skrajševanje časa izdelave, povečanje zmogljivosti in zniževanje proizvodnih stroškov. Vzporedno z visoko stopnjo avtomatizacije sodobnih proizvodnih sistemov se povečuje tudi smotrnost individualizacije tržišča v smeri maloserijske proizvodnje. Zaradi dinamičnosti razvoja sodobnih tehnologij je učinkovito usklajevanje (t.j. optimiranje) materialnih, energetskih in informacijskih tokov še mnogo težje, kot je bilo v preteklosti. Znotraj množice vse bolj kompleksnih proizvodnih scenarijev optimalnega toka proizvodnje s klasičnimi metodami načrtovanja ni mogoče več doseči. Zaradi omenjenih razlogov je bil v doktorski disertaciji razvit optimizacijski sistem, ki ponuja inovativne rešitve optimizacije obdelovalnih, robotskih, nadzornih in montažnih sistemov z algoritmi umetne skupinske inteligence. S predlaganim pristopom je predstavljeno reševanje problemov izdelovalnih sistemov po zgledih iz narave. Algoritmi umetne skupinske inteligence omogočajo optimizacijo na samoorganizacijski način, kar daje pomembno prednost pred ostalimi optimizacijskimi metodami. V ta namen je bila opravljena preslikava naravnih zakonitosti kolonialno organiziranih bioloških organizmov v obliko matematičnih definicij in pravil, ki so bile uporabljene v optimizacijskih postopkih načrtovanja izdelovalnih strojev in sistemov. Optimizacijski sistem je sestavljen iz modula napovedovalnega sistema in modula sistema evalvacije. Proces optimizacije poteka na podlagi povratnozančnega izmenjevanja informacij med napovedjo in evalvacijo načrtovanja izdelovalnega sistema. Evalvacija napovedi načrtovanega izdelovalnega sistema se odvija v simulacijskem okolju računalniško podprtega konstruiranja, kar poveča uporabnost in prilagodljivost razvitega optimizacijskega sistema v praksi. Sistem evalvacije je neodvisen od napovedovalnega sistema, kar predstavlja univerzalen in fleksibilen pristop k inteligentnemu načrtovanju in modeliranju proizvodnih sistemov. Z uporabo razvitega univerzalnega optimizacijskega sistema predlagamo učinkovite rešitve inteligentnega načrtovanja in modeliranja naslednjih tehnoloških problemov: (i) optimizacija postavitve surovca v delovni prostor izdelovalnega sistema glede na gibljivost robotskega mehanizma, (ii) analiza izdelovalnosti obdelovanca glede na mesto vpetja, (iii) optimizacija simultanega obdelovalnega sistema z več robotskimi mehanizmi, (iv) tekmovanje robotskih mehanizmov za izvedbo tehnološkega procesa z oceno optimalne izdelovalnosti, (v) načrtovanje obdelovalnega sistema s hibridnim »Fuzzy-Swarm« optimizacijskim algoritmom, (vi) optimizacijski sistem za načrtovanje razmestitve robotskih obdelovalnih sistemov glede na minimalno pot obdelovanca in (vii) optimizacija regalnega skladiščnega sistema. Za namen validacije rezultatov rešitev, ki jih predlaga optimizacijski sistem, je bila razvita projekcija hitrostne anizotropije delovnih prostorov robotskih mehanizmov z barvno interpolacijo. Predstavljena rešitev ponuja ključno orodje pri načrtovanju razmestitve robotiziranega tehnološkega postopka v področje delovnega prostora z optimalno gibljivostjo robotskega mehanizma. Za učinkovito delovanje optimizacijskega sistema evalvacije je bil razvit postopek dinamičnih meritev položaja in zaznavanje dotika (kolizije) med gibajočimi se deli v trirazsežnem prostoru. Omenjeni pristop omogoča dinamične meritve položaja objektov v razvojnem okolju pri načrtovanju optimalne razmestitve tehnološkega procesa s postopkom optimizacije umetne skupinske inteligence.
Ključne besede: optimizacija, skupinska inteligenca, inteligenca roja, gibljivost robotskega mehanizma, hitrostna anizotropija, barvna interpolacija, tehnološki postopek, API vmesnik, kinematični model, računalniška simulacija, robotski mehanizem, proizvodni sistem, montažni sistem, obdelovalni sistem
Objavljeno v DKUM: 01.06.2011; Ogledov: 3955; Prenosov: 637
.pdf Celotno besedilo (12,52 MB)

Iskanje izvedeno v 0.11 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici