| | 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 - 3 / 3
Na začetekNa prejšnjo stran1Na naslednjo stranNa konec
1.
UPORABA ŠAHOVSKEGA SISTEMA RANGIRANJA ZA PRIMERJAVO EVOLUCIJSKIH ALGORITMOV VEČKRITERIJSKE OPTIMIZACIJE
Miha 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: 14.10.2015; Ogledov: 660; Prenosov: 78
.pdf Celotno besedilo (15,92 MB)

2.
Primerjava evolucijskih algoritmov po vzorih fizikalnih fenomenov
Tadej 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: 04.09.2019; Ogledov: 94; Prenosov: 26
.pdf Celotno besedilo (2,69 MB)

3.
Šahovski sistem rangiranja za primerjavo evolucijskih algoritmov večkriterijske optimizacije
Miha 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: 01.10.2018; Ogledov: 284; Prenosov: 80
.pdf Celotno besedilo (1,54 MB)

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