1. Razvoj novih 2D avksetičnih struktur s pomočjo večkriterijske topološke optimizacije : magistrsko deloSimon Murko, 2022, magistrsko delo Opis: V magistrski nalogi so predstavljeni razvoj in rezultati večkriterijske topološke optimizacije za pridobitev novih 2D avksetičnih struktur. Z zunanjo silo obremenjena avksetična struktura je bila obravnavana kot fleksibilni mehanizem. Za iskanje optimalne topologije 2D avksetične strukture je bila uporabljena večkriterijska topološka optimizacija, ki temelji na genetskem algoritmu in metodi končnih elementov. Z omejitvijo na avksetične strukture z dvojno simetrijo osnovne celice je bila domena optimizacije zmanjšana na četrtino osnovne celice. Mehanski odziv topologij je bil določen z linearno elastičnimi simulacijami. Končni rezultat večkriterijske optimizacije je množica rešitev, kjer najboljše rešitve v skupini določa Pareto fronta. Pareto fronta predstavlja množico najboljših rešitev, ki dajejo oblikovne smernice za nadaljnji razvoj oz. dodelavo avksetičnih struktur.
Ključne besede: avksetični materiali, večkriterijska topološka optimizacija, metoda končnih elementov, NSGAII, Pareto fronta
Objavljeno v DKUM: 23.06.2022; Ogledov: 246; Prenosov: 57
 Celotno besedilo (3,47 MB) |
2. Večkriterijska optimizacija terminiranja proizvodnje po naročilu z uporabo hibridnega metahevrističnega algoritma : doktorska disertacijaRobert Ojsteršek, 2020, doktorska disertacija Opis: Težišče proizvodnje se vse bolj nagiba od masovne proizvodnje k proizvodnji po željah kupca, torej k proizvodnji po naročilu. Načrtovanje in vodenje takšne proizvodnje je v konkurenčnih pogojih poslovanja izjemnega pomena. Kratki pretočni časi naročil, visoka zanesljivost dobavnih rokov, nizke zaloge, trajnostna naravnanost in ugoden vrednostno-časovni profil, vezan na tok vrednosti, postajajo ključni proizvodni cilji, ki jih lahko dosežemo le z ustreznim terminskim planiranjem. Stohastični prihodi naročil in različna zaporedja ter obseg obdelav pri naročilih lahko povzročijo zelo neenakomerno zasedenost kapacitet, kar privede do velikega raztrosa pretočnih časov operacij in odstopanj dobavnih rokov.
Disertacija obravnava terminiranje proizvodnje po naročilu z uporabo hibridne metahevristične metode evolucijskega računanja tako, da rešuje obravnavan problem večkriterijske optimizacije z uporabo nove metode evolucijskega računanja, prilagodljivim simulacijskim modelom in ustrezno ovrednotenim vrednostno-časovno-prilagodljivostnim diagramom. Z analizo numeričnih in simulacijskih eksperimentov je dokazana visoka zmožnost reševanja optimizacijskih problemov, kjer optimizacijske rešitve predlaganega algoritma dokazujejo primerljivost z rešitvami dveh aktualno najuspešnejših algoritmov. Predstavljena je nova metoda prenosa optimizacijskih rezultatov v simulacijski model, ki omogoča popolno prilagodljivost in avtomatiziran vnos vhodnih parametrov, tako testnih kot realnih podatkov proizvodnih sistemov.
Celovit optimizacijski pristop je ovrednoten z novo metodo vrednostno-časovno-prilagodljivostnega diagrama, ki omogoča podrobno analizo in potrditev ustreznosti rezultatov predlaganega optimizacijskega algoritma in simulacijskega modela. Kot dokaz zmožnosti reševanja realnih optimizacijskih problemov je v zaključnem poglavju predstavljena validacija celotnega pristopa na podatkih realnega proizvodnega sistema, kjer je potrjeno osnovno raziskovalno vprašanje pomembnosti večkriterijske optimizacije proizvodnje po naročilu.
Ključne besede: terminiranje proizvodnje po naročilu, večkriterijska optimizacija, hibridni metahevristični algoritem, simulacijsko modeliranje, vrednostno-časovno-prilagodljivostni diagram, trajnostna proizvodnja
Objavljeno v DKUM: 11.11.2020; Ogledov: 991; Prenosov: 211
Celotno besedilo (6,65 MB) |
3. Model povezovanja kvantitativnih in kvalitativnih podatkov v procesu več-kriterijskega odločanjaMarjan Brelih, 2020, doktorska disertacija Opis: Doktorska disertacija obravnava problematiko kombiniranja kvalitativnih in kvantitativnih kriterijev znotraj odločitvenega modela. Poleg cilja razviti ustrezno hibridno metodologijo smo si zastavili cilj uporabe tega pristopa na praktičnem primeru izbora najprimernejših projektov na področju upravljanja sistemov za oskrbo s pitno vodo in tako verificirati in validirati predlagano metodologijo.
Za dosego zastavljenih ciljev smo pregledali strokovno in znanstveno literaturo s področja sistemske teorije in ekspertnih sistemov, večkriterijskega odločanja ter oskrbe s pitno vodo. Seznanili smo se z delom in poslovanjem izvajalca ter s cilji naročnikov. Za izdelavo kakovostnega odločitvenega modela smo se seznanili z izvedbo projektov tehnične in ekonomske optimizacije sistemov za oskrbo s pitno vodo.
Rezultat doktorske disertacije je nova, inovativna in v praksi preizkušena hibridna odločitvena metodologija, ki omogoča evalvacijo odločitvenih variant s kombinacijo kvantitativnih in kvalitativnih kriterijev. Metodologija je preizkušena na realnem problemu s področja sistemov za oskrbo s pitno vodo.
Med raziskovalnim delom smo potrdili vsa raziskovalna vprašanja. Možno je izdelati novo, v praksi uporabno hibridno metodologijo, ki omogoča združevanje tako kvantitativnih kot kvalitativnih zalog kriterijev znotraj istega odločitvenega modela. Združevanje kvantitativnih in kvalitativnih kriterijev znotraj istega odločitvenega modela omogoča ohranjanje izvornih, natančnih kvantitativnih ocen variant ob pretvorbi v manj natančne kvalitativne ocene. Ravno ohranjanje izvornih ocen variant, brez pretvorb, omogoča ohranjanje razlik med variantami, vse do končne ocene. Pri vsakem agregiranem kriteriju tako poleg kvalitativne ocene razpolagamo z intervalno kvantitativno oceno ali obratno, kar omogoča razvrščanje variant znotraj istega kvalitativnega razreda.
Odločevalci vidijo prednost predstavljene hibridne metodologije v tem, da lahko pri vsakem kriteriju uporabijo primerno zalogo vrednosti, ki jim najbolj ustreza in jo lažje razumejo. Zaradi kombiniranja kvantitativnih in kvalitativnih zalog vrednosti vidijo prednost v bogatejših končnih analizah, ki pripomorejo k sprejetju boljše odločitve. Nadaljnje delo in raziskave bodo potekali v smeri testiranja in izpopolnjevanja postopkov združevanja kvantitativnih in kvalitativnih kriterijev znotraj istega odločitvenega modela. Postopke želimo uporabiti na čim večjem naboru odločitvenih problemov. Nove ideje in postopke želimo vključiti v izobraževalni proces na različnih stopnjah.
Ključne besede: hibridna metodologija, večkriterijska odločitvena analiza, kvantitativni kriteriji, kvalitativni kriteriji, upravljanje vodnih virov, tehnična in ekonomska optimizacija sistemov za oskrbo s pitno vodo
Objavljeno v DKUM: 05.06.2020; Ogledov: 1268; Prenosov: 131
Celotno besedilo (3,74 MB) |
4. 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: 1382; Prenosov: 199
Celotno besedilo (1,78 MB) |
5. Primerjava in razvoj pristopov računske inteligence za spletno platformo igre Travian: KingdomsMitja Šantl, 2018, magistrsko delo Opis: V magistrskem delu se ukvarjamo z nalogo spletnih agentov za igro Travian: Kingdoms. V ta namen razvijemo razširitev za brskalnik, ki deluje v brskalniku Google Chrome in ima sposobnost opravljanja osnovnih akcij v igri, na primer: gradnja, napadanje in trgovanje. Posebno pozornost posvetimo gradnji, kjer želimo poiskati optimalen vrstni red gradbenih nalog. Zaradi kompleksnosti naloge izdelave takega agenta preučimo aplikativnost domene računske inteligence za naš primer. Za spletno platformo igre Travian: Kingdoms tako razvijemo in primerjamo pristope s petimi algoritmi: algoritmom mehke logike, algoritmom diferencialne evolucije, naključnim algoritmom, algoritmom izčrpnega iskanje in požrešnim algoritmom. Na podlagi primerjave rezultatov pristopov ugotovimo, da ima vsak algoritem svoje prednosti in slabosti. V okviru naše naloge se najbolje odreže pristop z algoritmom diferencialne evolucije.
Ključne besede: računska inteligenca, spletni agent, razširitev spletnega brskalnika, računalniška igra Travian: Kingdoms, spletni brskalnik, večkriterijska optimizacija, računska inteligenca
Objavljeno v DKUM: 08.11.2018; Ogledov: 1928; Prenosov: 123
Celotno besedilo (2,86 MB)
Gradivo ima več datotek! Več... |
6. 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: 1143; Prenosov: 191
Celotno besedilo (1,54 MB) |
7. 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: 1293; Prenosov: 134
Celotno besedilo (5,23 MB) |
8. 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: 924; Prenosov: 35
 Povezava na celotno besedilo |
9. Uporaba algoritmov po vzorih iz narave pri napovedovanju cene delnic in optimizaciji portfeljaNejc Cvörnjek, 2015, magistrsko delo Opis: V magistrskem delu smo uporabili algoritme po vzorih iz narave za finančna modeliranja. Najprej smo uporabili umetne nevronske mreže za napovedovanje cene delnice, nato pa še genetske algoritme za optimizacijo portfelja delnic, ki smo jih primerjali s kvadratnim programiranjem. V raziskavi se je izkazalo, da lahko s umetnimi nevronskimi mrežami bolje ocenimo variančno-kovariančno matriko, kot če bi uporabili zgodovinske podatke. Pri reševanju problema optimizacije portfelja delnic se je izkazalo, da lahko z genetski algoritmi dobimo rezultate primerljive s kvadratnim programiranjem, saj rezultati med tehnikama, predvsem pri manjšem porteflju, v glavnem niso statistično značilni.
Ključne besede: finančni trg, teorija upravljanja portfelja, umetne nevronske mreže, genetski algoritmi, Markowitzev model, optimizacija, večkriterijska optimizacija
Objavljeno v DKUM: 30.03.2015; Ogledov: 1985; Prenosov: 253
Celotno besedilo (4,12 MB) |
10. Modeliranje in optimizacija CNC obdelav s skupinsko inteligencoMarko Hrelja, 2015, doktorska disertacija Opis: Izboljševanje obstoječe proizvodnje in obdelovalnih sistemov zahteva nenehno posodabljanje in integracijo najnovejših tehnologij v proizvodne sisteme. Proizvodnih spremenljivk je čedalje več, s tem pa se povečuje množica podatkov, ki jo moramo obdelati, tu pa velikokrat klasične analitične metode optimizacije odpovedo. Zaradi tega smo prisiljeni bolje izkoristiti razpoložljive proizvodne vire, zato pa moramo poseči po naprednejših pristopih reševanja problemov. Za reševanje zahtevnih problemov čedalje pogosteje uporabljajo različna področja umetne inteligence, še zlasti strojnega učenja. Pregled do sedaj opravljenih raziskav je pokazal, da so obstoječi razviti sistemi precej ozko usmerjeni.
V disertaciji predlagamo popolnoma nov pristop k modeliranju CNC-obdelav s pomočjo novega gravitacijskega iskalnega algoritma (GSA), ki spada med metode skupinske inteligence. Razviti inteligentni sistem deluje na osnovi osnovnih Newtonovih fizikalnih zakonov oziroma na osnovi interakcij med masnimi telesi v prostoru. Za primerjavo in potrditev ustreznosti rezultatov doktorske disertacije smo uporabili tudi metodo modeliranja z rojem delcev (PSO). Primerjava je pokazala, da je GSA algoritem primeren za modeliranje obdelav z odrezovanjem, saj so odstopanja od eksperimentalnih podatkov v sprejemljivih mejah. Dobljeni modeli so dobro opisali postopek odrezovanja materiala s struženjem, ki smo ga uporabili kot postopek odrezovanja. Posebej velja omeniti, da je GSA algoritem v najslabšem primeru vsaj dvakrat hitrejši od enakovrednega PSO algoritma. Dobljen model CNC-obdelave smo nato uporabili za večkriterijsko optimiranje obdelovalnih parametrov: optimalne hrapavosti obdelane površine, rezalnih sil in časovne obstojnosti orodja. Vsaka izmed omenjenih odvisnih spremenljivk prispeva k optimalnemu delovanju CNC-obdelovalnega stroja, kar znižuje stroške proizvodnje. Večkriterijsko optimiranje smo izvedli s pomočjo NSGA-II algoritma. Za optimiranje smo morali določiti tudi omejitve. Te smo določili s pomočjo teoretičnih izračunov in jih preverili s pomočjo eksperimentalnih podatkov. Zaradi obsega dela smo se omejili na struženje, hkrati pa so v delu predstavljene osnove prilagoditev za uporabo metod na ostalih obdelovalnih strojih, saj je predlagan pristop univerzalen.
Ključne besede: inteligentni obdelovalni sistem, CNC-obdelovalni stroj, odrezovanje, struženje, skupinska inteligenca, optimizacija z rojem delcev, gravitacijski iskalni algoritem, genetski algoritmi, večkriterijska optimizacija, NSGA-II algoritem
Objavljeno v DKUM: 04.02.2015; Ogledov: 2586; Prenosov: 361
Celotno besedilo (3,55 MB) |
