11. Določitev materialnih parametrov zaprto-celične pene pri tlačni obremenitviLuka Vodišek, 2017, magistrsko delo Opis: Zaradi uporabnih lastnosti kovinskih pen jih inženirji vse pogosteje vključujejo v nove izdelke. Njihove materialne lastnosti lahko navdano določijo z eksperimentalnimi preizkusi, saj so matematični modeli pen na podlagi enostavnih standardnih testov skoraj nedoločljivi. V tej nalogi se bomo seznanili z drugim načinom, kjer bomo materialne lastnosti določili tako, da bomo dva različna eksperimenta poskušali ponoviti s trdnostno analizo po metodi končnih elementov. Okvirne vrednosti so dane, vendar pa bi iskanje rešitev po vseh spremenljivkah trajalo predolgo, če bi jih spreminjali ročno, zato si bomo pomagali z genetskimi algoritmi in programom, ki to spreminja sam, oziroma se uči iz prejšnjih rešitev in išče boljše. Ker smo obravnavali dva eksperimenta, bomo tudi rešitve ocenjevali po dveh kriterijih, zato bomo potrebovali Paretto fronte, ki jih bomo dobili s pomočjo algoritma NSGA II.
Metoda, po kateri smo v tej nalogi iskali najboljše rešitve, se je izkazala za dobro, predvsem obetavna je optimizacija po več parametrih. Ker ima še veliko možnosti za nadgradnjo, lahko vključimo večje število spremenljivk in večje število parametrov optimiziranja z dodajanjem različnih enostavnih preizkusov. Za komercialno uporabo bi bilo treba raziskati, kateri preizkusi dajejo najboljše rezultate.
Obravnavani način določanja materialnih lastnosti s pomočjo eksperimentalnih poizkusov ter ponovitvijo v simulacijskem okolju ima velik potencial, ki se lahko razširi tudi na druge materiale, ne le na kovinske pene.
Ključne besede: aluminijeva zlitina, kovinska pena, materialni model, ABAQUS, genetski algoritem, NSGA II
Objavljeno v DKUM: 07.11.2017; Ogledov: 1460; Prenosov: 163
 Celotno besedilo (2,12 MB) |
12. Model optimalizacije sprožanja v sanitarnih sistemihSilvo Boršič, 2016, magistrsko delo Opis: V delu je predstavljen model optimalizacije za sprožilni ročični mehanizem, ki predstavlja enega izmed ključnih elementov odtočnega ventila, namenjenega za vgradnjo v sanitarne sisteme. Glavna funkcija sprožilnega mehanizma je zagotavljanje ustrezne porazdelitve prestavnega razmerja med hodom tipke in hodom nosilke tesnila, kar ima neposreden vpliv na potrebno silo sprožanja mehanizma. Cilj naloge je razviti optimalizacijski program z uporabo metode evolucijskega računanja - genetskih algoritmov - s programskim paketom Visual Basic, ter tako poiskati geometrijo mehanizma, ki zagotavlja minimalno silo sprožanja ter ob tem preveriti ali je geometrija mehanizma, ki se je uporabila za študijo primera že optimalno zasnovana.
Ključne besede: sprožilni mehanizem, ročični mehanizem, optimalizacija, genetski algoritem
Objavljeno v DKUM: 03.10.2016; Ogledov: 1067; Prenosov: 105
Celotno besedilo (2,86 MB) |
13. REŠEVANJE UGANK SUDOKU Z GENETSKIM ALGORITMOM NA GRAFIČNEM PROCESORJURok Brumec, 2016, diplomsko delo Opis: V diplomski nalogi smo implementirali genetski algoritem za reševanje ugank Sudoku in
izboljšali njegovo učinkovitost z izvajanjem na grafični procesni enoti. Za implementacijo
genetskega algoritma na grafični procesni enoti smo uporabili ogrodje OpenCL. V diplomski
nalogi najprej predstavimo Sudoku in genetske algoritme ter na kratko opišemo osnove
paralelnega programiranja na grafični procesni enoti in opišemo ogrodje OpenCL. Na koncu
opišemo našo implementacijo postopka reševanja Sudoka z genetskim algoritmom na
grafični procesni enoti in predstavimo rezultate. Izvedli smo primerjavo z rezultati avtorjev
iz literature.
Ključne besede: Sudoku, genetski algoritem, OpenCL, paralelno izvajanje, grafična
procesna enota
Objavljeno v DKUM: 16.09.2016; Ogledov: 2131; Prenosov: 123
Celotno besedilo (2,09 MB) |
14. NADGRADNJA ČLOVEŠKO PODPRTEGA GENETSKEGA ALGORITMA Z ELEMENTI VEČPREDSTAVNOSTIEva Kolbl, 2016, magistrsko delo Opis: V magistrskem delu smo najprej predstavili zastavljen problem glede nagradnje človeško podprtega genetskega algoritma. Začeli smo spoznavati osnovne lastnosti genetskih algoritmov. Pregledali smo članke s področja človeško podprtega genetskega algoritma, predvsem članek Alexandra Kosorukoffa, ki je začetnik raziskav na področju človeško podprtega genetskega algoritma. Vpeljali smo način merjenja kreativnosti, s katerim smo preverjali naše hipoteze. Nato smo predstavili izdelan prototip aplikacije, ki omogoča dodajanje elementov večpredstavnosti k odgovorom. Za lažje razumevanje smo nato razvito aplikacijo primerjali s podobnimi aplikacijami - Free knowledge exchange, Wikipedio, forumi, Quoro, Yahoo Anwser in s StackOverflow. Sledila je izdelava ankete, izvedba ankete in analiza podatkov. Ugotovili smo, da lahko potrdimo hipotezo, da elementi večpredstavnosti vplivajo pozitivno, hipoteze o povečanju uporabe ob uvedbi elementov večpredstavnosti pa ne moremo ne potrditi ne zavreči.
Ključne besede: človeško podprti genetski algoritem, elementi večpredstavnosti, genetski algoritem, kreativnost
Objavljeno v DKUM: 30.05.2016; Ogledov: 1335; Prenosov: 117
Celotno besedilo (2,76 MB) |
15. KOEVOLUCIJA IGRALCEV V IGRI TOWER DEFENSEViktor Chuchurski, 2014, diplomsko delo Opis: V diplomskem delu opišemo implementacijo tekmovalne koevolucije dveh nasprotujočih populacij računalniških igralcev v igri Tower Defense. Prvo populacijo predstavljajo računalniške pošasti, ki se gibljejo proti določenemu cilju na igralnem polju. Njihova naloga je uspešno priti do cilja, s čemer zmanjšujejo zdravje nasprotnika. Druga populacija so stolpi, ki streljajo na pošasti in jih krmili igralec. Cilj igralca je strateško postaviti stolpe, da bi uspešno preprečili pošastim priti do cilja.
V naši nalogi dva genetska algoritma krmilita ti dve populaciji. Z uporabo koevolucije izmenično prilagajamo obe populaciji njunim nasprotnikom. Rezultati pokažejo, da je konvergenca k stabilnemu stanju odvisna od uporabljenih parametrov genetskega algoritma in da se vsaka populacija obnaša na specifičen način pri določenih vrednostih parametrov.
Ključne besede: genetski algoritem, koevolucija, računalniška igra, Tower Defense, stolpi, pošasti
Objavljeno v DKUM: 06.11.2015; Ogledov: 1311; Prenosov: 94
Celotno besedilo (1,07 MB) |
16. VPELJAVA VERJETNOSTI IZBIRE GENOV NA OSNOVI STAROSTI PRI GENETSKIH ALGORITMIHMarko Kompara, 2015, magistrsko delo Opis: Magistrska naloga preučuje posledice vpeljave spremenjenega načina križanja in mutacije v genetske algoritme. Naključna izbira genov v obeh operacijah je nadomeščena s postopkom izbire, pri kateri je verjetnost izbora posameznega gena odvisna od njegove starosti. Za ta namen je zgrajena aplikacija, v kateri so poleg tradicionalnega genetskega algoritma implementirani še dodatni operatorji mutacije in križanja. Izbira genov za sodelovanje v novonastalih načinih reprodukcije je na različne načine odvisna od starosti genov. Vsi načini delovanja so preizkušeni na treh različnih problemih. Rezultati starostno odvisnih načinov delovanja so z namenom ugotavljanja kredibilnosti takšnega delovanja primerjani z rezultati in delovanjem konvencionalnega genetskega algoritma.
Ključne besede: genetski algoritem, Dawkins Weasel, funkcija Michalewicz, problem nahrbtnika, starostno odvisna izbira genov
Objavljeno v DKUM: 12.10.2015; Ogledov: 1053; Prenosov: 195
Celotno besedilo (20,53 MB) |
17. |
18. Uporaba metod mehkega računanja v proizvodnih sistemihJure 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: 1616; Prenosov: 129
Celotno besedilo (1,61 MB) |
19. VPLIV VELIKOSTI POPULACIJE PRI OPTIMIZACIJI Z GENETSKIM ALGORITMOMKristjan Pucko, 2014, diplomsko delo Opis: V tem diplomskem delu raziskujemo, kakšen vpliv ima velikost populacije pri iskanju optimuma z genetskimi algoritmi. V začetnem delu predstavimo biološko ozadje, zgodovino, osnove genetskih algoritmov ter osnovne genetske operatorje. Nadaljujemo z izbiro vhodnih parametrov v genetski algoritem ter funkcij, na katerih smo zagnali sam algoritem. Sledi predstavitev rezultatov na tabelaričen in grafičen način, podrobna analiza rezultatov ter diskusija o vplivu velikosti populacije na rezultat genetskega algoritma.
Ključne besede: optimizacija, genetski algoritem, velikost populacije
Objavljeno v DKUM: 06.03.2015; Ogledov: 2128; Prenosov: 127
Celotno besedilo (7,32 MB) |
20. 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: 2882; Prenosov: 389
Celotno besedilo (3,55 MB) |
