11. Optimizacija slikovnih operatorjev za segmentacijo mikroskopskih slikTomaž Avberšek, 2018, magistrsko delo Opis: Delo obravnava obdelavo mikroskopskih slik celic oz. tkiv na podlagi večstopenjske digitalne obdelave slik. Namen je bila optimizacija morfoloških operatorjev za segmentacijo mikroskopskih slik. V delu sta uporabljena Bayesova segmentacija in genetski algoritem pri iskanju dobrega kromosoma za optimiziranje rezultatov slikovne segmentacije. Pri učenju in testiranju smo uporabili slike modro in rjavo obarvanih celic z merilno skalo 50 μm. Učno množico je sestavljalo sedem, testno pa enajst slik velikosti 2088 x 1550 pikslov. Natančnost segmentacije je bila boljša pri rjavih pikslih in je v povprečju dosegla 76 odstotkov pri metriki pravilno pozitivno zaznanih pikslov. Z 51 odstotki pri isti metriki se je segmentacija modrega razreda odrezala precej slabše. Ključne besede: genetski algoritem, segmentacija, celice, optimizacija, Bayes Objavljeno v DKUM: 24.08.2018; Ogledov: 1805; Prenosov: 131 Celotno besedilo (3,38 MB) Gradivo ima več datotek! Več... |
12. Zasnova in optimizacija hidravličnega pogona mehanizma Kaplanovega gonilnikaRok Štancer, 2018, magistrsko delo Opis: Magistrsko delo obravnava zasnovo in optimizacijo hidravličnega pogona mehanizma Kaplanovega gonilnika. Na začetku magistrskega dela so na kratko predstavljene različne vodne turbine in njihove značilnosti. Podrobno je predstavljeno delovanje Kaplanovega gonilnika in delovanje vseh sil, ki bistveno vplivajo na izračun velikosti hidravličnega pogona. Opisano je delovanje genetskega algoritma, s katerim je potekala optimizacija mehanizma in hidravličnega pogona. Preračun in optimizacija obstoječega gonilnika je bila izvedena v programu Matlab. Optimizacija z vidika iskanja oblike mehanizma znotraj podanih omejitev, pri katerem za odpiranje in zapiranje gonilnih lopat porabimo najmanj dela, je bila uspešna. S tem pa je bila preverjena tudi kakovost rešitve obstoječega gonilnika. Ključne besede: Kaplanov gonilnik, ročični mehanizem, hidravlični pogon, optimizacija, genetski algoritem Objavljeno v DKUM: 05.03.2018; Ogledov: 1522; Prenosov: 53 Celotno besedilo (7,11 MB) |
13. 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: 1798; Prenosov: 185 Celotno besedilo (2,12 MB) |
14. 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: 1276; Prenosov: 112 Celotno besedilo (2,86 MB) |
15. 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: 2462; Prenosov: 131 Celotno besedilo (2,09 MB) |
16. 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: 1556; Prenosov: 131 Celotno besedilo (2,76 MB) |
17. 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: 1513; Prenosov: 105 Celotno besedilo (1,07 MB) |
18. 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: 1271; Prenosov: 290 Celotno besedilo (20,53 MB) |
19. |
20. 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: 1856; Prenosov: 141 Celotno besedilo (1,61 MB) |