Primjena evolucijskih algoritama na teške optimizacijske probleme

završni rad

• Naslov (engleski): Solving Hard Optimization Problems Using Evolutionary Algorithms
• Autor: Bruno Bandić
• Mentor: Marko Čupić (mentor)
• Član povjerenstva: Marko Čupić (predsjednik povjerenstva)
• Član povjerenstva: Rudolf Lovrenčić (član povjerenstva)
• Član povjerenstva: Karlo Knežević (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2020-08-27, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Rješavanje optimizacijskih problema je danas vrlo važno s obzirom na njihovu primjenu. Evolucijski algoritmi su dobri za njihovo rješavanje, jer su brzi te relativno lagani za implementirati. Evolucijski algoritmi oponašaju prirodne procese da bi došli do rješenja tih problema. Prirodne procese kod evolucijskih algoritama možemo implementirati na više načina, ovisno o problemu. Genetski algoritam je bazični evolucijski algoritam, te prati osnove evolucijskih algoritama. Diferencijski algoritam je nešto kompleksnije, ali je i zato bolje kod težih problema. Bolji je zbog svojeg svojstva da populaciju u početku više mijenja, te brže dolazi do boljih rješenja, a kad je blizu optimalnog rješenja on manje mijenja populaciju da ne bi previše divergirala od rješenja.

Sažetak (engleski)

Solving optimization problem is of great importance today because of their many applications. Evolutionary algorithms are a good solution for solving them, because they are fast and are relatively easy to implement. Evolutionary algorithms mimic natural processes so we can solve optimization problems. Natural processes in evolutionary algorithms can be implemented in multiple ways, dependent on the specific problem. Genetic algorithm is a basic evolutionary algorithm, and it follows it basic principles. The differential algorithm is more complex, but better with more difficult problems. It's better because of it's property that it changes the population more in the beginning, and arrives faster to better solutions, but when it is near to the optimal solution it changes the population less, so it won't diverge.

• Ključne riječi: Optimizacijski problemi; evolucijski algoritmi; genetski algoritam; diferencijski algoritam
• Ključne riječi (engleski): Optimization problems; evolutinary algorithms; genetic algorithms; differential evolution
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:761458
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: preddiplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-14 08:22:51