Analiza dimenzionalno ograničenog genetskog programiranja uz prilagođene operatore

diplomski rad

• Naslov (engleski): Analysis of dimensionally-aware genetic programming with adapted operators
• Autor: Sandra Zurak
• Mentor: Domagoj Jakobović (mentor)
• Član povjerenstva: Domagoj Jakobović (predsjednik povjerenstva)
• Član povjerenstva: Marko Đurasević (član povjerenstva)
• Član povjerenstva: Leonardo Jelenković (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2022-06-28, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Tema ovog rada je primjena dimenzionalno ograničenog genetskog programiranja na simboličku regresiju. Koriste se jednadžbe iz prirode kao skup podataka koji simbolička regresija prima. Poznata je informacija o mjernim jedinicama kako bi mjerna jedinica cilja bila u skladu s jedinicama ulaznih parametara. Korišteni operatori su operator zamjene stabla, operatori množenja i dijeljenja s cijelim brojem, operator zbrajanja i oduzimanja, operatori sinusa i kosinusa te operator korijenovanja. Algoritmima lokalne pretrage i evolucijskom strategijom dobiveni su brojevi evaluacija potrebni da se postigne najbolje rješenje. Analizirani su i uspoređeni dobiveni podaci.

Sažetak (engleski)

The topic of this paper is the application of dimensionally limited genetic programming to symbolic regression. Equations from nature are used as a set of data that symbolic regression receives. Information on the units of measure is known so that the target unit of measure is consistent with the units of input parameters. The operators used are the tree replacement operator, the multiplication and division operators with integer, the addition and subtraction operator, the sine and cosine operators, and the rooting operator. Local search algorithms and evolutionary strategy have resulted in the numbers of evaluations needed to achieve the best solution. The obtained data were analyzed and compared.

• Ključne riječi: genetsko programiranje; evolucijska strategija; AI-Feynman; lokalno pretraživanje; DAGP
• Ključne riječi (engleski): genetic programming; evolutionary strategy; AI-Feynman; local search; DAGP
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:451389
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-14 22:05:17