Učinkovitost optimizacijskih algoritama u ovisnosti o značajkama problema (CROSBI ID 388149)
Ocjenski rad | sveučilišni preddiplomski završni rad
Podaci o odgovornosti
Poluta, Vlaho
Jakobović, Domagoj
hrvatski
Učinkovitost optimizacijskih algoritama u ovisnosti o značajkama problema
Ovaj rad se bavi ispitivanjem dali se mogu klasificirati optimizacijski problemi i onda odrediti dali je neki algoritam optimizacije dobar za optimiranje određene klase problema, sa ciljem smanjenja vremena potrebnog za određivanjem dobrog optimizacijskog algoritma na novom optimizacijskom problemu. Algoritmi se pokušavaju klasificirati pomoću krajolika dobrote tih problema. Testne funkcije korištene u radu grupirane su u klase pomoću K-means algoritma. U ovom radu korištena su 4 modela klasifikacije strojnim učenjem: stablo odluke generirano genetskim programiranjem, simbolička regresija generirana genetskim programiranjem, učenje neuronske mreže diferencijskom evolucijom i učenje neuronske mreže algoritmom selekcije klona. Ispitivanje se izvodi u 2 faze, u prvoj fazi se određuju najbolji parametri za svaki od modela učenja, dok se u drugoj fazi uspoređuju modeli i procjenjuje se njihova uspješnost klasifikacije.
krajolik dobrote; algoritmi optimizacije; evolucijski algoritmi; strojno učenje; neuronska mreža; genetsko programiranje; diferencijska evolucija; algoritam selekcije klona; simbolička regresija; stablo odluke
nije evidentirano
engleski
Optimization efficiency based on fitness landscape
nije evidentirano
Fitness landscape; optimization algorithms; evolution algorithms; machine learning; neural network; genetic programming; differential evolution; clonal selection algorithm; symbolic regression; decision tree
nije evidentirano
Podaci o izdanju
41
05.07.2014.
obranjeno
Podaci o ustanovi koja je dodijelila akademski stupanj
Fakultet elektrotehnike i računarstva
Zagreb