Professional Documents
Culture Documents
Uvod
Uvod
Uvodno predavanje
Predmetni nastavnik:
Vanr. prof. dr Samim Konjicija, dipl. ing. el.
Asistenti:
Jasmina Zubaa, MoE, strunjak iz prakse
Enil Paji, student V godine, demonstrator
Predavanja: 30 asova
Laboratorijske vjebe: 20 asova
Tutorijal: 5 asova
Informacije o predmetu
Ciljevi predmeta:
Upoznavanje sa tehnikama za definiranje heuristikih
algoritama u svrhu odreivanja, unutar prihvatljivog
vremena, rjeenja praktinih problema optimizacije
resursa
Primjena heuristikih algoritama za rjeavanje realnih
kompleksnih problema optimizacije resursa
Informacije o predmetu
Sadraj predavanja:
Informacije o predmetu
Sadraj predavanja:
Informacije o predmetu
Sadraj predavanja:
Informacije o predmetu
Sadraj predavanja:
Informacije o predmetu
Tutorijali:
Na tutorijalima se razrauju teme izuavane na
predavanjima (rjeavanje konkretnih problema i diskusija).
Laboratorijske vjebe:
Implementacija i demonstriranje algoritama obraenih na
predavanjima,
Rjeavanje klasa problema obraenih na predavanjima.
Zadatke za laboratorijske vjebe e studenti dobivati
unaprijed.
Za realizaciju e se koristiti Matlab, Python i drugi
programski jezici ope namjene.
Dijelom e se koristiti i postojee implementacije obraenih
algoritama.
Informacije o predmetu
Zadae:
Umjesto neovisnih zadaa svaki student e dobiti seminarski
rad koji e se sastojati od pet cjelina.
Seminarski radovi e se realizirati u drugoj polovini
semestra.
Bie kontinuirano praena realizacija cjelina seminarskog
rada.
Studenti na zahtjev mogu dobiti seminarski rad veeg
obima, koji e biti bodovan i kao dio usmenog ispita.
Informacije o predmetu
Literatura:
1. S. Konjicija: Heuristiki algoritmi, ETF, Univerzitet u Sarajevu, 2013.
2. Z. Michalewicz, D. B. Fogel: "How to solve it: Modern Heuristics", Springer Verlag, 1999
3. F. Glover, G. A. Kochenberger: "Handbook of Metaheuristics", Kluwer Academic Publishers, 2003
4. D. E. Goldberg: "Genetic Algorithms in Search, Optimization and Machine learning", Addison-Wesley,
1989
5. M. Mitchell: "An Introduction to Genetic Algorithms", MIT Press, 1996
6. H. Pohlheim: "Evolutionre Algorithmen: Verfahren, Operatoren und Hinweise fr die Praxis",
Springer Verlag, 1999
7. Z. Michalewicz: "Genetic Algorithms + Data Structures = Evolution Programs", Springer Verlag, 1996
8. T. Bck, D. B. Fogel, Z. Michalewicz: "Evolutionary Computation 1: Basic Algorithms and Operators",
Institute of Physics Publishing, 2000
9. T. Bck, D. B. Fogel, Z. Michalewicz: "Evolutionary Computation 2: Advanced Algorithms and
Operators", Institute of Physics Publishing, 2000
10. G. Gutin, A. P. Punnen: "The Traveling Salesman Problem and Its Variations", Kluwer Academic
Publishers, 2004
11. P. Toth, D. Vigo: The Vehicle Routing Problem, SIAM Monographs on Mathematics and
Applications, 2002
12. S. Martello, P. Toth: "Knapsach Problems: Algorithms and Computer Implementations", John Wiley
& Sons Ltd., 1990
13. M. Dorigo, T. Stuetzle: Ant Colony Optimization, MIT Press, 2004
Pojam optimizacije
Planiranje proizvodnje:
Kompanija Volkswagen proizvodi dva tipa vozila bubu i super-bubu
u istoj fabrici. Sirovine za proizvodnju bube kotaju 600$, a sirovine
za super-bubu 750$. Peenje laka bube traje 4 sata, a super-bube
2 sata obzirom da se koriste kvalitetniji lakovi. Montaa bube traje
2 sata, a super-bube 3 sata. Dnevni kapacitet fabrike je 160 sati u
lakirnici i 180 sati na montai. Fabrika cijena bube je 4800$, a
super-bube 5250$. Pretpostavljajui da je mogue prodati sva
vozila, odrediti plan proizvodnje tako da se ostvari maksimalna
dobit od prodaje vozila.
Elementi problemske situacije
[]
x1
x2
x= .
.
.
xn
m in [ f x ]= m a x [ f x ]
Elementi problemske situacije
P *=max c 'x
x
Klasifikacija problemskih situacija
KLASIFIKACIJA PROBLEMSKIH SITUACIJA
DIMENZIONALNOST PROBLEMSKOG Jednodimenzionalne
PROST ORA Viedimenzionalne
POST OJANJE OGRANIENJA NA Bez ogranienja
ALT ERNAT IVE Sa ogranienjima
BROJ KRIT ERIJA Jednokrit erijalne
Viekrit erijalne
LINEARNOST OGRANIENJA I KRIT ERIJA Linearne
Nelinearne
KONVEKSNOST Konveksne
Nekonveksne
POST OJANJE NEZAVISNE PROMJENLJIVE St at ike
Dinamike
PROMJENLJIVOST MODELA PROBLEMA St acionarne
Nest acionarne
KONT INUALNOST Kont inualne
Diskret ne
Klasifikacija problemskih situacija
Primjer 1:
v *=max f x
x
f x = ln 1x 10,5x 2
Skup definiran ogranienjima:
x 1 x 2 2
2x 13x 2 1
Dimenzionalnost?
Postojanje ogranienja na alternative?
Linearnost?
Broj kriterija?
Postojanje nezavisne promjenljive?
Klasifikacija problemskih situacija - primjeri
Primjer 1:
v *=max f x
x
f x = ln 1x 10,5x 2
Skup definiran ogranienjima:
x 1 x 2 2
2x 13x 2 1
Primjer 2:
v *=max f x
x
f x = x 10,5x 2
Skup definiran ogranienjima:
2 2
x 1 x 22
2x 13x 2 1
Dimenzionalnost?
Postojanje ogranienja na alternative?
Linearnost?
Broj kriterija?
Postojanje nezavisne promjenljive?
Klasifikacija problemskih situacija - primjeri
Primjer 2:
v *=max f x
x
f x = x 10,5x 2
Skup definiran ogranienjima:
x 21 x 222
2x 13x 2 1
Primjer 3:
*
v = opt f x
x
[ ]
f x = f 1 x
f 2 x
f 1 x =2 x 1 3 x 2 x 3
f 2 x = x 1 1,5 x 2 x 3
Dimenzionalnost?
Postojanje ogranienja na alternative?
Linearnost?
Broj kriterija?
Postojanje nezavisne promjenljive?
Klasifikacija problemskih situacija - primjeri
Primjer 3:
*
v = opt f x
x
[ ]
f x = f 1 x
f 2 x
f 1 x =2 x 1 3 x 2 x 3
f 2 x = x 1 1,5 x 2 x 3
Primjer 4:
v *= min f
x k E 4
9
f = 0,5 x ' 10x 10 x ' k x k
k =0
Dimenzionalnost?
Postojanje ogranienja na alternative?
Linearnost?
Broj kriterija?
Postojanje nezavisne promjenljive?
Klasifikacija problemskih situacija - primjeri
Primjer 4:
v *= min f
x k E 4
9
f = 0,5 x ' 10x 10 x ' k x k
k =0