Search

Večina modelov strojnega učenja ima hiperparametre, ki posredno vplivajo na natančnost napovedi. Pogosti pristopi za optimizacijo hiperparametrov so iskanje po mreži, naključno iskanje ali iskanje z evolucijskimi algoritmi. V tem diplomskem delu smo raziskali, kako uporaba večstarševskih križanj v evolucijskih algoritmih za ta problem vpliva na kvaliteto najdene rešitve. Za ta namen je bil razvit evolucijski algoritem, primeren za reševanje problema optimizacije hiperparametrov. V testih je algoritem našel boljše rešitve od iskanja po mreži in naključnega iskanja. Med večstarševskimi križanji se je najbolj izkazalo diagonalno križanje, katerega končni rezultati so bili nekoliko boljši od k-točkovnega križanja. Kljub temu v splošnem ne moremo trditi, da je za ta problem večstarševski pristop boljši od klasičnega. Most machine learning models has hyperparameters which indirectly influences the quality of predictions. Common approaches for hyperparameter optimization are grid search, randomized search or an approach using evolutionary algorithms. In this bachelor thesis I explored how the use of multiparent recombination in evolutionary algorithms for this problem influences the quality of the found solution. For this purpose an evolutionary algorithm for hyperparameter optimization was developed. In testing the algorithm outperformed grid search and randomized search. Among the multiparent recombination algorithms the diagonal crossover performed somewhat better than the k-point crossover. However, in general we could not claim that the multiparent approach is superior to the traditional one.

Optimalna postavitev paketov v prostor za shranjevanje je ena izmed pomembnejših aktivnosti pri transportu blaga. Izboljšanje te pripomore k povečanju učinkovitosti prevoza in posledično k zmanjšanju stroškov poslovanja. V tem diplomskem delu smo se osredotočili na pomorski transport in na kratko pregledali področje tovorjenja, kar nam je kasneje predstavljalo osnovo pri razvoju platforme za optimizirano postavitev paketov v prostor za shranjevanje. Eno izmed mnogih tehnik za reševanje optimizacije postavitve paketov predstavljajo evolucijski algoritmi. Pred razvojem platforme smo se seznanili tudi z osnovami delovanja slednjih. Razvoj platforme je potekal s pomočjo mikro ogrodja NiaPy. V zadnjem delu smo izvedli nekaj eksperimentov v katerih nas je zanimalo splošno reševanja problema, vpliv nastavitev algoritmov na kakovost rešitve in primerjava izbranih evolucijskih algoritmov. Optimal placement of packages in storage space is one of the most important activities in the transportation of goods. Improving this activity helps to increase transport efficiency and reduce operating costs. In this thesis, we focused on marine transport and briefly reviewed the area of package loading, which later formed the basis for the development of a platform for optimized placement of packages in the storage space. One of the many techniques for solving package layout optimization are evolutionary algorithms. Before developing the platform, we also introduced the basics of their operation. The platform was developed using the NiaPy micro framework. In the last part, we performed a couple of experiments in which we were interested in general problem solving, the influence of algorithm settings on the quality of the solution and comparison of the selected evolutionary algorithms.

V diplomskem delu rešujemo problem optimizacije, s katerim se na dnevni ravni srečuje vedno več logističnih podjetij in ostalih prevoznikov. Ustrezna rešitev problema usmerjanja vozil pomeni za podjetje precejšen prihranek na gorivu in s tem znižanje vsakodnevnih stroškov. Reševanje problema smo izvedli s pomočjo naravno-navdihnjenih algoritmov, ki v svojem delovanju opisujejo principe biološke evolucije. Za izvedbo eksperimenta smo razvili sistem, ki omogoča aplikacijo poljubnega evolucijskega algoritma na problem usmerjanja vozil. Eksperiment sestoji iz testiranja uporabe petih evolucijskih tehnik na petih primerih problema. Analiza rezultatov je sestavljena iz pregleda različnih nastavitev, uporabljenih za reševanje in opisa pridobljenih rezultatov, ločenega na primerjavo pridobljenih fitnes vrednosti in časov reševanja algoritmov. In the thesis we are solving optimization problem, which more and more logistics companies and other carriers meet with at a daily level. An appropriate solution for the vehicle routing problem means considerable savings on fuel for the company and thereby reduction of daily expenses. We tackled the problem using nature inspired algorithms, which describe the principles of biological evolution in their operation. In order to execute the experiment, we developed system that allows application of any evolutionary algorithm to the vehicle routing problem. The experiment consists of testing the use of five evolution techniques on five vehicle routing problems. The analysis of results consists of an overview of the various settings that were used to solve the problem and the description of obtained results, compared on fitness values and solving times of algorithms.

Do leta 2035 se pričakuje, da bo potrebno v Evropi zgraditi več kot 700 GW proizvodnih zmogljivosti električne energije, predvsem zaradi upokojitev obstoječih elektrarn, široke uporabe obnovljivih virov in izgradnje dodatnih zmogljivosti na fosilna goriva za zagotavljanje zanesljivosti obratovanja elektroenergetskega sistema. Tudi drugod po svetu bodo proizvodne zmogljivosti zgrajene med leti 1960 in 1970, v obdobju visoke rasti porabe električne energije nadomeščene z novimi zmogljivostmi, kar vodi v več kot 5000 GW naložb do leta 2035, od česar je več kot polovica elektrarn na obnovljive vire (veter, sonce, voda, biomasa). Ker poraba električne energije stalno narašča, čeprav v zadnjih desetletjih bolj počasi, ni skoraj nobene negotovosti o nujnosti izgradnje novih zmogljivosti. Ena največjih negotovosti na tem področju je, ali bodo politični ukrepi pripeljali do stanja, ko bo večina novih proizvodnih zmogljivosti subvencionirana oz. na kakšen drug način regulirana (predvsem proizvodnja iz obnovljivih virov). Poleg tega so najbolj pogosti obnovljivi viri, kot sta veter in sonce, zelo nestalni in zato potrebujemo klasične elektrarne, ki zagotavljajo zanesljivost sistema. Na splošno je negotovost glede potrebe po novih konvencionalnih virih energije precej nizka in očitno bodo to večinoma termoelektrarne, saj je hidropotencial že v veliki meri izkoriščen. Kljub temu obstaja precejšnja negotovost o tem, katere elektrarne bodo stroškovno najbolj učinkovite v obravnavanem obdobju. To je deloma posledica negotovosti cen primarnih energentov. Predvsem z višanjem cen plina od konca dvajsetega stoletja je postalo precej vprašljivo ali so elektrarne na zemeljski plin ustrezne. Elektrarne na premog, lignit in uran so naslednje možnosti. Toda pri izbiranju elektrarn za izgradnjo moramo upoštevati številne negotovosti. Na optimalni izbor elektrarn vplivajo politične, tehnične, ekonomske, socialne, okoljske in druge negotovosti, kot so npr. spremembe okoljske zakonodaje, odločitve o zapiranju jedrskih elektrarn, prihodnja rast porabe električne energije, razvoj tehnologije, cene emisijskih kuponov. Ob teh negotovostih so potrebne nove metode za oceno upravičenosti izgradnje različnih vrst elektrarn. Preprosta ekstrapolacija sedanjih vzorcev porabe, cen in drugih spremenljivk v prihodnosti se zdi problematična, ker sedanje stanje zaradi znatnih presežnih zmogljivosti v Evropi lahko komaj odraža morebitno pomanjkanje proizvodnih zmogljivosti ob zaprtju starejših elektrarn. Zato je potrebno prihodnje stanje EES (poraba, cene, rezervne zmogljivosti itn.) obravnavati hkrati z naložbami in upokojitvami obstoječih elektrarn. Posebne pozornosti morajo biti deležna podjetja za proizvodnjo električne energije, ker poleg tega, da so izpostavljena številnim negotovostim, ki jih prinaša prost trg z električno energijo, so naložbe v objekte za proizvodnjo električne energije zelo specifične. Zato smo v nalogi predstavili optimalno načrtovanje razvoja proizvodnih virov električne energije ob negotovosti proizvodnje električne energije iz sončnih elektrarn in porabe ter negotovost razpoložljivosti generatorjev. Cilj je načrtovati optimalno izgradnjo klasičnih elektrarn ob minimalnih stroških in predvideni proizvodnji električne energije iz sončnih elektrarn. Zasnovali smo večkriterijski stohastični model, ki sloni na večkriterijskih evolucijskih algoritmih. Na prvi stopnji algoritem opredeli naložbeno odločitev izgradnje novih ali upokojitev obstoječih elektrarn. Na drugi stopnji simuliramo slučajne spremenljivke proizvodnje sončnih elektrarn ter bremena. Na osnovi tega določimo urejeni diagram preostalega bremena ter optimiramo vrstni red obratovanja na prvi stopnji izbranih elektrarn. Na drugi stopnji večkrat simuliramo breme in proizvodnjo iz sončnih elektrarn. Za vsako simulacijo izračunamo stroške naložb, obratovanja in vzdrževanja. Za ocenjevanje parametrov gostote verjetnosti letne nerazpoložljivosti električnih generatorjev smo predlagali uporabo Bayesove predhodne potencirane porazdelitve. Model vključuje podatke letne nerazpoložljivosti podobne proizvodne enote v statistično analizo letne nerazpoložljivosti analizirane proizvodne enote. Ta model omogoča izboljšanje natančnosti ocene parametrov porazdelitve letne nerazpoložljivosti. Prednost predlaganega pristopa je vključitev variabilnosti letne nerazpoložljivosti v dolgoročno načrtovanje elektroenergetskega sistema in premagovanje omejitev klasičnih statističnih metod v primeru omejenih količin podatkov, s čimer se pogosto srečujemo pri analizah zanesljivosti EES. Metoda je preizkušena tako s simulacijo kot tudi z empirično raziskavo. S simulacijsko študijo smo preučili empirično uspešnost metode potencirane predhodne porazdelitve za funkcijo eksponentne gostote verjetnosti. Empirična raziskava je izvedena na dveh termogeneratorjih. Obe študiji zagotavljata močno motivacijo za uporabo potencirane predhodne porazdelitve kot informativne predhodne porazdelitve v Bayesovem sklepanju v analizi zanesljivost proizvodnih enot. V drugem delu naloge smo razvili stohastičen model urejenega diagrama preostale porabe za elektroenergetske sisteme z visokim deležem obnovljivih virov energije, s poudarkom na sončnih elektrarnah. Model učinkovito vključuje dolgoročno korelacijo med urno obremenitvijo sistema in proizvodnjo sončnih elektrarn z normalizacijo urnih časovnih vrst, funkcijo empiričnih kopul in funkcijo empiričnih porazdelitev mejnih gostot porazdelitev verjetnosti. Model omogoča oceno medsebojnega vpliva naložb v obnovljive vire in klasične elektrarne. Za oceno mejnih porazdelitev verjetnosti za obe slučajni spremenljivki, obremenitev sistema in proizvodnje sončnih elektrarn na uro, smo uporabili metodo empiričnih kopul, ki je primerna za multimodalne funkcije verjetnosti. Na koncu smo zgoraj opisana modela združili z večkriterijskimi evolucijskimi algoritmi in razvili kombinatorični optimizacijski model ob negotovosti, ki sloni na neparametričnem Mann-Whitneyevem U-testu. Cilj optimizacije razvoja proizvodnih zmogljivosti je poiskati optimalen načrt razvoja proizvodnih zmogljivosti za obdobje načrtovanja glede na kriterija minimalnih celotnih stroškov ter minimalne vrednosti nedobavljene energije. Za vsako različico razvojnega načrta izračunamo vrednosti kriterijev za vsako simulacijo urejenega diagrama preostale porabe. Za izbiro boljših rešitev glede na dana kriterija ob negotovosti, lahko s pomočjo opredeljenega modela primerjamo celotna vzorca kriterijev. By 2035, it is expected that more than 700 GW of production capacity will have to be built in Europe, mainly due to the retirement of existing power plants, the widespread use of renewables and the construction of additional facilities for fossil fuels to ensure the reliability of the of the power system operations. Also elsewhere around the world, production capacity will be built between 1960 and 1970, during the period of high growth of electricity consumption, new capabilities will be introduced, leading to more than 5,000 GW of investments by 2035, of which more than half of renewable energy (wind , sun, water, biomass). As electricity consumption is constantly increasing, although slower in recent decades, there is virtually no uncertainty about the need to build new capacity. One of the biggest uncertainties in this area is whether political measures will lead to a situation where most of the new production facilities will be subsidized or not. is regulated in some other way (mainly from renewable sources). In addition, the most common renewable sources, such as the wind and the sun, are very unstable and therefore we need classical power plants that ensure the reliability of the system. In general, the uncertainty about the need for new conventional energy sources is rather low and apparently it will be mostly thermal power plants, as hydro potential is already largely exploited. Nevertheless, there is considerable uncertainty about which power stations will be most cost-effective during the period considered. This is partly due to the uncertainty of the prices of primary energy products. In particular, with the increase in gas prices since the end of the twentieth century, it became rather questionable whether the natural gas plants are adequate. The power plants on coal, lignite and uranium are the following options. However, when selecting power plants for construction, we must take into account a number of uncertainties. The optimum choice of power plants is influenced by political, technical, economic, social, environmental and other uncertainties such as, for example, changes in environmental legislation, decisions to close nuclear power plants, future growth of electricity consumption, technology development. These uncertainties require new methods to assess the eligibility of the construction of various types of power plants. A simple extrapolation of current patterns of consumption, prices and other variables in the future seems problematic because the current situation due to significant overcapacity in Europe can barely reflect the potential shortage of production capacity at the closure of older power plants. Therefore, the future state of the EES (consumption, price, spare capacity, etc.) must be considered simultaneously with the investments and retirements of existing power plants. Particular attention must be paid to electricity generation companies, because in addition to being exposed to a number of uncertainties brought about by the free market in electricity, investments in electricity generating facilities are very specific. Using a mathematical model, we tested the applicability of multiobjective optimization techniques with evolutionary algorithms under uncertainty in case of a decision to invest in a new electricity generation facility. We analyzed the properties of multiobjective decision-making in energy using evolutionary algorithms, the Bayes approach to estimating the parameters of statistical models, and the function of the cube for modeling the probability laws of dependent random variables. Subsequently, we combined this into a model of a stochastic multiobjective optimization of the development of generation sources under uncertainty, which we tested under various scenarios of the development of the electric power system.

V diplomski nalogi smo se osredotočili na algoritme po vzorih iz narave. Opisujemo evolucijske algoritme, katerih navdih je bila Darwinova teorija o boju za obstanek, in algoritme inteligence roja, ki črpajo navdih iz obnašanja roja živali v naravi. Primerjali smo osnovni algoritem po vzoru obnašanja netopirjev in hibridno različico algoritma po vzoru obnašanja netopirjev. Raziskali smo razlike med osnovnima arhitekturama obeh algoritmov, pripadajoče parametre, kot tudi področja uporabe obeh algoritmov. Primerjavo smo izvedli na praktičnem primeru optimizacije desetih testnih funkcij na treh različnih dimenzijah problema (10, 20, 30). Prav tako smo raziskali vpliv različnih velikosti populacije (20, 30, 50) pri obeh algoritmih. Ugotovili smo, da so rezultati optimizacije hibridne različice algoritma boljši od standardne različice algoritma. In this thesis, we are focusing on nature-inspired algorithms. We describe evolutionary algorithms inspired by the Darwinian theory and swarm intelligence algorithms that have been inspired by the behaviour of swarms in nature. We compare the original bat algorithm with the hybrid bat algorithm and investigate the differences between the regular architecture of both algorithms, related parameters, and areas of use of both algorithms. In the experiment, we use ten benchmark functions on three different dimensions (10, 20, 30). We also research the influence of the population size (20, 30, 50) on both algorithms. Results show that the hybrid bat algorithm outperforms the standard bat algorithm.

Do leta 2035 se pričakuje, da bo potrebno v Evropi zgraditi več kot 700 GW proizvodnih zmogljivosti električne energije, predvsem zaradi upokojitev obstoječih elektrarn, široke uporabe obnovljivih virov in izgradnje dodatnih zmogljivosti na fosilna goriva za zagotavljanje zanesljivosti obratovanja elektroenergetskega sistema. Tudi drugod po svetu bodo proizvodne zmogljivosti zgrajene med leti 1960 in 1970, v obdobju visoke rasti porabe električne energije nadomeščene z novimi zmogljivostmi, kar vodi v več kot 5000 GW naložb do leta 2035, od česar je več kot polovica elektrarn na obnovljive vire (veter, sonce, voda, biomasa). Ker poraba električne energije stalno narašča, čeprav v zadnjih desetletjih bolj počasi, ni skoraj nobene negotovosti o nujnosti izgradnje novih zmogljivosti. Ena največjih negotovosti na tem področju je, ali bodo politični ukrepi pripeljali do stanja, ko bo večina novih proizvodnih zmogljivosti subvencionirana oz. na kakšen drug način regulirana (predvsem proizvodnja iz obnovljivih virov). Poleg tega so najbolj pogosti obnovljivi viri, kot sta veter in sonce, zelo nestalni in zato potrebujemo klasične elektrarne, ki zagotavljajo zanesljivost sistema. Na splošno je negotovost glede potrebe po novih konvencionalnih virih energije precej nizka in očitno bodo to večinoma termoelektrarne, saj je hidropotencial že v veliki meri izkoriščen. Kljub temu obstaja precejšnja negotovost o tem, katere elektrarne bodo stroškovno najbolj učinkovite v obravnavanem obdobju. To je deloma posledica negotovosti cen primarnih energentov. Predvsem z višanjem cen plina od konca dvajsetega stoletja je postalo precej vprašljivo ali so elektrarne na zemeljski plin ustrezne. Elektrarne na premog, lignit in uran so naslednje možnosti. Toda pri izbiranju elektrarn za izgradnjo moramo upoštevati številne negotovosti. Na optimalni izbor elektrarn vplivajo politične, tehnične, ekonomske, socialne, okoljske in druge negotovosti, kot so npr. spremembe okoljske zakonodaje, odločitve o zapiranju jedrskih elektrarn, prihodnja rast porabe električne energije, razvoj tehnologije, cene emisijskih kuponov. Ob teh negotovostih so potrebne nove metode za oceno upravičenosti izgradnje različnih vrst elektrarn. Preprosta ekstrapolacija sedanjih vzorcev porabe, cen in drugih spremenljivk v prihodnosti se zdi problematična, ker sedanje stanje zaradi znatnih presežnih zmogljivosti v Evropi lahko komaj odraža morebitno pomanjkanje proizvodnih zmogljivosti ob zaprtju starejših elektrarn. Zato je potrebno prihodnje stanje EES (poraba, cene, rezervne zmogljivosti itn.) obravnavati hkrati z naložbami in upokojitvami obstoječih elektrarn. Posebne pozornosti morajo biti deležna podjetja za proizvodnjo električne energije, ker poleg tega, da so izpostavljena številnim negotovostim, ki jih prinaša prost trg z električno energijo, so naložbe v objekte za proizvodnjo električne energije zelo specifične. Zato smo v nalogi predstavili optimalno načrtovanje razvoja proizvodnih virov električne energije ob negotovosti proizvodnje električne energije iz sončnih elektrarn in porabe ter negotovost razpoložljivosti generatorjev. Cilj je načrtovati optimalno izgradnjo klasičnih elektrarn ob minimalnih stroških in predvideni proizvodnji električne energije iz sončnih elektrarn. Zasnovali smo večkriterijski stohastični model, ki sloni na večkriterijskih evolucijskih algoritmih. Na prvi stopnji algoritem opredeli naložbeno odločitev izgradnje novih ali upokojitev obstoječih elektrarn. Na drugi stopnji simuliramo slučajne spremenljivke proizvodnje sončnih elektrarn ter bremena. Na osnovi tega določimo urejeni diagram preostalega bremena ter optimiramo vrstni red obratovanja na prvi stopnji izbranih elektrarn. Na drugi stopnji večkrat simuliramo breme in proizvodnjo iz sončnih elektrarn. Za vsako simulacijo izračunamo stroške naložb, obratovanja in vzdrževanja. Za ocenjevanje parametrov gostote verjetnosti letne nerazpoložljivosti električnih generatorjev smo predlagali uporabo Bayesove predhodne potencirane porazdelitve. Model vključuje podatke letne nerazpoložljivosti podobne proizvodne enote v statistično analizo letne nerazpoložljivosti analizirane proizvodne enote. Ta model omogoča izboljšanje natančnosti ocene parametrov porazdelitve letne nerazpoložljivosti. Prednost predlaganega pristopa je vključitev variabilnosti letne nerazpoložljivosti v dolgoročno načrtovanje elektroenergetskega sistema in premagovanje omejitev klasičnih statističnih metod v primeru omejenih količin podatkov, s čimer se pogosto srečujemo pri analizah zanesljivosti EES. Metoda je preizkušena tako s simulacijo kot tudi z empirično raziskavo. S simulacijsko študijo smo preučili empirično uspešnost metode potencirane predhodne porazdelitve za funkcijo eksponentne gostote verjetnosti. Empirična raziskava je izvedena na dveh termogeneratorjih. Obe študiji zagotavljata močno motivacijo za uporabo potencirane predhodne porazdelitve kot informativne predhodne porazdelitve v Bayesovem sklepanju v analizi zanesljivost proizvodnih enot. V drugem delu naloge smo razvili stohastičen model urejenega diagrama preostale porabe za elektroenergetske sisteme z visokim deležem obnovljivih virov energije, s poudarkom na sončnih elektrarnah. Model učinkovito vključuje dolgoročno korelacijo med urno obremenitvijo sistema in proizvodnjo sončnih elektrarn z normalizacijo urnih časovnih vrst, funkcijo empiričnih kopul in funkcijo empiričnih porazdelitev mejnih gostot porazdelitev verjetnosti. Model omogoča oceno medsebojnega vpliva naložb v obnovljive vire in klasične elektrarne. Za oceno mejnih porazdelitev verjetnosti za obe slučajni spremenljivki, obremenitev sistema in proizvodnje sončnih elektrarn na uro, smo uporabili metodo empiričnih kopul, ki je primerna za multimodalne funkcije verjetnosti. Na koncu smo zgoraj opisana modela združili z večkriterijskimi evolucijskimi algoritmi in razvili kombinatorični optimizacijski model ob negotovosti, ki sloni na neparametričnem Mann-Whitneyevem U-testu. Cilj optimizacije razvoja proizvodnih zmogljivosti je poiskati optimalen načrt razvoja proizvodnih zmogljivosti za obdobje načrtovanja glede na kriterija minimalnih celotnih stroškov ter minimalne vrednosti nedobavljene energije. Za vsako različico razvojnega načrta izračunamo vrednosti kriterijev za vsako simulacijo urejenega diagrama preostale porabe. Za izbiro boljših rešitev glede na dana kriterija ob negotovosti, lahko s pomočjo opredeljenega modela primerjamo celotna vzorca kriterijev. By 2035, it is expected that more than 700 GW of production capacity will have to be built in Europe, mainly due to the retirement of existing power plants, the widespread use of renewables and the construction of additional facilities for fossil fuels to ensure the reliability of the of the power system operations. Also elsewhere around the world, production capacity will be built between 1960 and 1970, during the period of high growth of electricity consumption, new capabilities will be introduced, leading to more than 5,000 GW of investments by 2035, of which more than half of renewable energy (wind , sun, water, biomass). As electricity consumption is constantly increasing, although slower in recent decades, there is virtually no uncertainty about the need to build new capacity. One of the biggest uncertainties in this area is whether political measures will lead to a situation where most of the new production facilities will be subsidized or not. is regulated in some other way (mainly from renewable sources). In addition, the most common renewable sources, such as the wind and the sun, are very unstable and therefore we need classical power plants that ensure the reliability of the system. In general, the uncertainty about the need for new conventional energy sources is rather low and apparently it will be mostly thermal power plants, as hydro potential is already largely exploited. Nevertheless, there is considerable uncertainty about which power stations will be most cost-effective during the period considered. This is partly due to the uncertainty of the prices of primary energy products. In particular, with the increase in gas prices since the end of the twentieth century, it became rather questionable whether the natural gas plants are adequate. The power plants on coal, lignite and uranium are the following options. However, when selecting power plants for construction, we must take into account a number of uncertainties. The optimum choice of power plants is influenced by political, technical, economic, social, environmental and other uncertainties such as, for example, changes in environmental legislation, decisions to close nuclear power plants, future growth of electricity consumption, technology development. These uncertainties require new methods to assess the eligibility of the construction of various types of power plants. A simple extrapolation of current patterns of consumption, prices and other variables in the future seems problematic because the current situation due to significant overcapacity in Europe can barely reflect the potential shortage of production capacity at the closure of older power plants. Therefore, the future state of the EES (consumption, price, spare capacity, etc.) must be considered simultaneously with the investments and retirements of existing power plants. Particular attention must be paid to electricity generation companies, because in addition to being exposed to a number of uncertainties brought about by the free market in electricity, investments in electricity generating facilities are very specific. Using a mathematical model, we tested the applicability of multiobjective optimization techniques with evolutionary algorithms under uncertainty in case of a decision to invest in a new electricity generation facility. We analyzed the properties of multiobjective decision-making in energy using evolutionary algorithms, the Bayes approach to estimating the parameters of statistical models, and the function of the cube for modeling the probability laws of dependent random variables. Subsequently, we combined this into a model of a stochastic multiobjective optimization of the development of generation sources under uncertainty, which we tested under various scenarios of the development of the electric power system.

Evolucijski algoritmi večkriterijske optimizacije so bili uspešno uporabljeni za reševanje realnih večkriterijskih problemov, kar pojasnjuje tudi njihovo popularnost. Ocenjevanje in primerjava evolucijski algoritmi večkriterijske optimizacije je pomembno vprašanje. Vendar izvajanje primerjav evolucijskih algoritmov ni trivialna naloga. Algoritmi imajo številne kontrolne parametre, ki jih je potrebno konfigurirati. Izbrati je treba primerne testne probleme in rezultate analizirati z uporabo statistične metode. Poleg tega lahko rezultate evolucijskih algoritmov večkriterijske optimizacije ocenimo z različnimi indikatorji kakovosti, kar še dodatno otežuje primerjavo. Da bi olajšali proces primerjave smo, v doktorski disertaciji predstavili metodo za primerjavo in uglaševanje evolucijskih algoritmov večkriterijske optimizacije. Najprej je bila opravljena analiza indikatorjev kakovosti, ki je pokazala, da lahko z indikatorji, ki merijo enake aspekte kakovosti, dobimo statistično značilne razlike. Dobili smo tudi nabor robustnih in konsistentnih indikatorjev. Za primerjavo algoritmov smo uporabili šahovski sistem rangiranja, ki je bil prilagojen za algoritme večkriterijske optimizacije z ansamblom indikatorjev kakovosti. V ansambel smo vključili najprimernejše indikatorje iz predhodne analize. Rezultati so pokazali, da je predlagana metoda dosegla primerljive rezultate s primerljivimi metodami z manjšim številom zagonov posameznega algoritma. Ker je uspešnost evolucijskih algoritmov lahko zelo odvisna od konfiguracije kontrolnih parametrov, smo predlagano metodo nadgradili tako, da omogoča uglaševanje. Rezultati eksperimenta so pokazali veliko izboljšanje algoritmov po izvedenem uglaševanju s predlagano metodo. Z uporabo uglaševanja zagotovimo, da imajo algoritmi primernejše kontrolne parametre in posledično je tudi primerjava bolj poštena. Evolucijski algoritmi večkriterijske optimizacije so bili uspešno uporabljeni za reševanje realnih večkriterijskih problemov, kar pojasnjuje tudi njihovo popularnost. Ocenjevanje in primerjava evolucijski algoritmi večkriterijske optimizacije je pomembno vprašanje. Vendar izvajanje primerjav evolucijskih algoritmov ni trivialna naloga. Algoritmi imajo številne kontrolne parametre, ki jih je potrebno konfigurirati. Izbrati je treba primerne testne probleme in rezultate analizirati z uporabo statistične metode. Poleg tega lahko rezultate evolucijskih algoritmov večkriterijske optimizacije ocenimo z različnimi indikatorji kakovosti, kar še dodatno otežuje primerjavo. Da bi olajšali proces primerjave smo, v doktorski disertaciji predstavili metodo za primerjavo in uglaševanje evolucijskih algoritmov večkriterijske optimizacije. Najprej je bila opravljena analiza indikatorjev kakovosti, ki je pokazala, da lahko z indikatorji, ki merijo enake aspekte kakovosti, dobimo statistično značilne razlike. Dobili smo tudi nabor robustnih in konsistentnih indikatorjev. Za primerjavo algoritmov smo uporabili šahovski sistem rangiranja, ki je bil prilagojen za algoritme večkriterijske optimizacije z ansamblom indikatorjev kakovosti. V ansambel smo vključili najprimernejše indikatorje iz predhodne analize. Rezultati so pokazali, da je predlagana metoda dosegla primerljive rezultate s primerljivimi metodami z manjšim številom zagonov posameznega algoritma. Ker je uspešnost evolucijskih algoritmov lahko zelo odvisna od konfiguracije kontrolnih parametrov, smo predlagano metodo nadgradili tako, da omogoča uglaševanje. Rezultati eksperimenta so pokazali veliko izboljšanje algoritmov po izvedenem uglaševanju s predlagano metodo. Z uporabo uglaševanja zagotovimo, da imajo algoritmi primernejše kontrolne parametre in posledično je tudi primerjava bolj poštena

V doktorski disertaciji predstavimo nov dvonivojski evolucijski algoritem za določanje funkcijske odvisnosti med netopološkimi lastnostmi vozlišč in povezavami v kompleksnih mrežah. Rezultat algoritma je neenačba, ki določa povezljivost med izbranima vozliščema kompleksne mreže. Na prvem nivoju predstavljenega algoritma poiščemo obliko neenačbe, na drugem nivoju pa ustrezne koeficiente in odločitveni prag. Ocenitveno funkcijo, ki je ozko grlo predlaganega algoritma, smo implementirali na grafično procesni enoti s tehnologijo CUDA, s čimer dosežemo učinkovito vzporedno izvajanje. V eksperimentalnem delu doktorske disertacije pokažemo primernost predstavljenega algoritma za analizo naravnih kompleksnih mrež. V primerjavi z metodami strojnega učenja in evolucijskimi algoritmi dosežemo boljše rezultate. Doktorsko disertacijo zaključimo s pregledom opravljenega dela in ovrednotenjem našega prispevka na raziskovalnem področju. In this Doctoral thesis, a new two-level evolutionary algorithm is introduced for defining the functional dependency between non-topological nodes' properties and complex networks' edges. The result of the algorithm is a threshold function, which determines connectivity between nodes in a complex network. A suitable function form is achieved at the first level, while the second level is used for an optimal function fitting. The evaluation function, which is a bottleneck of the proposed algorithm, is implemented on a general purpose graphic processing unit using CUDA. In that way, the parallelization of the algorithm is achieved. The suitability of the algorithm for complex network analysis is presented within the experimental part of the thesis. A comparison with machine learning and evolutionary algorithms showed the superiority of the proposed algorithm. Critical evaluation of the work done and addressing the main contributions of this work conclude the thesis.

V magistrskem delu smo preučili nevronske mreže in njihovo uporabo za učenje vožnje simuliranih avtonomnih vozil. Pripravili smo 3D-okolje s cesto, po kateri so se vozila učila voziti. Vsako vozilo ima svojo nevronsko mrežo, ki določa hitrost in smer vozila. Preučili in primerjali smo različne pristope učenja – evolucijski pristop in nadzorovano učenje z metodo vzvratnega prenosa napake. Cilj magistrskega dela je bil ustvariti simulirano avtonomno vozilo, ki je sposobno pravilne vožnje po desni strani ceste in se zna izmikati oviram med vožnjo. In the present research, we studied neural networks and their level of application in learning how to drive simulated autonomous vehicles. We created a 3D environment including a road on which the vehicles can train how to drive. Each vehicle has its own neural network that determines the direction and speed of the vehicle. We compared and studied different approaches to learning – evolutionary approach and supervised learning using the backpropagation method. The aim of this master thesis was to create a vehicle that is able to drive on the right side of the road and avoid the obstacles.

V tem magistrskem delu se ukvarjamo z vizualizacijo procesov evolucijskih algoritmov in interpretacijo le-teh. Najpogosteje uporabljene metode za primerjavo evolucijskih algoritmov imajo težave že pri oceni algoritmov, samega delovanja algoritmov pa ne upoštevajo. Najprej smo podrobneje pogledali razvoj statističnih metod, kaj nudijo in kje kažejo pomanjkljivosti. Pod drobnogled smo vzeli enokriterijsko in večkriterijsko optimizacijo in jo z uporabo metod vizualizacije informacij predstavili ter interpretirali prednosti in slabosti posameznih algoritmov in problemov, pri čemer smo za temelj uporabili sistem EARS. In this thesis we deal with the visualization of evolutionary processes and its interpretation. Commonly used methods for comparison of evolutionary algorithms have difficulties with rating algorithms, while how they actually work is never taken into account. First we take a closer look at the benefits and shortcomings of statistical methods. We also take a detailed look of single-criteria and multi-criteria optimization and with the use of information visualization methods present advantages and weaknesses of individual algorithms and problems, for which we used the system EARS.

Eksperiment na področju evolucijskega računanja lahko povzamemo s štirimi pomembnimi koraki: načrtovanje eksperimenta, zagon eksperimenta, analiza rezultatov ter interpretacija rezultatov in diskusija. Vsak korak zahteva posebno pozornost in vsebuje določene pasti, na katere moramo kot raziskovalci biti pozorni. Disertacija podrobno opiše vse štiri korake, s posebnim poudarkom na statistični analizi rezultatov, in predstavi novo metodo za primerjavo evolucijskih algoritmov - Chess Rating System for Evolutionary Algorithms (CRS4EAs). Predlagana metoda temelji na šahovskem rangiranju, kjer je vsak evolucijski algoritem predstavljen kot šahovski igralec, vsaka primerjava rešitev dveh algoritmov predstavlja igro med dvema igralcema (in se lahko konča z zmago enega in porazom drugega ali remijem), vsaka parna primerjava med več algoritmi pa predstavlja turnir. Osnova za predlagano metodo je šahovski sistem rangiranja Glicko-2, za katerega tekom disertacije tudi pokažemo, da je najprimernejši. Predlagano metodo skozi velik nabor eksperimentov primerjamo s statističnimi testi z ničelno hipotezo in pokažemo, da lahko s predlagano metodo učinkovito primerjamo uspešnosti evolucijskih algoritmov. Predlagana metoda najde podobne signifikantne razlike kot bi jih našli z uporabo standardnih statističnih metod, hkrati pa omogoča absolutno vrednotenje moči in uspešnosti algoritmov, ki so vključeni v sistem. Predlagano metodo na učinkovit način uporabimo za uglaševanje parametrov evolucijskega algoritma in jo skozi nabor več eksperimentov primerjamo z drugimi metodami uglaševanja (F-Race in Revac). Experiment in the field of evolutionary computing can be summarized with four important stages: experimental design, experiment, analysis, and interpretation of the results and discussion. Each of these stages requires careful attention to avoid the pitfalls. The thesis describes all four stages with special emphasis on the statistical analysis of the results and proposes a new method for comparison and ranking of evolutionary algorithms - Chess Rating System for Evolutionary Algorithms (CRS4EAs). The proposed method is based on chess ranking where each evolutionary algorithm is treated as a chess player, a comparison of the results of two algorithms is treated as one game between these two algorithms (with three possible outcomes: win, loss, or draw), and pairwise comparison of all algorithms is treated as a tournament. The basis of the proposed method is Glicko-2 chess rating system, which showed as the most appropriate one. We have conducted a large number of experiments through the thesis in which the proposed method was compared to different statistical tests of significance. We have shown that the proposed method is appropriate for comparison and ranking of evolutionary algorithms. The proposed method finds similar significant differences as statistical tests, but it also measures the absolute power of algorithms participating in the system. The proposed method can be used as a method for tuning the parameters of an evolutionary algorithm, which was also shown through experiments in which the proposed method was compared to other tuning methods (F-Race and Revac).

Razvoj na področju evolucijski algoritmov je še vedno v porastu in ni zaznati, da bi se kmalu umiril. Področje evolucijskih algoritmov se krepi z vedno novimi in boljšimi algoritmi iz dneva v dan. Praktična uporaba le teh se seli v težja in zahtevnejša okolja. Pričakovanja splošne in strokovne javnosti so vse večja. Zadnja družina algoritmov je znana pod imenom hiper-hevristika. Za to skupino algoritmov je značilna sočasna uporaba večjega števila algoritmov pri reševanju enega problema. Cilj je združiti znanja večih algoritmov v eno povezano celoto. Predlagana in razvita je nova vrsta orodja. Razvito orodje omogoča razvoj algoritmov po novih smernicah. Algoritmi razviti po predlaganih usmeritvah so preglednejši, kompaktnejši, poenoteni, prenosljivi, razširljivi. Te odlike lahko pričakujemo od novo nastalih algoritmov v bližnji prihodnosti. Glavni doprinos orodja je neodvisno zaganjanje posameznih delov evolucijskega al- goritma. Obstoječi evolucijski algoritmi so preoblikovani v posamezne enote. Orodje skrbi za vrstni red in trajanje zagona za vsako enoto posebej. S povezovanjem različnih delov, dobljenih iz različnih algoritmov, pridobivamo nove algoritme. Glede na uspešnost algoritma, lahko sklepamo o uspešnosti njegovih enot. Development in the field of evolutionary algorithms is still on the rise and it does not seems to calm down soon. Field of evolutionary algorithms is growing with new and better algorithms on daily basis. The practical application of new algorithms are used in the difficult and demanding environments. Expectations of general and professional public are high. Latest family of algorithms is known as hyper-heuristics. Characteristics for this group of algorithms is the simultaneous use of a large number of algorithms for solving single problem. The aim is to combine knowledge of multiple algorithms into one cohesive environment. Proposed and developed is new type of tool. The developed tool enables the de- velopment of algorithms with new guidelines. Algorithms developed by the proposed guidelines are transparent, compact, standardized, portable, extensible. These qualities can be expected from newly created algorithms in a near future. The main contribution of the tool is independent execution of the individual parts of the evolutionary algorithm. Existing evolutionary algorithms are transformed into individual units. The tool takes care of the order and runtime for each unit. By linking different parts of different algorithms, new algorithms are created. Depending on the performance of the algorithm, we can assume the performance of its units.

Cilj magistrskega dela je opis (njihova sestava in princip, po katerem delujejo), implementacija algoritmov umetnega imunskega sistema (AIS) in njihova integracija v obstoječo EARS okolje. V AIS skupino algoritmov spadajo CLONALG, NSA, aiNET in drugi. Te algoritme smo primerjali z ostalimi optimizacijskimi algoritmi, kot so: PSO, DE, ABC, in TLBO. Primerjavo med algoritmi smo izvedli na CEC skupini problemov in pri tem uporabili statistične teste (NHST) ter novejši pristop CRS4EAs. Rezultati vsake generacije so bili podvrženi dodatnim testom za ugotavljanje eksploracijskih (raziskovalnih) in eksploatacijskih (izkoriščevalnih) lastnosti algoritma AIS. The aim of the master thesis is the description and implementation of artificial immune system algorithms and their integration into existing EARS environment. The AIS group of algorithms consists of CLONALG, NSA, aiNet and others. These algorithms were compared with other optimization algorithms such as PSO, DE, ABC, and TLBO. The comparison between algorithms was performed on the CEC group of problems while using statistical tests (NHST) and the newer approach CRS4EAs. The results of each generation have been subjected to additional tests to determine the exploratory and exploitative characteristics of the AIS algorithm.

V delu predstavljamo postopek stiskanja slik s pomočjo optimizacijskih algoritmov iz dveh različnih družin, tj. evolucijskih algoritmov in algoritmov na osnovi inteligence rojev. V naši raziskavi smo za reševanje zadanega problema uporabili diferencialno evolucijo in optimizacijo s kukavičjim iskanjem. Osnovna algoritma smo izboljšali z adaptacijskimi in hibridizacijskimi metodami. Stiskanje slik smo izvedli s pomočjo množice primitivnih geometrijskih oblik trikotnika. Razvita algoritma smo testirali na realnih primerih stiskanja slik in kakovost rezultatov stiskanja primerjali med seboj. In our thesis we have presented process of image compression using optimization algorithms from two different families, i.e. evolutionary and swarm intelligence based algorithms. In our study, we used differential evolution and cuckoo search for solving our problem. We have improved basic algorithms with self-adaptation and hybridization methods. Compression was performed with a set of primitive geometrical shapes of triangles. Developed algorithms were tested on real cases of image compression and compression quality results were compared with each other.

Diplomsko delo predstavlja raziskovanje in implementacijo pristopa za reševanje večmodalne optimizacije funkcij. Raziskali smo že obstoječe pristope za večmodalno optimizacijo funkcij. Predstavili smo programsko rešitev, katera omogoča prikaz rešitev algoritmov nad testnimi funkcijami. Implementirali smo Izrivanje pristop za reševanje večmodalne optimizacije funkcij, s katerim smo uspešno ohranjali niše v populaciji, ob tem smo lahko določili več kot le en optimum testne funkcije. Diploma thesis studies and implements algorithms for multimodal function optimization. We investigate known methods for solving mutlimodal function optimization problem. We presented software solution which can show us solutions of algorithms over testing functions. We implemented Crowding niching method for solving multimodal function optimization. This niching method prove to be successful at optimization of all the test functions we used in our test case and did provide more than one optimum of the functions used.

Magistrsko delo obravnava primerjavo evolucijskih algoritmov večkriterijske optimizacije z uporabo šahovskega rangiranja. Na začetku je opisano šahovsko rangiranje in osnovni pojmi večkriterijske optimizacije. Prikazana je nadgradnja orodja EARS (ang. Evolutionary Algorithms Rating System), ki omogoča ocenjevanje uspešnosti evolucijskih algoritmov za enokriterijsko optimizacijo. Predstavljena je implementacija primernih primerjalnih funkcij in nabora preizkusnih problemov. Prav tako so predstavljeni tudi nekateri bolj znani evolucijski algoritmi večkriterijske optimizacije, ki smo jih vključili v orodje EARS. Na koncu so prikazani rezultati in primerjava rezultatov orodja EARS z drugimi metodami. In this thesis the comparison of multi-objective evolutionary algorithms using chess ranking is presented. First, the chess ranking and the basic concepts of multi-objective optimization are described. Then the upgrade of EARS (Evolutionary Algorithms Rating System), which enables the assessment of the performance of evolutionary algorithms for single-objective optimization is presented. The implementation of appropriate comparator functions and a set of test problems is also presented. Some of more well-known evolutionary algorithms of multi-objective optimization which were included in EARS are shown. Finally, the results and the comparison of EARS results with other methods are outlined.

Z iskanjem ujemanj med podatkovnimi shemami želimo odkriti čim več semantično enakovrednih elementov med dvema shemama in določiti povezave med njimi. Ta proces je ena izmed glavnih aktivnosti pri integraciji podatkov. Večina obstoječih metod za iskanje ujemanj med shemami ima še vedno težave s kompleksnimi preslikavami. Prav zato smo se odločili, da izboljšamo eno od obstoječih metod za iskanje ujemanj med shemami, ki primarno rešuje ta problem. Izbrana metoda temelji na evolucijskem algoritmu, ki postopoma generira boljše posameznike (preslikave) samo na podlagi podatkovnih instanc. Ker se lahko zgodi, da v nekem scenariju podatkovne instance niso na voljo, smo v ta namen razvili izboljšano metodo, ki upošteva tudi podatke sheme. Metodo smo še dodatno razširili s podporo za dodatne podatkovne tipe. Izboljšano metodo smo ovrednotili na enakih testnih podatkih kot originalno metodo. Ugotovili smo, da je naša izboljšana metoda v povprečju za 20 % bolj natančna od originalne pri iskanju tako enostavnih kot tudi kompleksnih preslikav. Schema matching aims at identifying semantically similar elements of two schemas and determining the mappings between them. This process is one of the main activities in data integration. Most of the existing methods for finding mappings between schemas still have difficulties with complex mappings. Therefore, we decided to improve one of the existing methods which deals primarily with finding complex mappings. The chosen method in based on an evolutionary algorithm that generates progressively better individuals (mappings) only on the basis of data instances. It may happen that in a certain scenario the data instances are not available. That is why we have developed an improved method which also takes the schema data into consideration. We have further improved the chosen method by adding support for additional data types. Our improved method was evaluated on the same test data as the original method. We have found that our method is 20 % more accurate on average than the original one for both simple and complex mappings.

V tej disertaciji obravnavamo tezo o lastnem razvoju novega evolucijskega algoritma, ki omogoča modeliranje z rekonstrukcijo parametriziranih proceduralnih modelov olesenelih rastlin iz slikovnih projekcij referenčnih modelov. Pokažemo, da je s predlaganim proceduralnim modelom po kodiranju v genotip možno izvesti evolucijski proces iskanja parametriziranih proceduralnih modelov. S postavitvijo ustreznostne funkcije in preslikavo genotipa v fenotip pokažemo, da je algoritem diferencialne evolucije primeren za iterativno rekonstrukcijo izbranega parametriziranega proceduralnega modela. Pokažemu tudi, da je algoritem diferencialne evolucije še posebej primeren za evolucijo izbranega modela, saj je ta fiksne dimenzije in parametre kodiramo v domeno realnih števil, za katero je algoritem diferencialne evolucije posebej učinkovito načrtovan. Potrdimo še, da je algoritem jDE s samoprilagodljivimi krmilnimi parametri za naš optimizacijski postopek ustreznejši od osnovnega algoritma DE brez samoprilagajanja krmilnih parametrov. Dobljeni rezultati potrjujejo, da je predstavljen pristop primeren za modeliranje drevesnih rastlin za računalniško animacijo, s pomočjo evolucije numerično kodiranega proceduralnega modela. S tem ugotovimo, da teza disertacije pritrdilno utemeljuje zastavljene hipoteze. Izsledke, ki smo jih pokazali v tej disertaciji, smo objavili tudi širši znanstveni javnosti. In this dissertation, we convey thesis on our own development of a new evolutionary algorithm, which enables modelling of woody plants using parameterized procedural models reconstruction from image projections of reference models. We show, that after encoding the proposed procedural model in a genotype, it is possible to create an evolutionary process to search for parameterized procedural models. By composing a fitness function and genotype-phenotype mapping, we show that differential evolution (DE) algorithm is suitable for iterative reconstruction of the chosen parameterizable procedural model. We also show that the DE algorithm is especially useful for evolution of the chosen model, since it is of fixed dimension and encodes the parameters in real number domain, for which DE algorithm is efficiently designed. We also confirm, that jDE algorithm with self-adaptive control parameters is better than basic DE algorithm without self-adapting control parameters. Obtained results confirm, that the proposed approach is suitable for modeling of woody plants for computer animation, using evolution of a numerically coded procedural model. By this we confirm, that the thesis of this dissertation confirms the set hypotheses. We have also published our findings displayed in this dissertation to a wider scientific public.

Diplomska naloga je razdeljena na dva večja sklopa. V prvem sklopu je predstavljena teorija evolucijskih algoritmov, s poudarkom na genetskih algoritmih. Sledi kratek primer uporabe genetskih algoritmov pri iskanju maksimuma matematične funkcije na določenem intervalu. Drugi del diplomske naloge je posvečen predstavitvi igre Mastermind in genetskemu algoritmu za igranje te igre. Genetski algoritem je podrobno analiziran, predstavljena pa je tudi implementacija v programskem jeziku C++ ter konkretni primer izvajanja. Ob koncu tega sklopa so predstavljeni še drugi algoritmi za igranje igre Mastermind, katerim sledijo primerjave posameznih algoritmov z implementiranim algoritmom. The following thesis is divided into two sections. In the first section, we present the theory of evolutionary algorithms, focusing on genetic algorithms. Using genetic algorithms, we present a short example of finding a local maximum of the mathematical function. The second section presents the game Mastermind and genetic algorithm for playing the game. We analyze the genetic algorithm and present the implementation of it in the programming language C++, followed by a concrete example. At the end of the section, we also present other algorithms for playing Mastermind, followed by comparisons of presented algorithms with the implemented algorithm.

V diplomskem delu predstavimo koncepte evolucijskih algoritmov, osnove delovanja anten in gradnjo ter optimizacijo antenskih polj. Izpostavimo algoritem PSO in preučimo njegove glavne značilnosti. Preučimo zmožnosti algoritma pri načrtovanju antenskih polj in na njegovi osnovi implementiramo orodje za optimizacijo antenskih polj. Osrednji del diplomskega dela zajema algoritem PSO, praktični del pa zajema implementacijo optimizacijskega orodja, ki temelji na algoritmu PSO. In this diploma thesis we introduced the concepts of evolutionary algorithms, basic antenna operations and methods of construction and antenna array optimization. We have highlighted the PSO algorithm and explore its main features. We studied the ability of the algorithm in the field of antenna design and antenna array optimization. We have also implemented an optimization tool, based on PSO algorithm, for optimization of antenna arrays. The central part of the thesis covers the PSO algorithm and the practical part covers the implementation of antenna array optimization tool.

Diplomsko delo podaja analizo vpliva raziskovanja in izkoriščanja na večkriterijskem problemu 0/1 nahrbtnika. Najprej predstavimo osnovne pojme iz področij evolucijskih in genetskih algoritmov, večkriterijske optimizacije in večkriterijskega problema 0/1 nahrbtnika. V nadaljevanju opišemo aplikacijo za reševanje večkriterijskega problema 0/1 nahrbtnika in dobljene rezultate testiranja. Nato predstavimo in razložimo metode oziroma postopke, ki smo jih zasnovali za opazovanje vpliva izkoriščanja in raziskovanja na večkriterijskem problemu 0/1 nahrbtnika. Poleg same predstavitve metod, so v delu podani tudi rezultati in zaključki, ki smo jih pridobili z uporabo teh metod. Delo zaključimo s kratkim povzetkom, z analizo pridobljenih ugotovitev ter možnostmi nadaljnjih raziskav. This diploma work describes impact analysis of exploration and exploitation on multiobjective 0/1 knapsack problem. First general terms related to fields of evolutionary and genetic algorithms, multiobjective optimization and multiobjective 0/1 knapsack problem are presented. Next, we describe computer application for solving multiobjective 0/1 knapsack problem and results we have obtained. We continue with presentation on methods and procedures we developed for impact analysis of exploration and exploitation on multiobjective 0/1 knapsack problem. In addition to presenting the methods also results and conclusions obtained with these methods are given. This work is concluded with the short summary and further research possibilities.