Search

U ovom radu opisan je razvoj računalnog agenta za igru zmija, čija pravila su objašnjena na početku rada. Agent je razvijen uz pomoć neuronskih mreža i genetskih algoritama, a arhitektura mreže i način odvijanja selekcije, križanja i mutacije opisan je u odgovarajućim poglavljima. Izrađeno je grafičko korisničko sučelje koje omogućuje igranje od strane čovjeka ili praćenje procesa treniranja agenta. Grafički su prikazani dobiveni rezultati u procesu treniranja i testiranja. This paper describes the development of a computer agent for the snake game, the rules of which are explained at the beginning of the paper. The agent is developed from neural networks and genetic algorithms, the architecture of the network and the methods of selection, crossover and mutation are described in the corresponding chapters. A graphical user interface has been created that allows playing by a human or monitoring the process of training an agent. The results obtained in the process of training and testing are shown graphically.

U današnje vrijeme ljudi sve više i više upotrebljavaju proizvode koji koriste umjetnu inteligenciju. Jedan od tih proizvoda su i videoigre, koje su u porastu korištenja te djeca i mladi ne mogu zamisliti svakodnevni život bez njih. Cilj rada je detaljnije objasniti i prikazati najpopularnije tehnike implementacije umjetne inteligencije u videoigrama. U radu je definiran pojam videoigara, njihova primjena te najpopularniji žanrovi. Spomenute su i ukratko objašnjene videoigre koje su kroz povijest najviše utjecale na razvoj umjetne inteligencije u njima. Analizom tehnika umjetne inteligencije donesen je zaključak o njihovim prednostima i nedostacima. Također, detaljno je opisana umjetna inteligencija zajedno s različitim pristupima poput učenja pod nadzorom, učenja bez nadzora i ojačanog učenja. U zadnjem poglavlju rada objašnjena je moguća budućnost umjetne inteligencije u videoigrama. Nowadays, people are increasingly using products that use artificial intelligence. One of these products are video games, which are on the rise in use, children and young people cannot imagine everyday life without them. The aim of this paper is to explain and show in more detail the most popular techniques for implementing artificial intelligence in videogames. The paper defines the concept of video games, their application and the most popular genres. The video games that most influenced the development of artificial intelligence throughout history were mentioned and briefly explained. An analysis of the artificial intelligence techniques led to a conclusion about their advantages and disadvantages. Also, artificial intelligence is described in detail along with different approaches like supervised learning, unsupervised learning and reinforcement learning. The last chapter of the paper explains the possible future of artificial intelligence in videogames.

Problem putne torbe (engl. knapsack problem) je optimizacijski NP-teški problem kod kojeg se pokušava naći maksimalna vrijednost predmeta koji se mogu staviti u torbu, pod uvjetom da se ne premaši kapacitet torbe. Algoritama za rješavanje je ovog problema je mnogo no pristup rješavanju u ovom radu su genetski algoritmi koji su meta heuristički algoritmi pretraživanja stvoreni po uzoru na prirodnu evoluciju. Konkretno korišten je generacijski algoritam, implementiran u C programskom jeziku, te je odrađena usporedba složenosti i točnosti takvog algoritma s klasičnim pristupom rješavanja. Knapsack problem is one of most popular NP-hard problems in optimization theory, in which the goal is to find right combination of items that produce maximal value so that they do not exceed given knapsack capacity. There are many algorithms for solving this problem, but main approach to solvnig in this paper are genetic algorithms, which are metaheuristic algorithms created along the lines of natual evolution. In particular, a generational algorithm was used, implemented in C programming language, and a comparison of the complexity and accuracy of such algorithm with the classic bruteforce approach of solving was done.

Tema diplomskog rada je matematičko modeliranje pogonske snage u obradi uzdužnim tokarenjem. U prvom poglavlju ukratko su opisani problemi s kojima se moderna proizvodna poduzeća susreću te važnost projektiranja tehnološkog procesa za svladavanje tih problema. U drugom poglavlju teoretski je prikazana obrada tokarenjem uz naglasak na parametre režima obrade. Treće poglavlje bavi se eksperimentalnim dijelom diplomskog rada. Opisani su centralno kompozitni plan eksperimenata te metoda odzivne površine, koji su i primijenjeni u nastavku rada. Također, opisan je provedeni eksperiment u laboratoriju. U četvrtom poglavlju provedena je statistička analiza eksperimenata. Korištenjem programa Design Expert provedena je analiza varijance te su dobiveni pripadajući linearni i kvadratni matematički model. Rezultati su testirani na dodatnim eksperimentalnim podacima uz grafički prikaz i linearnog i kvadratnog modela. U petom poglavlju izvedeno je optimiranje odzivne površine iz prethodnog poglavlja. Teorijski su opisane osnove optimizacije te potrebe za optimizacijom tehnoloških procesa. Opisane su i metode kojima će se vršiti optimiranje, metode genetskog algoritma i simuliranog žarenja. Pri određivanju minimalne te maksimalne vrijednosti pogonske snage korišteni su programi Design Expert i MATLAB. Za oba slučaja razmatrane su granične vrijednosti unutar i izvan područja eksperimentalnog prostora (unutar i van „kocke“ centralno kompozitnog plana pokusa), te su prikazani dobiveni parametri obrade uz pripadajuću vrijednost pogonske snage.

U ovom radu opisan je postupak generiranja i optimizacije rasporeda zaposlenika tvrtke korištenjem genetskog algoritma. Općenito, evolucijsko računanje već se dugo koristi za rješavanja ovakvih tipova problema gdje je potrebno pretraživati velika područja svih mogućih rješenja u najkraćem mogućem roku. Budući da su takvi optimizacijski problemi najčešće kompleksnosti "NP-hard", "brute force" pristup nije primjenjiv jer obično košta previše procesorskog vremena. U rješavanju našeg problema koristili smo sve genetske operatore (selekcija, križanja i mutacija), dok je za potrebe implementacije razvijena aplikacija u programskom jeziku Java. Dobiveni rezultati u gotovo svim slučajevima predstavljaju optimalna rješenja (rasporede), a kada nije moguće doći do optimalnog rješenja, naš pristup daje jedno ili više rješenja koja su najbliža traženom optimumu. Pojedini genetski operatori i dobiveni rezultati opisani su u nastavku.

U ovom radu opisan je postupak generiranja i optimizacije rasporeda zaposlenika tvrtke korištenjem genetskog algoritma. Općenito, evolucijsko računanje već se dugo koristi za rješavanja ovakvih tipova problema gdje je potrebno pretraživati velika područja svih mogućih rješenja u najkraćem mogućem roku. Budući da su takvi optimizacijski problemi najčešće kompleksnosti "NP-hard", "brute force" pristup nije primjenjiv jer obično košta previše procesorskog vremena. U rješavanju našeg problema koristili smo sve genetske operatore (selekcija, križanja i mutacija), dok je za potrebe implementacije razvijena aplikacija u programskom jeziku Java. Dobiveni rezultati u gotovo svim slučajevima predstavljaju optimalna rješenja (rasporede), a kada nije moguće doći do optimalnog rješenja, naš pristup daje jedno ili više rješenja koja su najbliža traženom optimumu. Pojedini genetski operatori i dobiveni rezultati opisani su u nastavku., This paper describes the process of generating and optimizing company employee schedules using genetic algorithm. In general, evolutionary computing has long been used to solve these types of problems where it is necessary to search large areas of all possible solutions in the shortest possible time. Since such optimization problems are most often of "NP-hard" complexity, the "brute force" approach is not applicable because it usually costs too much CPU time. In solving our problem, we used all genetic operators (selection, crossover, and mutation), while for the needs of implementation, an application in the Java programming language was developed. The obtained results in almost all cases represent optimal solutions (schedules), and when it is not possible to reach the optimal solution, our approach gives one or more solutions that are closest to the required optimum. The individual genetic operators and the obtained results are described below.

V sodobnem svetu se ljudje soočamo z veliko negotovostjo glede izbire prehrane in diete. Poleg tega obstaja tudi pomanjkanje kvalitetnih podatkovnih baz receptov, ki bi jih lahko načrtovalci uporabili za sestavljanje jedilnikov. V magistrskem delu smo se zato lotili dveh problemov. Najprej smo se soočili s težavo pomanjkljivih baz receptov, kjer smo poskusili receptom pripisati hranilne vrednosti zgolj na podlagi imen in količin sestavin. Potem smo določili tudi zasnovo ustreznega načrtovalca, kjer lahko uporabnik z vpisom želenih sestavin na prednostni seznam neposredno vpliva na vsebino jedilnika. Poleg tega ima tudi nadzor nad številom obrokov, skupnimi hranili ter zamenjavo jedi, če uporabniku posamezna sestavina v jedi ne ustreza. Na spremenjeni bazi smo implementirali štiri algoritme za načrtovanje tedenskega jedilnika. Prvi je popolnoma naključen. Drugi je verjetnostni in temelji na utežeh, ki se izračunajo glede na ustreznost hranilnih vrednosti jedi ter ujemanj sestavin receptov s prednostnim seznamom. Tretji temelji na nenegativni matrični faktorizaciji. Četrti, ki se odreže najboljše, je načrtovalec z uporabo genetskih algoritmov. Načrtovalce smo ocenili s štirimi normaliziranimi merami. Ocena hranilnih vrednosti oceni delež zadoščenih tedenskih hranil. Ocena prednostnega seznama določi delež porabljenih sestavin iz prednostnega seznama, kot ga določi uporabnik. Ocena heterogenosti oceni delež različnih parov sestavin. Ocena raznolikosti oceni delež različnih jedi v istih ali zaporednih dnevih v tednu. Pri maksimalni vrednosti 4 je skupna ocena naključnega načrtovalca 2.9, verjetnostnega 2.97, nenegativne matrične faktorizacije 2.54 ter genetskega načrtovalca 3.82. In the modern world, we are faced with a lot of uncertainty when trying to choose appropriate meals and diets. This, combined with a lack of good recipe databases motivated our masters thesis work. First we formulated a procedure that equips recipes with nutrition data based solely on ingredient names and their quantities. Then, we also formulated some guidelines for a good algorithmic meal planner where the user can specify ingredients they want to consume via a preference list. Besides that, the user can also change the settings for the number of meals, cumulative nutrients and even swap out a meal if they don't like it. On the changed database we have implemented four algorithms that recommend a weekly meal plan. First is completely random. Second is probabilistic and is based upon weights that are determined by nutrients and ingredients that are used from the preference list. The third one is based on non-negative matrix factorisation. The fourth and highest scored is a meal planner based on genetic algorithm. We evaluated the recommenders with four normalised scores. First is the nutrient score which determines the fraction of satisfied weekly nutrients. Second is a preference list score which determined the percentage of ingredients used from the preference list. Third is heterogeneity score which determines the fraction of different pairs of ingredients. The fourth score determines the fraction of different meals in the same or consecutive days. With a maximum of 4, the joint score of the random recommender is 2.9, probabilistic recommender 2.97, non-negative matrix factorisation 2.54 and the genetic recommender 3.82.

Problem raspoređivanja vozila s vremenskim prozorima (DARP) je važan logistički NP-težak problem koji je začet kao verzija Problema usmjeravanja vozila (VRP), koji je pak podvrsta vrlo poznatog računalnog problema, Problema trgovačkog putnika (TSP). U ovom radu istražuju se stohastične metode optimizacije DARP-a, specifično genetski algoritmi. Genetski algoritmi iz obitelji Evolucijskih algoritama su se kroz nedavnu povijest pokazali kao važan alat moderne računarne znanosti u optimizaciji teških problema. Inspirirani prirodnom selekcijom, na razne načine imitiraju mehanizme preživljavanja najbolje prilagođenih jedinki jedne vrste, i odumiranja onih manje prilagođenih. U ovom radu primijenile su se neke generalne metode genetskih algoritama, ali su se razvile i nove metode specifične ovom problemu kako bi se dodatno proučio i unaprijedio proces optimizacije. Iskušane su različite verzije genetskih algoritama, te su se usporedili i komentirali dobiveni rezultati. Istražene su prednosti i mane ovakve optimizacije, te su postignuti rezultati uspoređeni s postojećim rezultatima drugih metoda. Implementirane su i jednostavne heuristike za optimizaciju, te su uspoređene s radom genetskih algoritama. Komentirana su i područja za poboljšanje metoda korištenih u ovom radu, kao i smjernice za budućnost. Dial-a-ride problem (DARP) is an important logistic NP-hard problem that was concieved as a version of the Vehicle Routing Problem (VRP), which is a subtype of a famous computer science problem, the Traveling Salesman Problem (TSP). In this thesis we explore stohastic methods for optimizing DARP, specifically the Genetic Algorithms. Genetic Algorithms, from the family of Evolutionary Algorithms, have in recent history proved themselves an important tool in modern computer science in optimizing hard problems. Inspired by natural selection, they imitate survival mechanisms of best adjusted individuals of a species in various ways, and also the mechanisms that deny less adjusted individuals reproduction and survival. Some general methods were used in genetic algorithms were applied in this thesis, but also some new methods specific to this problem were developed in order to additionaly explore and improve upon the optimization process. Various versions of genetic algorithms were tried, and the results were compared to the existing results of other methods. Also, simple heuristic methods were implemented, tested, and compared to the performance of genetic algorithms. Areas to improve this implementation were discussed, as well as points for the future.

V naravi lahko en sam ovčar zbere in vodi čredo več sto ovc, ljudje pa si želimo zbirati, voditi ali preusmerjati tudi druge vrste živali. V bližini letališč imajo letala pogosto težave z jatami ptic, ki letalom med drugim povzročajo škodo na motorjih ali celo strmoglavljanja. V ta namen so že mnogi raziskovali različne modele vodenja s pomočjo umetne inteligence, da bi se podobnih problemov lahko lotili z roboti ali droni. Uporaba pametnih ovčarjev bi lahko prav prišla tudi pri zbiranju razlite nafte na vodi ali pri vodenju panične množice ljudi na varno v kriznih situacijah. V tem delu študiramo različne modele gibanja ovc, razvijamo model vodenja in ga še izboljšamo z metodami umetne inteligence. Pri tem predlagamo rešitve za različne težave, ki se pri učenju pojavljajo. Razviti želimo namreč model, po katerem ovčarji kar se da hitro v stajo prepeljali celotno čredo. Osnovnemu modelu vodenja najprej dodamo sodelovanje več ovčarjev, nato najdemo dobre parametre modela za izbrane velikosti črede in število ovčarjev. Na koncu razvijemo model, pri katerem se na podlagi izbranih informacij ovčar sproti odloča o vrednostih parametrov. In the wild, a single shepherd can gather and lead a herd of hundreds of sheep, and people want to collect, lead or divert other species of animals as well. In the vicinity of airports, aircraft often have problems with flocks of birds, causing them damage to their engines or even crashes. Many have already researched various models of guidance using artificial intelligence in order to be able to tackle similar problems with robots or drones. The use of smart shepherds could also come in handy when collecting spilled oil on the water or when leading a panicked crowd of people to safety in crisis situations. In this part, we study different models of sheep movement, develop a management model and further improve it with artificial intelligence methods. We propose solutions to various problems that arise in learning. Namely, we want to develop a model according to which shepherds transport the entire herd to the stable as quickly as possible. We first add the participation of several shepherds to the basic management model, then we find good model parameters for the selected herd sizes and number of shepherds. Finally, we develop a model in which the shepherd decides on the values of parameters on the basis of selected information.

Tema diplomskog rada je primjena genetskih algoritama i simuliranog žarenja u optimiranju parametara obrade kod uzdužnog tokarenja. U uvodu je ukratko opisana važnost projektiranja tehnološkog procesa. U drugom poglavlju teoretski su obrađeni parametri tehnološkog procesa i kvaliteta obrađene površine. U trećem poglavlju opisana su osnovna načela projektiranja tehnološkog procesa. Četvrto poglavlje bavi se eksperimentima koji su provedeni u diplomskom radu. U radu je primjenjen centralno kompozitni plan eksperimenata te je detaljnije opisan. Matematički model dobiven je metodom odzivne površine pomoću programa Design Expert. U ovom poglavlju prikazan je postupak dobivanja matematičkog modela, te 3D prikazi hrapavosti obrađene površine u ovisnosti o parametrima obrade. Također, dobivena jednadžba odzivne površine testirana je na 24 dodatna eksperimenta koji su provedeni unutar područja eksperimenta, ali u drugim mjernim točkama. U petom poglavlju izvedeno je optimiranje matematičkog modela iz četvrtog poglavlja. Najprije su teoretski opisane metode optimizacije i njihova podjela. Zatim su detaljnije opisane metode genetskog algoritma i simuliranog žarenja, kao metode kojima će se vršiti optimiranje. Za optimizaciju je korišten programski paket Mathlab. Na kraju su prikazani optimalni parametri obrade za kontinuirane nezavisne varijable, te vrijednost hrapavosti površine za iste parametre.

Doktorska disertacija se ukvarja z razvojem metodologije za določanje natančnosti obdelave z uporabo robota. Zaradi prilagodljivosti so industrijski roboti lahko alternativa namenskim strojem, posebej kadar gre za velike obdelovance ali obdelavo netipičnih ali mehkejših materialov. Težava je, da proizvajalci za industrijske robote natančnost robota po celotnem delovnem prostoru podajajo preveč ohlapno. V doktorski disertaciji smo predstavili pristop, ki omogoča določitev statičnih, kinematičnih in dinamičnih lastnosti robota z uporabo analitičnih, numeričnih in eksperimentalnih metod. Analitične metode smo uporabili za določitev gibljivosti in vztrajnosti robota, numerične metode za določitev strukturne togosti in eksperimentalne metode za določitev dušenja in prisotnosti resonančnega stanja sistema ter za kalibracijo numeričnega modela za določitev strukturne togosti robota. S polinomsko regresijo smo vzpostavili nadomestne modele, ki posamezno lastnost povežejo s pozo robota. Poze robota za izdelavo reprezentativnih izdelkov smo poiskali s pomočjo statističnih in nedeterminističnih metod. Izbrali smo Taguchi zasnovo eksperimenta, ki pri obvladljivem obsegu meritev najbolje zadosti pogoju pravokotnosti in omogoča, da se posamezna lastnost robota izrazi neodvisno od drugih. Meje eksperimenta smo določili z večkriterijskim dvojnim genetskim algoritmom z uteženimi ciljnimi kriteriji. Eksperimente rezkanja z robotom smo izvedli v prilagojeni celici. Na podlagi CMM-meritev kakovostnih kriterijev izdelkov smo določili vpliv gibljivosti, strukturne togosti, dušenja, vztrajnosti in prisotnosti resonančnega stanja na natančnost obdelave z robotom. Za kakovostne kriterije smo uporabili ploskost izdelane površine, najmanjši, srednji in največji premer izdelane luknje na treh nivojih ter krožnost, valjnost in ravnost srednjice luknje. Ugotovili smo, da je znotraj eksperimentalno opisanega področja natančnost obdelave z robotom odvisna od vseh obravnavanih dejavnikov. The doctoral dissertation deals with the development of a methodology for determining the accuracy of robotic machining. Due to their adaptability, industrial robots can be an alternative to specialized machines, especially when dealing with large workpieces or machining atypical or softer materials. The problem is that for industrial robots, manufacturers give robot accuracy throughout the workspace very loose. In the doctoral dissertation, we proposed an approach that allows the static, kinematic and dynamic properties of a robot to be determined by the use of analytical, numerical and experimental methods. Analytical methods were used to determine the manipulability and inertia of the robot, numerical methods were used to determine the structural stiffness, while experimental methods were used to determine damping and presence of the resonant state and to perform calibration of the numerical model for structural stiffness of the robot. With polynomial regression, we have established surrogate models that associate an individual property with the robot posture. Using statistical and non-deterministic methods, we searched for the relevant poses of the robot to machine a set of representative products. We chose the Taguchi experimental design, which in a manageable range of measurements best suits the orthogonality condition and allows an individual property of the robot to be expressed independently of the others. A multi-criteria dual genetic algorithm with weighted target criteria was used to determine the limits of the experiment. Robotic machining experiments were performed in a custom cell. Based on CMM measurements of product quality criteria, we determined the influence of manipulability, structural stiffness, damping, inertia, and the presence of a resonant state on the accuracy of robotic machining. For the quality criteria, we used sixteen different geometrical and dimensional part properties. We found that within the experimentally described region, the robotic machining accuracy depends on all the considered factors.

U ovom radu opisane su osnove genetskih algoritama, njihovi sastavni dijelovi, te način njihovog funkcioniranja. Objašnjena je podjela evolucijskog računarstva, grane umjetne inteligencije u koju genetski algoritmi spadaju. Zatim je opisan problem usmjeravanja vozila, te je ostvaren i opisan genetski algoritam za rješavanje spomenutog problema. Provedeno je testiranje s različitim parametrima algoritma, te je prikazana analiza rezultata. In this document basics of genetic algorithms are described, their integral components, and the way they work. Evolutionary computation is described, a branch of artificial intelligence to which genetic algorithms belong, Next, vehicle routing problem is described, and the genetic algorithm for solving the given problem is implemented and described. Testing with different algorithm parameters was performed and an analysis of the results is presented.

U ovom radu objašnjeni su pojmovi kvantnih računala, evolucijskih algoritama i protokola kvantne distribucije ključeva. Pojašnjeni su trenutni problemi prilikom stvaranja takvih protokola te mogućnost njihove optimizacije korištenjem evolucijskih algoritama. Navedena je realizacija optimizacije protokola kao i rezultati njezinog izvođenja. Uz rad su priložene tablice i grafovi svih rezultata te je na kraju dan popis literature i izvorni kod. This paper explains the concepts of quantum computers, evolutionary algorithms, and quantum key distribution protocols. The current problems in creating such protocols and the possibility of their optimization using evolutionary algorithms are explained. The realization of protocol optimization is stated, as well as the results of its implementation. Tables and graphs of all results are attached to the paper, and in the end a list of literature and source code is given.

Problem pridruživanja uparuje elemente iz dva skupa. Svaki od elemenata iz jednog skupa rangira na svojoj prioritetnoj listi elemente iz drugog. Uobičajen problem pridruživanja u nastavnim procesima je pridruživanje studenata grupi. Grupa pri tome može označavati projekt, mentora, poziciju, smjer i slično, a za sve je zajedničko da imaju ograničeni broj mjesta. Prioritetne liste pojedinih studenata su međusobno različite i mogu biti nepotpune. U ovoj disertaciji grupe koriste zajedničku prioritetnu listu – glavni popis u kojem su rangirani svi studenti prema bodovima koje su ostvarili. Nepotpune prioritetne liste koje su izradili studenti u kombinaciji s ograničenim brojem slobodnih mjesta u grupama rezultira nepridruženim studentima. Cilj doktorske disertacije je istražiti problem pridruživanja s prioritetnim listama u nastavnim procesima, a temelji se na pretpostavci da je primjenom ekspertnog znanja o studentima i samom nastavnom procesu moguće razviti nove metode za kvalitetnije pridruživanje studenata. Nova predložena metoda odabira redoslijeda elemenata koristi ekspertna znanja izrade glavnog popisa, a uvodi i novi neizrazit pristup koji pretpostavlja jednakost u rangu dva studenta čak i kada postoji mala razlika u njihovim bodovima. Rezultat nove metode je značajno smanjivanje nepridruženih studenata do 10% uz zadržavanje važnosti poretka studenata na glavnom popisu. Nova predložena metoda pridruživanja nepridruženih studenata koristi znanje dobiveno iz odabira drugih studenata pomoću kojeg se kreira proširena prioritetna lista. Drugačija je za svakog studenta, a sadrži listu grupa koje student nije odabrao na svojoj prioritetnoj listi, poredanu kako bi to on najvjerojatnije sam napravio. Predložena metoda omogućava pridruživanje grupe bolje rangiranim studentima kada na izrađenoj prioritetnoj listi studenta više nema odabranih grupa. Rezultira pridruživanjem bolje rangiranih studenata u popularnije grupe i smanjuje broj studenata kojima su grupe odabrane slučajnim odabirom. Obje metode predstavljaju središnji dio novog modela raspodijeljenog rješavanja problema pridruživanja. Model je definiran s četiri nova predložena algoritma, a temeljni je (i) Algoritam strogog jednostrukog pridruživanja s glavnim popisom (i). On je proširen s dodatna tri algoritma: (ii) Algoritam višestrukog pridruživanja s glavnim popisom, (iii) Algoritam višestrukog pridruživanja s glavnim popisom i višeslojnom prioritetnom listom te (iv) Algoritam jednostrukog pridruživanja grupiranih elemenata. Analiza rezultata predloženog modela na primjeru podataka predmeta Seminar Fakulteta elektrotehnike i računarstva za više od 500 studenata i više od 200 projekata pokazala je poboljšanje kvalitete pridruživanja za 25% studenata u odnosu na Algoritam odgođenog prihvaćanja koji se smatra jednim od temeljnih algoritama za rješavanje problema pridruživanja. Kvaliteta pridruživanja obuhvaća manji broj nepridruženih studenata – 10%, te smanjenje broja nasumično pridruženih studenata grupama za više od 15%. Model je definiran i u raspodijeljenim sustavima – arhitekturom agenata, a poboljšanje koje ostvaruje implementacija u vidljiva je kako u kvaliteti rješenja, tako i u brzini dolaska do njih. Izrađeni prototip modela primijenjen je na sedam primjera problema u nastavnik aktivnostima čime je potvrđen teorijski dio disertacije. Rad ne sadrži sažetak na drugom jeziku.

V naravi lahko srečamo veliko različnih oblik skupinskega vedenja kot so jate ptic ali rib, črede pašnih živali in roji insektov. Ker je natančno modeliranje vedenja živali in njihovega naravnega okolja zelo kompleksno, si pri raziskovanju evolucije skupinskega vedenja pomagamo s poenostavljenimi modeli živali in okolja. Iz njih želimo izluščiti zakonitosti, pravila in znanja zakaj in kako do takega vedenja pride. Pri teh modelih raziskovalci največkrat opazujejo lastnosti in značilnosti, kot so na primer, kakšen je prenos informacije med entitetami, kako združevanje v skupino vpliva na obrambo pred plenilci in na hranjenje, kakšni režimi vedenja se razvijejo ter kakšen je proces odločanja skupine glede na različne situacije (oblike habitata, razmerje različnih plenilcev). V naši magistrski nalogi smo se odločili razširiti model in analizo, ki so jo opravili Demšar in sodelavci [doi: 10.1371/journal.pone.0168876, 10.1038/srep39428]. Pri tem smo se osredotočili predvsem na to kako oblika habitata, razmerje različnih plenilcev, lokacija pojavitve plenilca in tip simulacijske zanke, vpliva na razvoj štirih različnih režimov vedenja skupine: močno usklajeno gibanje, kroženje okoli praznega jedra, neusklajeno prepletanje in režim tranzicije. Za oblike habitata smo poleg že implementiranih kroga in kvadrata, implementirali še obliko neskončne mreže in poligona. Pri lokaciji pojavitve plenilca smo poleg pojavitve izven habitata, analizirali še vpliv pojavitve plenilca znotraj habitata. Na koncu smo še primerjali vpliv različnih implementacij asinhrone simulacijske zanke v nasprotju s sinhrono simulacijsko zanko. V primeru različnih simulacijskih zank nas je zanimalo predvsem, ali tudi na našem modelu držijo zadnje ugotovitve na tem področju, da asinhronost v simulacijski zanki povečuje verjetnost za pojav močno usklajenega gibanja. In nature we can find various shapes of collective behavior such as flocks of birds, schools of fish, swarms of insects and herds of grazing animals. In research of evolution of group behavior accurate modelling of animal behavior and their natural habitat is to complex therefor we help ourselves with simplified models of animals and their habitats. We try to find different rules, properties and knowledge as to why and how collective behavior came to evolve. In these models, researchers mostly investigate various properties of collective behavior like: transfer of information between entities, benefits of grouping (defense against predators and foraging), group behavior types and group decision-making processes based on different situations (different habitats or ratio of different predators). In our master thesis we expanded the model and analysis of Demšar and co-workers [doi: 10.1371/journal.pone.0168876, 10.1038/srep39428]. We were mostly focused on how different shapes of habitats, ratio of different predators, spawn locations of predators and type of simulation loop influence development of four different types of group behavior regimes: polarized, milling, swarming and transition. We implemented two additional habitats, infinite lattice and polygon to add to the set of already implemented circle and square. We also analyzed how spawning predators within living areas differentiates from spawning predators outside of a living area. At the end we also compared the effects of different implementations of asynchronous simulation loop in comparison to synchronized simulation loop. We were especially interested if the latest findings in this field, that asynchronous simulation loop increases the chance for strongly polarized regime to evolve is also true for our model.

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.

Računanje časovne zahtevnosti sodi med osnovne naloge področja analize algoritmov, s katero želimo pridobiti funkcijo, ki nam za dano velikost problema napove, koliko časa se bo algoritem izvajal. Teoretična analiza je pogosto zahtevna, poleg tega ima še nekatere druge pomanjkljivosti, zato si lahko pomagamo z empirično analizo časovne zahtevnosti, na kar smo se osredotočili v tem delu. Razvili smo postopke, ki omogočajo analizo rezultatov meritev, torej podatkov, ki jih pridobimo z izvajanjem algoritmov na nalogah različnih velikosti. Analiza vrne ocenjen razred časovne zahtevnosti ter zapis funkcije v simbolični obliki. Razvili smo novo metodo za detekcijo slabih meritev, ki temelji na analizi zaporednih točk. Uvedli smo novo metriko za primerjavo algoritmov med seboj. Uporabili smo tudi nekaj novih pristopov k že znanim metodam ter vse skupaj vgradili v obstoječi sistem za avtomatsko analizo algoritmov. Time complexity is known as one of the principal tasks of algorithm analysis the goal is to obtain a function which - for a given size of the problem - estimates how much time the algorithm execution will take. Theoretical analysis is often cumbersome and has other drawbacks as well. Thus, the empirical analysis of time complexity can be used, which is also the primary focus of this paper. We have developed procedures that allow us analysis of measurements - i.e. data -, which we obtain by running algorithms on problems of different sizes. The analysis provides us with an estimated time complexity class and function in symbolic form. We have developed a new method for detection of bad measurements, which is based on analysis of consecutive points, and introduced new metrics for algorithm comparison. A few new approaches were intertwined together with existing methods, which was then, all together, integrated in the existing system for automatic algorithm analysis.

Uporaba strojnega učenja v računalniških igrah postaja vse bolj pogosta za razvoj vedenja inteligentih agentov. Najpogostejši pristop k problemu je uporaba spodbujevanega učenja, ki se je že večkrat izkazalo za učinkovito pri iskanju robustnih rešitev. V diplomski nalogi smo, kot alternativno rešitev, uporabili genetske algoritme, ki so kljub njihovi enostavnosti le redko uporabljeni za razvoj vedenja inteligentnih agentov. Učinkovitost implementacije smo primerjali s splošno razširjeno rešitvijo ML-Agents, ki je osnovana na spodbujevanem učenju. Primerjava med pristopoma je bila izvedena na dveh popularnih igrah, pod primerljivimi pogoji. Naši rezultati nakazujejo, da je uporaba genetskih algoritmov smiselna za enostavnejše scenarije, medtem ko se v bolj kompleksnih primerih, ko je za reševanje danega problema zahtevano kompleksnejše vedenje, naša rešitev ni obnesla najbolje. Machine learning techniques are already commonly applied for developing the behaviour of intelligent agents in video games. Most commonly the development of agents is executed via reinforced learning, a relatively simple approach, capable of producing robust solutions to various learning challenges. In the presented thesis we tested whether genetic algorithms could be a viable alternative to reinforced learning. Even though genetic algorithms are very simple and easy to implement they have not seen much use when it comes to development of intelligent agents. To compare the quality of our genetic algorithms based solution, we compared it with ML-Agents, a widespread framework for development of intelligent agents, based on reinforced learning. The comparison of both learning methods. was executed on two popular games under comparable conditions. Our results suggest that genetic algorithms could represent a viable alternative to reinforced learning, but only in simple scenarios. When applied to more complex scenarios, our implementation of genetic results did not fare extremely well.

Zbog složenosti problema raspoređivanja ne postoji efikasan algoritam koji pronalazi optimalno rješenje unutar razumnog vremenskog ograničenja. Kako bi se taj problem riješio često se koriste genetski algoritmi. U radu je opisano okruženje nesrodnih strojeva i prikazano rješenje problema raspoređivanja u takvoj okolini korištenjem genetskih algoritama. Kako bi se došlo do rješenja bilo je potrebno prikazati jedinku, prilagoditi inicijalizaciju populacije i stvoriti nove genetske operatore križanja i mutacije. Nakon implementacije, novi prikaz je testiran i uspoređen sa već postojećim programskim rješenjima. Because of the complexity of scheduling problems, there is no efficient algorithm that finds an optimal solution within a reasonable time limit. Genetic algorithms are often used to solve this problem. The paper describes the environment of unrelated machines and shows the solution of the problem of scheduling in such environment using genetic algorithms. In order to reach the solution, it was necessary to create solution representation, adapt the initialization of the population and create new genetic crossover and mutation operators. After the implementation, the new solution representation was tested and compared with the existing software solutions.

Za rješavanje problema sa jako velikim prostorom pretraživanja potrebno je pronaći novo, drugačije rješenje, zbog trenutne velike vremenske i prostorne složenosti. U ovom radu, ostvareno je sakupljanje znanja sa jednostavnijih problema te njihovo ponovno korištenje u složenijim problemima. Navedena funkcionalnost ostvarena je korištenjem sustava LCS. Sustav je testiran na problemima multipleksora, većinskog bita, bita prijenosa i parnog pariteta. Pokazano je da sustav koristeći prethodno znanje probleme rješava bolje nego učenjem novih problema ispočetka. To successfully solve a large-scale problems there has been a need for a new, different approach, due to the large time and space complexity. In this work, knowledge extraction from smaller problems and its reuse in more complex problems has been achieved. The proposed functionality has been achieved on the LCS system. The system is tested on multiplexer problems, majority-on problems, carry problems and even-parity problems. It is shown that better results are achieved while using the extracted knowledge than when every problem is learned from scratch.

Genetski algoritmi su poznata i često korištena heuristička metoda za rješavanje optimizacijskih problema. Tema rada je primjena genetskih algoritama na generiranje velikih prostih brojeva koji imaju poseban značaj u kriptografiji. Dan je uvod u te- oriju prostih brojeva te metode koje se koriste za provjeru prostosti nekoga (velikog) broja. Prikazana je implementacija genetskog algoritma za generiranje prostih brojeva uz prikladan prikaz rješenja i genetske operatore. Rezultati su analizirani i prikazani grafički za različite parametre genetskog algoritma. Genetic algorithms are a well-known and frequently used heuristic method for sol- ving optimization problems. The theme of the paper is the application of genetic al- gorithms for generating large prime numbers that have special significance in crypto- graphy. An introduction to the theory of prime numbers and the methods used to check the primality of a large number are shown. The implementation of a genetic algorithm for generating prime numbers is presented with a convenient representation and gene- tic operators. The results were analyzed and graphically presented for different genetic algorithm parameters.

Za optimiziranje procesov, ki so v današnji industriji čedalje kompleksnejši in vedno bolj avtomatizirani, se ne moremo več zanašati na preproste izračune in izkušnje. Zato vedno pogosteje uporabljamo diskretne simulacije, ki predstavljajo digitalni dvojček realnega sistema. S pomočjo simulacije lahko preizkušamo različne scenarije, tudi povsem hipotetične, ne da bi motili realni sistem. Problem delavniške proizvodnje (angl. JSSP) predstavlja elementarno težavo planiranja zaporedja proizvodnje različnih naročil. Cilj optimizacije je bil najti zaporedje naročil, v katerem bodo vsi proizvodi končani v cim krajšem času. Naš 10-dimenzionalni problem smo optimizirali naključno in z genetskim algoritmom. Z obema metodama smo pridobili enak najboljši rezultat (2 d 8 h 44 min), kvalitativno pa smo lahko vrednotili le konvergiranega, ki ga je pridobil genetski algoritem. Ta se je izkazal kot dobro orodje simulacijske optimizacije, saj v kratkem času preveri veliko število permutacij, s pomočjo mutacij in križanja pa relativno hitro in z zadostno stopnjo gotovosti najde aproksimacijo optimalne vrednosti. Prav zaradi enostavnosti, hitrosti in relativne natančnosti ostaja med vodilnimi algoritmi optimizacije aplikativnih simulacij. Todays industrys increasingly complex and automated processes cannot be optimised efficiently only using simple equations and experiences. Therefore the use of discrete simulations is on the rise, presenting real systems with digital twins. Using a simulation we can test different scenarios, even hypothetical ones, without disturbing the real system. Job shop scheduling problem represents a basic production planning problem of different sets of products. The goal of optimisation was finding the sequence of orders that equates in the shortest possible production time. Our 10 dimensional problem was optimised using pseudo-random generated sequences and using genetic algorithm. Both methods produced same optimisation result (2d 8h 44min), but we were only able to qualitatively assess the converging result, that of genetic algorithm. The algorithm has proved itself to be very useful solving simulation optimisation problems, with its fast calculations including mutations and cross-overs. It produces approximate results of the optimal solution, which is usually sufficient for real life applications. Its simplicity, speed and relative accuracy place it amongst the most used simulation optimisation algorithms.

Pri izdelavi animacij, ki se uporabljajo predvsem pri izdelavi animiranih filmov, pogosto prihaja do problemov, ko je scena predstavljena s skupino premikajočih se objektov. Animiranje vsakega objekta oz. člana skupine je namreč časovno potratno, zato se v praksi uporabljajo simulacije, ki izračunajo gibanje skupine. Pri animiranju skupin, kjer se člani zavedajo sosedov v skupini in okolice, se za simulacijo lahko uporabi model kolektivnega gibanja. Simulacije prihranijo veliko časa pri delu, a z njihovo uporabo ni natančnega nadzora nad gibanjem posameznih članov. Simulacijo, ki uporablja model kolektivnega gibanja, lahko parametriziramo do te mere, da se animacija skupine izvede po naših željah. V tej nalogi so uporabljeni genetski algoritmi za izbiro optimalnih parametrov modela kolektivnega gibanja. Če poteka gibanje skupine brez trkov med člani ali z okolico, je videti takšno vedenje članov skupine bolj avtentično. Genetski algoritmi so bili uporabljeni tudi zato, da se je zmanjšal čas računanja simulacije. Implementiran je bil program za izvajanje takšnih simulacij, preverjen pa je bil na enostavnem scenariju, kjer se je skupina pojavila na določenem začetnem območju in se je morala mimo ovir premakniti do cilja. Z izdelanim programom so se izvajale simulacije z različnimi nastavitvami, za katere so se beležili trki in meril čas računanja posamezne sličice. Iz rezultatov je razvidno, da se lahko s tem programom izberejo optimalne nastavitve simulacije kolektivnega gibanja za uporabljen scenarij. S programom se lahko prepreči trke v simulacijah skupin z velikostjo do 340 članov. Zaradi uporabe genetskih algoritmov se je zmanjšal tudi čas računanja posamezne sličice simulacije. In the production of animated films, problems frequently arise in scenes with groups of moving objects. Animating each object or member of the group individually can be very time consuming, which is why simulations that calculate all the movements are normally used in practice. If group members need to be aware of other members and their surroundings, the most appropriate model for simulating the movement is a model of flocking behaviour. Such simulations save a lot of time at the expense of precise control over individual group members. To achieve the desired movement of the group, flocking simulation settings are iteratively changed until a satisfactory result is achieved. This thesis tests and evaluates the use of genetic algorithms for selecting the optimal parameters of simulated flocking. The aim was to simulate group movement without collisions between group members or with the surroundings to get an authentic animation of group members' behaviour. A programme for flocking simulations was implemented and tested on a short scenario. A group of objects scattered across a designated starting area had to pass an obstacle course to reach a final destination. The programme was run at different settings, and collisions and frame calculation times were recorded. The results show that the programme was able to set optimal parameters for flocking simulations in the scenario. Measurements show that groups of up to 340 members can be simulated without collisions using the programme. Additionally, the use of a genetic algorithm reduced the time needed to calculate the simulation.

Zbog svog značajnog uticaja na energetske performanse i cenu gradnje, oblik i položaj objekta predstavjlaju važne faktore u projektovanju zelenih zgrada. Međutim, zbog velikog broja promenljivih i složenosti funkcija cilja optimalno projektovanje energetski efikasnih zgrada spada u teške kombinatorne probleme višekriterijumske optimizacije. Stoga je neophodno opisati konstrukciju i njen položaj u okruženju što je moguće preciznije sa što manje promenljivih. Prikazano istraživanje bilo je usmereno ka iznalaženju podesne metodologije za definisanje geometrije i orijentacije date zgrade, kao i njenih elemenata koji su od značaja za analizu energetske efikasnosti. Kako se osnova zgrade predstavlja zatvorenim poligonom, razmatrani su i ocenjivani različiti vidovi opisivanja geometrije poligona u cilju utvrđivanja mogućih problema kao što su epistaza, do koje dolazi kad jedno rešenje „maskira“ druga, i kodni izomorfizam, što je pojava da se isto rešenje pojavljuje više puta opisano na različite načine. Stoga su upoređena dva vida opisivanja geometrije kako bi se utvrdio njihov uticaj na efikasnost i efektivnost pretrage oblasti definisanosti. U optimizacijski model su pored promenljivih vezanih za geometriju uključene i još neke karakteristike fasadnih zidova, kao što su veličina i tip prozora i nadstrešnice. Matematička formulacija problema zasnovana je na dve funkcije cilja, a to su uticaj na okolinu i ukupni troškovi tokom čitavog životnog ciklusa objekta. Mwtodologija je testirana na studiji slučaja, odnosno na primeru tipskog sprata poslovne zgrade petougaone osnove primenom višekriterijumskog genetskog algoritma.

U radu je opisan razvoj umjetne inteligencije na primjerima računalnih igara. Proučeno je korištenje genetskih algoritama za razvijanje težina i topologije umjetnih neuronskih mreža. Naučene mreže koriste se za stvaranje strategije igranja jednostavnih videoigara. Ostvaren je algoritam u okviru rada koji je onda ispitan na jednostavnim problemima. Analizirana je djelotvornost sustava i razmotreni su sljedeći mogući koraci za unaprjeđenje algoritma. In this paper we describe the influence of computer games on the field of artificial intelligence. We cover application of genetic algorithms on optimizing weights and developing structure of artificial neural networks. Trained networks are used to define playing strategies for simple videogames. We implemented the algorithm within the scope of this paper which is then tested on simple problems. We then analyzed it's efficiency and proposed some further improvements.

U ovom radu opisana je analiza mehaničkih učinaka struja kratkoga spoja na visokonaponske užetne sabirnice. Na temelju razvijenog fizikalnog modela izrađen je program KSUSAB koji računa ponašanje užetnih sabirnica u stacionarnom i dinamičkom stanju. Program je izrađen u programskom alatu MATLAB. Model i program KSUSAB su verificirani na mjerenom primjeru u verificiranom laboratoriju, a nakon toga su izvršene analize ovisnosti užetnih sabirnica o veličinu struje kratkoga spoja, faznosti kratkoga spoja, trajanja kratkoga spoja, postojanju APU i istovremenog djelovanja vjetra., This paper describes the analysis of the mechanical effects of short - circuit currents on high - voltage strain busbars. Based on the developed physical model, the KSUSAB program was developed, which calculates the behaviour of strain buses in stationary and dynamic state. The program was created in the MATLAB software tool. The KSUSAB model and program were verified on a measured example in a verified laboratory, after which analyses of the dependence of strain busbars on the magnitude of short-circuit current, short-circuit type, short-circuit duration, APU existence and simultaneous wind action were performed.

Hab lokacijski problemi, zbog brojnih primena u raznim oblastima realnog života, predstavlja važnu klasu problema optimizacije... Hub Location Problems (HLP) represent an important class of optimization problems due to their numerous applications in many areas of real life. They often arise from practical situations that require routing of the flow from origin node (supplier) to the destination node (customer) under given conditions, such that the value of considered objective function is optimal. Hubs are special objects (nodes in the network) that represent centres for consolidation and flow collection between two selected locations - suppliers and customers. As transportation costs (per unit of flow) along the links that connect hub nodes are lower compared to other links in the network, directing the flow to hubs may lead to significant reductions of transportation cost in the network...

Magistrsko delo obravnava napovedovanje vzporednih časovnih vrst s strojnim učenjem. Vzporedne časovne vrste so časovne vrste, katerih vrednosti se spreminjajo v času ob enakih časovnih intervalih, kot je npr. ura ali dan istočasno za vse časovne vrste. Primer take časovne vrste so borzni tečaji, kjer se za vsak vrednostni papir posebej tvori ena časovna vrsta vzporedno s časovnimi vrstami ostalih vrednostnih papirjev. Doprinos magistrske naloge je v novem kombiniranem algoritmu za napovedovanje vzporednih časovnih vrst, ki vsebuje genetski algoritem in nelinearno regresijo. Genetski algoritem je uporabljen za iskanje sita in nelinearne funkcije, ki opisujeta model. Za izračunanje neznanih koeficientov funkcije se uporablja numerična metoda nelinearne regresije. Novo predlagani algoritem je primerljiv glede točnosti in mere dobička z obstoječimi algoritma strojnega učenja. Prednost je da za vhodne podatke ne rabi posebnih predobdelav podatkov, dokler so le ti polni. Druga prednost je tudi, da ponuja razlago, kako so podatki odvisni med sabo. Slabost algoritma pa je njegova časovna potratnost, ki smo se ji v delu delno izognili s paralelizacijo. This master's thesis deals with the prediction of parallel time series with the use of machine learning. Parallel time series are time series whose values change over time at equal time intervals, such as hour or day simultaneously for all time series. An example of this type of time series are stock exchange rates, where for each security a single time series is created parallel to the time series of other securities. The contribution of this master's thesis is a new combined algorithm for predicting parallel time series that includes a genetic algorithm and non-linear regression. The genetic algorithm is used to find the sieve and for non-linear functions that describe the model. The numerical method of nonlinear regression is used to calculate unknown function coefficients. The new proposed algorithm is comparable in terms of accuracy and profit margin with existing machine learning algorithms. The advantage of the algorithm is that it does not need specific data preprocessing for input data as long as data are complete. Another advantage is that it offers an explanation on how data depend on one another. The downside is that the algorithm is time consuming, which was partly avoided with parallelism.

V zaključnem delu je predstavljen začetni del razvoja enofaznega motorja brez utorov, ki predstavlja enega od možnih motorjev, ki bi lahko bili uporabljeni v naslednji generaciji ročnih sesalnikov. Osrednji del naloge je analitični model za izbrano geometrijo in tip motorja. Na podlagi že izpeljanih enačb za izračun polja v zračni reži je bil analitično izračunan električni navor, inducirana napetost ter induktivnost glavnega navitja. Model omogoča tudi izračun izgub v bakru in železu. Preverjen je bil z MKE v programu Flux, ki je pokazal zelo dobro ujemanje. Rezultati elektromagnetnega modela služijo kot vhodi za v analitični termični model, ki je prav tako del naloge. Analitični model je bil uporabljen za optimizacijo motorja pri različnih kriterijih. Razvit je bil tudi tranzientni model, ki služi kot osnova za razvoj krmilnega algoritma in elektronike. V zadnjem poglavju je predstavljen še začetni koncept in prototipno tiskano vezje. The main part of the work is the analytical model of single phase slotless motor for the chosen geometry. Based on already derived equations for calculating the field in the air gap, the electric torque, induced voltage and the inductance of the main winding were analytically calculated. Calculation of copper and iron losses was also done. The model was checked by FEM in the Flux program, which showed a very good match. The results of the electromagnetic model serve as inputs to the analytical thermal model, which is also part of the work. The analytical model was used to optimize the motor for various criteria. A transient model was developed, which serves as a basis for the development of a control algorithm and electronics. In the final chapter, the initial concept of electronics, and PCB is presented.

V diplomskem delu predstavljamo pristop programiranja igralcev v večigralskih spletnih igrah, ki temelji na metodah strojnega učenja. Pokazati želimo, da lahko posameznim likom določimo poteze, ki jih lahko izvajajo, jim podamo informacije o njihovem okolju in jih prepustimo, da si na podlagi bojev s človeškimi igralci ustvarijo igralno taktiko. Pristopi, ki temeljijo na sprotnem strojnem učenju taktik likov, lahko zmanjšajo čas, porabljen za programiranje, hkrati pa omogočajo prilagajanje nasprotnikov taktikam igralcev brez dodatnega dela programerjev. Tako dobimo igralce, ki se čez čas izboljšujejo in so robustni na izkoriščanje uveljavljenih taktik s strani človeškega igralca. Osredotočili smo se na spodbujevano učenje in na evolucijske algoritme, saj sta oba pristopa primerna za sisteme, ki se učijo na podlagi številnih interakcij s človeškimi nasprotniki. Naše rešitve smo implementirali v igralnem pogonu Unreal Engine 4. In our thesis we present an approach for programming enemy characters in online multiplayer games that is based on machine learning algorithms. We wish to demonstrate, that it is possible to specify the available actions for specific characters, implement sensing of their environment and let them learn the tactics on their own, by fighting human players. Approaches based on machine learning have the potential to reduce the time needed for programming as well as enable the characters to adapt to current player tactics, without any additional programming. By using such programming methods we are able to create characters which get better over time and are not vulnerable to exploitation of established tactics by the players. We have focused mainly on reinforcement learning and evolutionary algorithms, because both approaches are suitable for use in systems that learn from numerous interactions with human players. We have implemented our prototype in the Unreal Engine 4 game engine.

Večkriterijski optimizacijski problemi so del vsakdana. Včasih jih uspemo rešiti sami, včasih pa so prezahtevni in za to potrebujemo pomoč. Dober pristop k reševanju večkriterijskih optimizacijskih problemov so genetski algoritmi. V tem delu se ukvarjamo z večkriterijskimi optimizacijskimi problemi z omejitvami. Najprej jih definiramo in opišemo njihovo rešitev - Pareto optimalno množico. Nato predstavimo genetske algoritme, si podrobneje ogledamo dva izmed njih, NSGA-II in MOEA/D ter pregledamo obstoječe načine obravnavanja omejitev v večkriterijski optimizaciji, s katerimi lahko genetske algoritme za večkriterijsko optmizacijo prilagodimo tako, da lahko obravnavajo tudi probleme z omejitvami. Na koncu predstavimo še dva testna večkriterijska optimizacijska problema z omejitvami, na njima preizkusimo prej predstavljena algoritma ter dva izmed načinov obravnavanja omejitev in rezultate interpretiramo. Multiobjective optimization problems are a part of everyday life. Sometimes we manage to solve them and other times they prove to be too difficult and we need help solving them. A good approach to solving multiobjective optimization problems are genetic algorithms. In this work we deal with constrained multiobjective problems. First we describe them and their solution - the Pareto front. Then we present genetic algorithms, desribe two of them, NSGA-II and MOEA/D, more in-depth and review existing constraint handling methods, that allow us to adapt existing multiobjective genetic algorithms for constrained multiobjective optimization. Finally we present two multiobjective constrained test problems, use them to test the beforementioned genetic algorithms and two of the constraint handling techniques, and interpret the results.

Sintezna in sistemska biologija sta interdisciplinarni znastveni vedi, ki združujeta področje biologije z matematiko in različnimi vedami inženirstva. Pri preučevanju obstoječih (sistemska biologija) in načrtovanju novih (sintezna biologija) bioloških sistemov se poslužujemo računalniškega modeliranja. Topologija opazovanega sistema je pogosto vnaprej znana. Kinetični parametri, ki so ključni za izvedbo simulacij pa so ponavadi nepoznani ali poznani zgolj delno. To se izkaže za problematično, saj enak model pri različnih naborih kinetičnih parametrov izkazuje bistveno drugačno delovanje. Pri analizi prostora parametrov se pogosto poslužujemo različnih metod iz družine metod za analizo občutljivosti. Žal se te metode izkažejo za problematične, ko je prostor dopustnih rešitev izrazito manjši od celotnega prostora rešitev in kadar ta prostor vsebuje večje število lokalnih ekstremov. V nalogi predstavimo metedologijo za analizo prostora kinetičnih parametrov visokodimenzionalnih bioloških sistemov, ki je primerna tudi za analizo sistemov, pri katerih obstoječe metode odpovedo. Predlagana metodologija temelji na vzorčenju prostora, združevanju dopustnih rešitev in zmanjševanju števila dimenzij v podatkih. Z uporabo metodologije lahko najdemo in analiziramo različne regije, ki se v prostoru dopustnih rešitev pojavljajo, identificiramo najrobustnejše območje ter dobimo občutek o velikosti in povezanosti prostora dopustnih rešitev kinetičnih parametrov. Metodologijo ovrednotimo na modelu biološkega represilatorja in modelu biološke pomnilne celice D s predpomenenjem. Izkaže se, da je prostor kinetičnih parametrov obeh modelov kompleksen, različni parametri pa imajo različno močan vpliv na odziv in delovanje sistema. Vpliv teh parametrov v naših analizah ovrednotimo in izpostavimo tiste, ki so za določeno dinamiko ključni. Pridobljeni rezultati imajo vpliv v širšem biološkem kontekstu, saj omogočajo določitev segmentov sistema, na katere se je potrebno pri nadaljnih raziskavah še posebej osredotočiti. Synthetic and systems biology combine branches of biology, mathematics and engineering. Computational modelling can be applied to the study of the existing (system biology) and design of new biological systems (synthetic biology). While the topology of the biological system is in many cases well-known, the values of kinetic parameters that are required to perform computational simulations are often missing or known only partially. This can prove to be problematic since the same biological system can exhibit entirely different behaviour with different parameter values. The analysis of parameter space often applies different sensitivity analysis methods. These methods, however, prove to be problematic, when the viable parameter space is much smaller than the whole parameter space, and when the parameter space exhibits several local extrema. We propose a novel computational framework that can also deal with the systems in which existing methods prove to be inefficient. The methodology is based on the exploration of the high-dimensional viable parameter spaces with sampling, clustering and dimensionality reduction techniques. This methodology allows us to efficiently investigate the viable parameter space regions, evaluate the regions which exhibit the largest robustness and gather new insights regarding the size and connectivity of the viable parameter space. We evaluate the proposed computational framework on the repressilator model and the model of biological master-slave D flip-flop. We show that the viable parameter space of both models is complex. Furthermore, different kinetic parameters have a differently strong influence on system behaviour and its dynamics. We evaluate these parameters and show what kind of effects they exhibit. Our results should prove to be useful to the biologists to pinpoint the segments of the system, which need to be focused more precisely to achieve desired dynamics in the context of synthetic biology or to gather new knowledge in the context of systems biology.

V nalogi je na podlagi podanih izhodišč in usmeritev podrobno predstavljen razvoj večkriterijske metode (metoda MCA) za analizo in določanje primernosti obravnavanih območij ali porečij za gospodarske rabe vode. Poudarek je na hidroenergetski rabi vode, ki je ena od najbolj aktualnih in tudi navzkrižnih s cilji doseganja dobrega stanja voda. Metoda MCA kot novost na tem področju vključuje postopek umerjanja vrednosti iskanih modelnih parametrov (modelnih spremenljivk) metode MCA. Umerjanje temelji na izboru podatkov za umerjanje, ki predstavljajo odseke ali območja, ki so primerni in neprimerni za analizirano vrsto gospodarske rabe vode, ter na izboru ciljne funkcije, s katero se ocenjuje uspešnost določenega seta izbranih vrednosti za iskane modelne parametre. Ker je lahko prostor rešitev velik, metoda predvideva tudi uporabo orodij za iskanje optimalnih rešitev ali blizu optimalnim rešitvam, kot so na primer genetski algoritmi. Razvita metoda MCA je uporabljena na treh vodotokih, kjer se je izkazalo, da je za učinkovito določitev odsekov vodotokov glede primernosti za hidroenergetsko rabo potrebno manj merodajnih indikatorjev, kot se je na začetku predvidevalo. Za ovrednotenje uspešnosti metode je v nadaljevanju izvedena primerjalna analiza, ki vključuje primere z različnimi izhodišči, kot so drugačen način določitve vrednosti modelnih spremenljivk, drugačna izbira podatkov za umerjanje ter drugačen način vrednotenja in ocenjevanja variant po določenem indikatorju. Dodatno je bila izvedena še primerjalna analiza na drugem vodotoku, na katerem so se primerjali rezultati z upoštevanjem umerjenih vrednosti modelnih spremenljivk z rezultati, ki so bili na tem vodotoku predhodno že pridobljeni in so upoštevali vrednosti modelnih spremenljivk, ki so bile določene na podlagi strokovne presoje s sodelovanjem deležnikov. V zaključku so podane razprava o glavnih ugotovitvah in uspešnosti razvite metode MCA, potrditev delovnih hipotez ter potreba po dodatni potrditvi in nadaljnjem delu. On the basis of the specified starting points and guidelines, the thesis presents in detail a development of a multi-criteria method (the MCA method) for analysing and determining the suitability of the examined areas or catchments for economic use of water. The emphasis is on hydropower use of water, which is one of the most topical uses, but also one which conflicts the most with the objectives of achieving good water status. As a novelty in this field, the MCA method comprises the process of calibrating the values of the searched model parameters (model variables) of the MCA method. The calibration is based on the selection of calibration data representing sections or areas that are suitable and unsuitable for the analysed type of economic water use, as well as on the selection of the objective function which is used to evaluate the performance of a particular set of selected values for the searched model parameters. Due to a large solution space, the method also foresees the use of tools for searching optimal or near-optimal solutions, such as genetic algorithms. The developed MCA method was applied to three watercourses, where it appeared that for efficient determination of watercourse sections regarding their suitability for hydropower use fewer relevant indicators were required than initially assumed. To evaluate the method performance, a comparative analysis is further carried out, which includes examples with different starting points, such as a different method of determining the values of model variables, different selection of calibration data and a different method for evaluating and scoring of variants by a given indicator. In addition a comparative analysis was also performed on other watercourse where results got by application of calibrated values of model variables were compared with results got by application of values of model variables which were previously defined by expert judgement and stakeholders’ involvement. The conclusion comprises a discussion on main findings and performance of developed MCA method, confirmation of working hypotheses and establishes the need for additional confirmation and further work.

Terminiranje v proizvodnji je postopek časovnega planiranja del in virov, s ciljem optimizacije procesa proizvodnje. Namen terminiranja je zmanjšanje časa izdelave, s čimer se poveča učinkovitost proizvodnje ob zmanjšanju celotnih stroškov. Na izbiro je veliko metod terminskega planiranja, ki se med seboj lahko zelo razlikujejo, zato je vselej prisotna dilema pri izbiri najprimernejše metode za dan proces. Namen diplomske naloge je najprej predstaviti proces terminiranja na splošno, k čemur je vključen tudi ekonomski vidik. Nato pa se naloga posveča opisu pogosto uporabljenih tradicionalnih metod (poudarek na prednostnih pravilih), ter njihovi alternativi - genetskim algoritmom. Razlike med metodama so, s pomočjo primerov, opisane v zaključnem komentarju. Z implementacijo ustreznega genetskega algoritma, se lahko v določenih kompleksnih primerih skrajša terminski plan, kar pripelje do korenitega zmanjšanja proizvodnih stroškov. Production scheduling is a process of arranging works and resources, with the aim of optimizing the production process. The purpose of scheduling is to reduce production time, thereby increasing production efficiency, while reducing the total cost. There are many known methods of sequencing jobs on machines, which can greatly differ from each other. This may cause a dilemma when choosing the most appropriate method for optimization of work process. The aim of diploma is firstly to present the process of scheduling in general, which also includes economic aspect of the process. Afterwards the text focuses on frequently used traditional methods (with the main focus on the priority rules) and their alternative – genetic algorithms. The differences between various methods are described in the last section, with the help of the two examples. By implementing an appropriate genetic algorithm, in some complex cases, the schedule can be shortened, leading to a radical reduction in production costs.

Ovaj rad bavi se pružanjem teorijskog uvoda o radu evolucijskih algoritama (EA) kao algoritama koji se mogu upotrijebiti za optimizaciju brojnih problema iz inženjerske struke. Područje istraživanja EA-ma nastaje unutar područja strojnog učenja kojem je cilj osposobljavanje računala za samostalno programiranje. Inspiraciju u svojem radu, EA-mi posuđuju od biološke evolucije prema teoriji Charlesa Darwina. Osnovnim skupinama EA-ma smatraju se: evolucijske strategije (ES), evolucijsko programiranje (EP), genetski algoritmi (GA) te genetsko programiranje (GP). Iznesena teorija o radu algoritama može se upotrijebiti za rješavanje vrlo velikog broja problema kod kojih je moguća primjena nekih od spomenutih algoritama, a upotreba navedene teorije demonstrirana je na primjerima rada GA i GP algoritma koji su dani na završetku ovoga rada. This thesis provides theoretical introduction of the way in which evolutionary algorithms (EAs) work and can be used regarding optimization of wide number of problems that engineers face. EA field of study has formed as part of machine learning, whose main goal is creating computers capable of self-programming. EAs borrow inspiration from biological evolution, which is a theory brought forward by Charles Darwin. Main members of EAs are: evolutionary strategies (ES), evolutionary programming (EP), genetic algorithms (GA) and genetic programming (GP). Theory about the way EAs work that is presented here, can be applied to very large number of problems and is also used on examples of GA and GP runs, given at the end of this thesis.

V diplomskem delu je predstavljen razvoj programa, ki omogoča preračun statično obremenjenih ravninskih paličnih konstrukcij in konstrukcij sestavljenih iz linijskih nosilcev. Predstavljena je metoda končnih elementov in uporaba le te v računalniškem programiranju. Pravilnost delovanja razvitega programa je potrjena z analitičnimi izračuni in s primerjavo s programskim orodjem Abaqus. Delo zajema tudi optimizacijo oblike paličnih konstrukcij z uporabo genetskih algoritmov in optimizacije z rojem delcev. Rezultati optimizacije so prikazani na različnih primerih. This diploma work describes development of software application for finite element method calculations of statically loaded planar trusses and frames. It explains finite element method and its usage in computer programming. The results of application are verified by analytical calculations and results provided by finite element software Abaqus. Developed application has implementation of optimization module for shape optimization of planar trusses. Optimization is done by using genetic algorithms or particle swarm optimization. Results of optimizations are shown on different models.