Primjena heurističkih metoda u mjeriteljstvu

Lojen, Stjepan (2016) Primjena heurističkih metoda u mjeriteljstvu. = The use of heuristic methods in metrology. Master's thesis (Bologna) , Sveučilište u Zagrebu, Fakultet strojarstva i brodogradnje, UNSPECIFIED. Mentor: Runje, Biserka.

Preview	Text Lojen_2016_Diplomski.pdf - Published Version Jezik dokumenta:Croatian Download (2MB) | Preview
	Text Lojen_Stjepan_autorska_izjava_diplomski_2016.pdf - Published Version Restricted to Repository staff only Jezik dokumenta:Croatian Download (473kB)

Abstract (Croatian)

Tema je ovog rada dati pregled i podjelu heurističkih metoda, odabrati tri različite metaheurističke metode, provesti optimizaciju problema (funkcije cilja) te na kraju usporediti i komentirati dobivene rezultate. Rad je podijeljen u pet poglavlja. U prvom je poglavlju dana definicija pojma optimizacije te podjela i usporedba egzaktnih i aproksimativnih metoda. U drugom je poglavlju dan pregled heurističkih metoda, koje su podijeljene na heuristiku specifičnih problema te na metaheuristiku. Nakon definirane razlike između tih dviju vrsta heurističkih metoda, dana je njihova detaljnija podjela. U trećem poglavlju opisane su neke od najpopularnijih lokalnih metaheurističkih metoda optimizacije, kao što su: metoda lokalnog pretraživanja, metoda simuliranog kaljenja, tabu pretraživanje, GRASP metoda te metoda Monte Carlo. U poglavlju nakon toga opisane su neke od najpopularnijih globalnih metaheurističkih metoda optimizacije, kao što je genetski algoritam, optimizacija kolonijom mrava, optimizacija rojem čestica te optimizacija rojem pčela. Sljedeće poglavlje (poglavlje 5) zapravo je srž ovoga rada jer su u njemu implementirane metaheurističke metode kroz softver Matlab - trial version. Ovo poglavlje se sastoji od: objašnjenja pojma računalne tomografije i industrijske računalne tomografije, prikaza i opisa jednadžbe funkcije cilja te njenih ograničenja, implementacije metode genetskog algoritma, metode optimizacije rojem čestica i metode optimizacije kolonijom umjetnih pčela te usporedbe dobivenih rezultata.

Abstract

The aim of this work is to give a review of the division of heuristic methods, to choose three different metaheuristic methods and to carry out the optimization of the problem (objective function) and, finally, to compare and comment on the results. The paper is divided into five chapters. The first chapter introduces the definition of optimization and classification and the comparison of exact and approximate methods. The second chapter gives an overview of heuristic methods, which are divided into heuristics of specific problems and Metaheuristics. After the difference between these two types of heuristic methods has been defined, the paper presents the division in more detail. The third chapter describes some of the most popular local metaheuristic optimization methods, such as local search method, method of simulated annealing, tabu search, GRASP method and Monte Carlo method. The fourth chapter describes some of the most popular global metaheuristic optimization methods, such as genetic algorithm, ant colony optimization, particle swarm optimization and bee swarm optimization. The next chapter (Chapter 5) is the core of this work because it implements metaheuristic methods through software Matlab - trial version. This section consists of a brief explanation of the concept of computed tomography and industrial computed tomography, an illustration and description of the equation objective function and its limitations, implementation of the genetic algorithm, particle swarm optimization and artificial bee colony optimization and by comparing the results obtained.

Item Type:	Thesis (Master's thesis (Bologna))
Uncontrolled Keywords:	heurističke metode; metaheurističke metode; Matlab - trial version; industrijska računalna tomografija; genetski algoritam; optimizacija rojem čestica; optimizacija rojem pčela; usporedba dobivenih rezultata
Keywords (Croatian):	heuristic methods; metaheuristic methods; Matlab - trial version; industrial computed tomography; genetic algorithm; particle swarm optimization; bee colony optimization; comparing the results obtained
Subjects:	TECHNICAL SCIENCE > Mechanical Engineering
Divisions:	800 Department of Quality > 810 Chair of Precise Measurement and Quality
Date Deposited:	02 Dec 2016 16:30
Last Modified:	14 Dec 2016 12:58
URI:	http://repozitorij.fsb.hr/id/eprint/7117

Actions (login required)

View Item