prikaz prve stranice dokumenta Rješavanje problema usmjeravanja električnih vozila korištenjem genetskih algoritama
Rad nije dostupan
diplomski rad
Rješavanje problema usmjeravanja električnih vozila korištenjem genetskih algoritama
2022. urn:nbn:hr:168:950335
Ovčariček, Marin
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Citirajte ovaj rad

Ovčariček, M. (2022). Rješavanje problema usmjeravanja električnih vozila korištenjem genetskih algoritama (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:950335

Ovčariček, Marin. "Rješavanje problema usmjeravanja električnih vozila korištenjem genetskih algoritama." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:950335

Ovčariček, Marin. "Rješavanje problema usmjeravanja električnih vozila korištenjem genetskih algoritama." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:950335

Ovčariček, M. (2022). 'Rješavanje problema usmjeravanja električnih vozila korištenjem genetskih algoritama', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 14.04.2024., https://urn.nsk.hr/urn:nbn:hr:168:950335

Ovčariček M. Rješavanje problema usmjeravanja električnih vozila korištenjem genetskih algoritama [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2022 [pristupljeno 14.04.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:950335

M. Ovčariček, "Rješavanje problema usmjeravanja električnih vozila korištenjem genetskih algoritama", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2022. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:950335

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:950335
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovRješavanje problema usmjeravanja električnih vozila korištenjem genetskih algoritama
Naslov (engleski)Solving electric vehicle routing problem using genetic algorithms
AutorMarin Ovčariček
MentorMarko Đurasević (mentor)
Član povjerenstvaMarko Đurasević (predsjednik povjerenstva)
Član povjerenstvaDomagoj Jakobović (član povjerenstva)
Član povjerenstvaŽeljka Mihajlović (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2022-07-06, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
U ovom radu predstavljen je problem usmjeravanja električnih vozila čije je rješavanje bitno za maksimiziranje profita uslužnih djelatnost te genetski algoritam kojime će se taj problem rješavati. Objašnjene su komponente i sam tok općenitog genetskog algoritma te prilagođene implementacije. U predanalizi su optimirani hiperparametri veličine populacije , stope mutacije, vrste križanja i vrste mutacije. S dobivenim vrijednostima uspoređene su performanse genetskog algoritma naspram običnog algoritma najbližeg susjeda po više kriterija. Na kraju se radi analiza i prikaz pada funkcije kazne kroz iteracije algoritma za razne tipove instanci. će se taj problem rješavati. Objašnjene su komponente i sam tok općenitog genetskog algoritma te prilagođene implementacije. U predanalizi su optimirani hiperparametri veličine populacije , stope mutacije, vrste križanja i vrste mutacije. S dobivenim vrijednostima uspoređene su performanse genetskog algoritma naspram običnog algoritma najbližeg susjeda po više kriterija. Na kraju se radi analiza i prikaz pada funkcije kazne kroz iteracije algoritma za razne tipove instanci.
Sažetak (engleski)
In this thesis Electric vehicle problem, a problem whose solution is important for maximizing profit of service activities is introduced along with Genetic algorithm which is used for solving it. Components and flow of a general Genetic algorithm and its implementation are explained. In the preanalisys phase population size, muta- tion chance, crossover and mutation hyperparameters are optimized. Resulting values are then used to compare the Genetic algorithm’s performance to one of basic Nearest neighbor algorithm by multiple criteria. Finally, analisys of cost function’s decline through iterations is performed on different types of instances.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:950335
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2023-01-14 09:37:40