<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://dk.um.si/IzpisGradiva.php?id=70946"><dc:title>Šahovski sistem rangiranja za primerjavo evolucijskih algoritmov večkriterijske optimizacije</dc:title><dc:creator>Ravber,	Miha	(Avtor)
	</dc:creator><dc:creator>Črepinšek,	Matej	(Mentor)
	</dc:creator><dc:subject>evolucijski algoritmi</dc:subject><dc:subject>večkriterijska optimizacija</dc:subject><dc:subject>sistem rangiranja</dc:subject><dc:subject>indikatorji kakovosti</dc:subject><dc:subject>uglaševanje parametrov.</dc:subject><dc:description>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.</dc:description><dc:publisher>M. Ravber</dc:publisher><dc:date>2018</dc:date><dc:date>2018-06-22 09:25:52</dc:date><dc:type>Doktorsko delo/naloga</dc:type><dc:identifier>70946</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>