Rezümékötet 2008. - vmtdk

More documents

Recommendations

Info

100 É L E T T E L E N T E R M É S Z E T T U D O M Á N Y O K É S M Û S Z A K I T U D O M Á N Y O K EVOLÚCIÓS ALGORITMUS Szerzõ: MUHI András III. évfolyam Témavezetõ: Dr. TAKÁCSI Árpád egyetemi tanár Intézmény: Újvidéki Egyetem, Mûszaki Tudományok Kara, Számítástechnika és Automatika Tanszék, Újvidék Optimizációs problémák kapcsán manapság gyakran találkozunk a függvényminimum meghatározásának problematikájával. Ilyen esetekben általában többváltozós függvényekkel találkozunk, melyek lokális minimumokat is tartalmaznak. Ezek globális minimumának megkeresése matematikailag igen összetett és hosszadalmas. A probléma tovább bonyolódik, ha szakadásos függvényekrõl van szó. Az evolúciós algoritmus Darwin fajfennmaradási elméletének alkalmazása függvények minimumának meghatározására. Eszerint a legéletképesebb egyedek fennmaradnak és szaporodnak, míg a kevésbé életképesek elhullanak. Az algoritmus lassú, nem garantál pontos eredményt, mégis gyakran használják. Az elõnye abban rejlik, hogy megkerüli az összetett matematikai számításokat, és nagy valószínûséggel megtalálja a függvény globális minimumát. Az evolúciós algoritmus egy egyszerûbb változatát programoztam meg Microsoft Visual Studio 2005 fejlesztõi környezetben C++ programnyelven. Tulajdonképpen egy több szálon futó konkurens programról van szó, melyben minden egyed egy szál (ang. „thread”). Az egyedek elhalálozását és új egyedek születését az egyes szálak megszûnésével és létrejöttével szemléltettem (szimuláltam). Minden egyes egyed tulajdonképpen a függvény értékét képviseli egy adott pontban, az egyedek „életképességét” pedig a függvény értéke határozza meg. Minél kisebb a függvény értéke egy adott pontban, az egyed annál életképesebb. Azok az egyedek maradnak fenn és szaporodnak, amelyek a függvény legkisebb értékét tartalmazzák (legéletképesebbek). Így jutunk el végül a függvény minimumához. Kulcsszavak: függvényminimum, evolúció, egyedek, konkurens program EVOLUTION ALGORITHM Author: András MUHI 3 rd year student Supervisor: Dr. Árpád TAKÁCSI professor Institution: University of Novi Sad, Faculty of Technical Sciences, Department of informatics and automatics, Novi Sad Concerning optimization-problems we often encounter the problem of finding the minimum of a function. In these cases we usually meet multi-variable functions which also have local minimums, and whose global minimums are hard to determine for it requires complex and time-consuming mathematical methods. The problem gets more complicated if the function has breaks. V I I . V A J D A S Á G I M A G Y A R T U D O M Á
É L E T T E L E N T E R M É S Z E T T U D O M Á N Y O K É S M Û S Z A K I T U D O M Á N Y O K The evolution algorithm is the application of Darwin’s theory about natural selection to find the minimum of a function. It says that the more vital specimens survive and reproduce, while the less vital ones disappear. The algorithm is slow and it does not guarantee precise results however it is used quite often. Its advantage lies in the fact that it does not use complex mathematical calculations and it finds the minimum of the function with great probability. The program is written in Microsoft Visual Studio 2005 on C++ language, based on a simplified version of the evolution algorithm. In fact it is a multi-thread application. The birth and death of the specimens is represented by creating and destroying some threads. Each specimen represents the value of the function at a given point. Vitality of a specimen is determined by the value of the function at a given point. The smaller the function value the bigger the vitality. Those specimens that contain the smallest values (the most vital) survive and reproduce. This way we get to the minimum of the function. Keywords: minimum of a function, evolution, specimens, multi-thread application EVOLUTIVNI ALGORITAM Autor: Andraš MUHI III godina studija Mentor: Dr Arpad TAKAÈI profesor Institucija: Univerzitet u Novom Sadu, Fakultet tehnièkih nauka, odsek: Raèunarstvo i automatika, Novi Sad U optimizacionim problemima èesto susreæemo problem pronalaženja minimuma neke funkcije. U ovakvim sluèajevima najèešæe se radi o funkcijama više promenljive koji sadrže lokalne minimume, kojima pronalaženje globalnog minimuma zahteva složene matematièke operacije. Problem se još usložnjava ako se radi o funkcijama koji sadrže prekide. Evolutivni algoritam je u suštini primena Darvinovog principa o evoluciji za pronalaženje minimuma funkcije, koji kaže da najvitalnije jedinke ostaju žive, dok manje vitalne jedinke propadaju. Vitalne jedinke se razmnožavaju. Algoritam je spor i ne garantuje taène rezultate, ali ipak se èesto koristi. Prednost je u tome da ne upotrebljava složene proraèune i sa velikom verovatnoæom nalazi minimum funkcije. U razvojnom okruženju Microsoft Visual Studio 2005 sam isprogramirao jednu jednostavniju varijantu evolutivnog algoritma na jeziku C++. Ustvari, radi se o jednom konkurentnom programu koji se sastoji od više niti. Roðenje i umiranje jedinki simulirano je stvaranjem i poništavanjem niti. Svaka jedinka predstavlja vrednost funkcije u datoj taèki. Vitalnost jedinke je odreðena vrednošæu funkcije. Što je manja vrednost funkcije u datoj taèki to je vitalnost veæa. Jedinke koje sadrže najmanje vrednosti funkcije (tj. one najvitalnije), prežive i razmnožavaju se. Na ovaj naèin dolazimo do minimuma funkcije. Kljuène reèi: minimum fukcije, evolucija, jedinke, konkurentni program N Y O S D I Á K K Ö R I K O N F E R E N C I A 101
Page 1 and 2:
7. Vajdasági Magyar Tudományos Di
Page 3 and 4:
Page 5 and 6:
Page 7 and 8:
R É S Z L E T E S P R O G R A M 19
Page 9 and 10:
14.15-14.30 . . . . Száraz Áron (
Page 11 and 12:
16.45-17.00 . . . . S z ü n e t R
Page 13 and 14:
M Û V É S Z E T E K Szekcióvezet
Page 15 and 16:
ELÕSZÓ A 7. Vajdasági Magyar Tud
Page 17 and 18:
A TDK-DOLGOZATOK ÖSSZEFOGLALÓI N
Page 19 and 20:
P L E N Á R I S T U D O M Á N Y O
Page 21 and 22:
Page 23 and 24:
Page 25 and 26:
Page 27 and 28:
Page 29 and 30:
Page 31 and 32:
É L Õ T E R M É S Z E T T U D O
Page 33 and 34:
Page 35 and 36:
Page 37 and 38:
Page 39 and 40:
Page 41 and 42:
Page 43 and 44:
Page 45 and 46:
Page 47 and 48:
Page 49 and 50: É L Õ T E R M É S Z E T T U D O
Page 59 and 60: É L E T T E L E N T E R M É S Z E
Page 99: É L E T T E L E N T E R M É S Z E
Page 103 and 104: T Á R S A D A L O M T U D O M Á N
Page 145 and 146: H U M Á N T U D O M Á N Y O K Thi
Page 147 and 148: H U M Á N T U D O M Á N Y O K The
Page 149 and 150: H U M Á N T U D O M Á N Y O K A T
Page 151 and 152:
H U M Á N T U D O M Á N Y O K A Z
Page 153 and 154:
H U M Á N T U D O M Á N Y O K MUZ
Page 155 and 156:
H U M Á N T U D O M Á N Y O K AZ
Page 157 and 158:
H U M Á N T U D O M Á N Y O K NÕ
Page 159 and 160:
H U M Á N T U D O M Á N Y O K AZ
Page 161 and 162:
H U M Á N T U D O M Á N Y O K LOV
Page 163 and 164:
H U M Á N T U D O M Á N Y O K TUM
Page 165 and 166:
H U M Á N T U D O M Á N Y O K SEM
Page 167 and 168:
H U M Á N T U D O M Á N Y O K the
Page 169 and 170:
H U M Á N T U D O M Á N Y O K der
Page 171 and 172:
H U M Á N T U D O M Á N Y O K nor
Page 173 and 174:
H U M Á N T U D O M Á N Y O K ADA
Page 175 and 176:
H U M Á N T U D O M Á N Y O K A K
Page 177 and 178:
H U M Á N T U D O M Á N Y O K A M
Page 179 and 180:
H U M Á N T U D O M Á N Y O K SZE
Page 181 and 182:
H U M Á N T U D O M Á N Y O K LJU
Page 183 and 184:
H U M Á N T U D O M Á N Y O K COS
Page 185 and 186:
H U M Á N T U D O M Á N Y O K VAL
Page 187 and 188:
M Û V É S Z E T E K JELFOLYAM (az
Page 189 and 190:
M Û V É S Z E T E K A NEMLÉT MIN
Page 191 and 192:
M Û V É S Z E T E K JEGYZETEK Sze
Page 193 and 194:
M Û V É S Z E T E K Techniques li
Page 195 and 196:
M Û V É S Z E T E K HANGVERSENY F
Page 197 and 198:
M Û V É S Z E T E K HALLUCINÁLOK
Page 199 and 200:
M Û V É S Z E T E K NEVESTA NOÆI
Page 201 and 202:
N Y O S D I Á K K Ö R I K O N F E
Page 203 and 204:
A VII. VMTDK-án AZ ALÁBBI FELSÕO
Page 205 and 206:
A V I I . V M T D K T U D O M Á N
Page 207 and 208:
V É D N Ö K E I N K : Tartományi
Page 209 and 210:
T A R T A L O M SÁGI Andor (Újvid
Page 211 and 212:
TÁRSADALOMTUDOMÁNYOK T A R T A L
Page 213 and 214:
BALOGH AUER N. Zita (Pécs) Az újr
Page 215 and 216:
show all

Rezümékötet 2008. - vmtdk

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?