Usporedba heuristiÄÂkih algoritama na problemima ... - Zemris - FER
Usporedba heuristiÄÂkih algoritama na problemima ... - Zemris - FER
Usporedba heuristiÄÂkih algoritama na problemima ... - Zemris - FER
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
3.6 <strong>Usporedba</strong> heurističkih <strong>algoritama</strong> <strong>na</strong> primjeru optimiranja<br />
realne funkcije jedne varijable<br />
3.6.1 Osnovne karakteristike uspoređivanih <strong>algoritama</strong><br />
Tablica 3.11 prikazuje <strong>na</strong>m osnovne karakteristike uspoređivanih <strong>algoritama</strong>.<br />
Heuristički<br />
algoritam<br />
Zapis eleme<strong>na</strong>ta<br />
prostora rješenja<br />
Heuristika<br />
Penjanje uzbrdo<br />
Broj s pomičnom<br />
točkom<br />
Susjedstvo čini n<br />
brojeva između<br />
prvog donjeg i<br />
prvog gornjeg<br />
susjeda trenutnog<br />
rješenja<br />
Simulirano<br />
Tabu<br />
Genetski<br />
kaljenje pretraživanje algoritam<br />
Bi<strong>na</strong>rni vektor Bi<strong>na</strong>rni vektor Bi<strong>na</strong>rni vektor<br />
Susjedstvo čine<br />
vektori koji se od<br />
danog razlikuju u<br />
jednom bitu<br />
Susjedstvo čine<br />
vektori koji se od<br />
danog razlikuju u<br />
jednom bitu a nisu<br />
u tabu listi<br />
Susjedstvo čini<br />
populacija koja se<br />
od dane formira<br />
križanjem<br />
Mehanizam<br />
konvergencije<br />
Mehanizam<br />
raspršenja<br />
Ulazni parametri<br />
Vraća <strong>na</strong>jboljeg<br />
od ispitanih<br />
kandidata i pamti<br />
njegove susjede<br />
U svakoj iteraciji<br />
interval <strong>na</strong> kojem<br />
se traži rješenje je<br />
sve uži<br />
Kandidati su<br />
ekvidistantno<br />
raspoređeni po<br />
intervalu<br />
- broj razmatranih<br />
kandidata <strong>na</strong><br />
intervalu (n)<br />
Vraća slučajno<br />
generiranog<br />
kandidata<br />
Novoformirani<br />
kandidat se vrlo<br />
često ne razlikuje<br />
puno od<br />
prethodnog<br />
I lošiji kandidat<br />
ima šansu (to<br />
veću što je temp.<br />
veća) ići u<br />
sljedeću iteraciju<br />
- broj iteracija<br />
(c max )<br />
- počet<strong>na</strong><br />
temperatura (T 0 )<br />
- koeficijent<br />
hlađenja (α)<br />
Vraća <strong>na</strong>jboljeg<br />
mogućeg<br />
kandidata (iscrp<strong>na</strong><br />
pretraga)<br />
Iscrp<strong>na</strong> pretraga<br />
susjedstva<br />
trenutnog<br />
kandidata<br />
Zamje<strong>na</strong> novog,<br />
lošijeg kandidata<br />
sluč. generiranim<br />
vektorom<br />
- broj iteracija<br />
(c max )<br />
- kapacitet tabu<br />
liste (L)<br />
Vraća novu<br />
generaciju te<br />
odabire po<strong>na</strong>jboje<br />
kandidate<br />
Križanje<br />
Mutacija<br />
- broj iteracija (t)<br />
- veliči<strong>na</strong><br />
populacije<br />
(VEL_POP)<br />
- postotak<br />
selekcije (M)<br />
- vjerojatnost<br />
mutacije (p m )<br />
Tablica 3.11 Osnovne karakteristike uspoređivanih heurističkih <strong>algoritama</strong><br />
17