Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Uvod 27<br />
⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯<br />
primenjen za rešavanje nekoliko poznatih problema: pokrivanje skupa (set<br />
covering problem), disjunktno pokrivanje skupa (set partitioning problem),<br />
uopšteni problem dodele (generalized assignment problem) i problem ranca sa<br />
višestrukim ograničenjima (multiconstraint knapsack problem). Vršeni su<br />
eksperimenti i sa različitim vrstama kodiranja datih problema i korišćenjem<br />
kaznenih funkcija.<br />
Jedan pokušaj korišćenja optimalnih drveta zavisnosti za rešavanje<br />
problema kombinatorne optimizacije je prikazan u <strong>rad</strong>u [Blu97]. U datom<br />
pristupu su primenjene konstrukcijame koje opisuju pretraživački prostor na<br />
pogodan način, da bi na njima mogle biti primenjene metode učenja.<br />
Od pojedinačnih NP-kompletnih problema koji su rešavani pomoću GA<br />
najviše primena je zabeleženo u slučaju problema trgovačkog putnika (TSP) .<br />
Iako su se prvi <strong>rad</strong>ovi pojavili relativno kasno, tek sredinom 80-tih godina<br />
([Gol85] i [Gre85]), kasnije se vrlo aktivno nastavilo u ovom pravcu, sve do<br />
danas. Pomenimo samo nekoliko zanimljivih pristupa datih u [Jog89], [Jog90],<br />
[Hmf93] i [Dzu94], a opsežniji pregled nekih od metoda se može naći u [Joh97] i<br />
[Kra98a].<br />
Osim navedenih pomenimo i primene GA za rešavanje problema pokrivanja<br />
skupa ([AlS96]) , disjunktnog pokrivanja skupa ([Lvi93a], [Lvi93b] i [Lvi96]) ,<br />
lokacijsko-alokacijskog problema ([Hou95]) i Štajnerovog problema ([Lju98]) .<br />
Veliki broj <strong>rad</strong>ova koji opisuju primenu GA za rešavanje problema kombinatorne<br />
optimizacije je klasifikovano, i mogu se naći u bibliografijama [Hei93], [Aln95] i<br />
[Osm96b].<br />
Osim za rešavanje NP-kompletnih problema i problema kombinatorne<br />
optimizacije, GA i ostale tehnike bazirane na evolucionoj pa<strong>rad</strong>igmi se<br />
primenjuju i na širokom spektru drugih problema. Neke od najznačajnijih<br />
primena su: mašinsko učenje ([Vug96]), neuralne mreže ([Shf92]), optimizacija<br />
funkcija ([Fil96a] i [Fil96b]), numerički problemi, adaptivno generisanje<br />
programa ([Koz93]), višekriterijumska optimizacija ([Fon93]), dizajn ([Lou91])<br />
kao i rešavanje ostalih praktičnih problema.<br />
Napomenimo da postoje i neki pokušaji uopštenja GA <strong>rad</strong>i poboljšavanja<br />
efikasnosti njihove pretrage. Detaljni opisi nekih takvih pristupa se mogu naći u<br />
[Lve91], [Müh94] i [Müh98].<br />
<strong>1.3</strong> Višeprocesorske arhitekture i paralelni računari<br />
Programiranje višeprocesorskih računara je višestruko složenije od<br />
programiranja jednoprocesorskih računara. Mnogo je više faktora koji bitno<br />
utiču na ukupno vreme izvršavanja (detaljnije videti u [Ber89] i [Lew92]). I<br />
analiza efikasnosti algoritama i vremena izvršavanja programa na<br />
višeprocesorskim računarima je mnogo složenija u odnosu na sekvencijalne<br />
algoritme i programe.<br />
U programiranju višeprocesorskih računara cilj je minimizacija vremena<br />
izvršavanja. Preduslov za to je maksimalna iskorišćenost procesora (da pojedini<br />
procesori čekaju što je moguće manje). Te vrednosti zavise direktno od prirode<br />
problema, i to od toga da li se i kako problem može razložiti na potprobleme,<br />
koji ne zavise jedni od drugih. Tada se svi potproblemi mogu istovremeno<br />
izvršavati na različitim procesorima.