1 / 22

Seminar Optimizacija rada semafora genetskim algoritmima

Seminar Optimizacija rada semafora genetskim algoritmima. Andrija Čajić Voditelj: Doc. dr. sc.  Domagoj Jakobović. Uvod. ??. Uvod u genetske algoritme. Algoritmi koji imitiraju evoluciju. Optimizacija semafora. Model cestovne mreže.

conner
Download Presentation

Seminar Optimizacija rada semafora genetskim algoritmima

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Seminar Optimizacija rada semafora genetskim algoritmima Andrija ČajićVoditelj: Doc. dr. sc. Domagoj Jakobović

  2. Uvod ??

  3. Uvod u genetske algoritme • Algoritmi koji imitiraju evoluciju

  4. Optimizacija semafora Model cestovne mreže Pojednostavljeni model skupa ulica i križanja na kojem ćemo pokušati optimizirati promet

  5. Optimizacija semafora • Cilj: podesiti rad svih semafora prema zadanim rutama f1 = 140; f1a = 90; f1b = 50; f2 = 100; f3 = 50;

  6. Optimizacija semafora Stanja semafora: Na svakom križanju postoji skup semafora koji dozvoljavaju odnosno zabranjuju promet u nekim pravcima. Zato pod pojmom “stanje semafora”, zapravo podrazumjevamo trenutno dopuštene smjerove kretanja na nekom križanju.

  7. Rad semafora • Svi semafori rade na istom principu: Genetski algoritam zapravo optimizira vremenska trajanja ovih stanja da bi se postigla što bolja protočnost. Odnosno… Ili…

  8. Rad semafora • Kružni tok stanja možemo napisati u brojčanom obliku koji će sadržavati informaciju o radu semafora • p = (t1, t2, t3, t4) … “propusnost semafora” • Proizvoljno odabiremo fiksnu vrijednost zbroja svih propusnosti semafora -> t1+t2+t3+t4 = 120 • p = (30, 30, 30, 30) – uređena četvorka koja opisuje neutralni rad semafora

  9. Jedinka • Tek definiran rad svih semafora za zadani model cestovne mreže predstavlja jedno potencijalno rješenje odnosno JEDINKU • Npr:

  10. Genetski operatori • Mutacija i križanje • Mutacija je unarni operator • Stvara novu jedinku koja je kopija neke već postojeće jedinke iz populacije te izmjeni neki njezin slučajno odabrani dio • Križanje je binarni operator • Stvara novu jedinku uz pomoć dvije već postojeće jedinke iz populacije

  11. Mutacija • mutacija povećanja - jedan od elemenata u ćeliji povećamo za 3 a ostala 3 svakog smanjimo za 1 • mutacija smanjenja - jedan od elemenata u ćeliji smanjimo za 3 a ostala 3 svakog povećamo za 1 Npr: (30-30-30-30)–mutacijom povećanja->(29-33-29-29) -mutacijom smanjenja->(30-34-30-26)

  12. Križanje Roditelj A Roditelj B Nova jedinka:

  13. Funkcija cilja • način određivanja dobrote jedinke • U smjeru 1 auti prolaze frekvencijom f1, u smjeru 2 frekvencijom f2, u smjeru 3 frekvencijom f3 a smjeru 4 frekvencijom f4 • U propusnosti semafora p = (t1, t2, t3, t4), t1 predstavlja propusnost u smjeru 1, t2 u smjeru 2, itd.

  14. Funkcija cilja Gdje je propusnost odabranog semafora primjerice p=(33,23,24,40) Iz ovoga je lako zaključiti sljedeće:

  15. Funkcija cilja • Bilo bi idealno kada bi propusnost u svim smjerovima bila što veća ali to je nemoguće zbog ograničenja t1+t2+t3+t4 = 120 • Zbog toga je poželjno da propusnosti semafora budu proporcionalne intenzitetu prometa po smjerovimat1~f1, t2~f2, t3~f3, t4~f4 • U kojoj mjeri neka jedinka ispunjava ovo svojstvo?

  16. Funkcija cilja Ako za neki semafor k nađemo parametar (gdje su fi inteziteti prometa po smjeru i, a ti propusnost prometa u smjeru i), uočavamo da padom vrijednosti x-a, raste kvaliteta rada semafora. Funkcija dobrote jedinke biti će upravo suma x-eva za sve semafore:

  17. Primjer određivanja dobrote Gdje je propusnost odabranog semafora primjerice p=(33,23,24,40) Ako se propusnost semafora izmjeni... Npr: p=(62,9,39,10) Vrijednost paramtra x za ovaj semafor je: x = (100/33)^2 + (0/23)^2 + (50/24)^2 + (0/40)^2 = 13,522 Vrijednost parametra x za takav semafor je: x = (100/62)^2 + (0/9)^2 + (50/39)^2 + (0/10)^2 = 4,24 Iz ovoga vidimo da je nova propusnost bolja. Zašto je to tako?

  18. Dobrota jedinke • Pri postupcima odabira (selekcije) odabiru se kvalitetne jedinke koje je poželjno propagirati u sljedeće generacije, ondnosno nekvalitetne jedinke koje je nužno eliminirati iz populacije • Dobrota jedinke daje nam direktnu informaciju o toj kvaliteti

  19. Simulacija rješenja Za zadanu sliku i intezitete ruta: f1 = 140; f1a = 90; f1b = 50; f2 = 100; f3 = 50; Nakon niza generacija nastalih radom genetskog algoritma… Jedna jedinka iz populacije izgledala bi primjerice ovako:

  20. Nastavak rada • Daljnjim radom, populacija se kontinuirano usavršava • Za uvjet zaustavljanja genetskog algoritma možemo odabrati više kriterija: broj generacija, broj generacija bez poboljšanja, vremensko ograničenje…

  21. Zaključak • Moguće su i potrebne mnoge modifikacije • Npr: posebni kopije rada za razna doba u danu (jutro, dan, večer, noć) ili za doba u godini • Optimiziranje rada semafora genetskim algoritmom rezultiralo boljom protočnosti prometa • Vrijeme je najvrijedniji resurs, a kvalitetniji promet znači uštedu vremena za sve

  22. Hvala na pozornosti

More Related