Презентация, подготовленная для выступления на I всеукраинской научно-технической конференции студентов, аспирантов и молодых учёных «Информационные управляющие системы и компьютерный мониторинг», ДонНТУ, Донецк, 19—21 мая 2010 г.
Эволюционный подход к оптимизации раскроя рулонных материаловVictor Balabanov
Презентация, подготовленная для выступления на XII международной научно-технической конференции «Системный анализ и информационные технологии», НТУУ «КПИ», Киев, 25—29 мая 2010 г.
Об одном подходе к реализации генетического алгоритма для решения сложных зад...Victor Balabanov
Презентация, подготовленная для выступления на IV международной научно-практической конференции молодых учёных «Современная информационная Украина: информатика, экономика, философия», ГУИиИИ, Донецк, 13—14 мая 2010 г.
ЭЛЕМЕНТЫ ИСКУСТВЕННОГО ИНТЕЛЛЕКТА ПРИ ПРОГРАММИРОВАНИИ. (http://tuladev.net/e...Pavel Tsukanov
Видео на http://tuladev.net/events/128
Расскажу про нейронные сети, генетические алгоритмы, машинное зрение и нечёткую логику. Всё с реальными примерами. Подискутирую что-же такое ИИ (как же без этого :) ). Если хотите услышать что ещё оставляйте свои комментарии. На самом деле тема обширная, можно рассказать о многом, главное начать.
Эволюционный подход к оптимизации раскроя рулонных материаловVictor Balabanov
Презентация, подготовленная для выступления на XII международной научно-технической конференции «Системный анализ и информационные технологии», НТУУ «КПИ», Киев, 25—29 мая 2010 г.
Об одном подходе к реализации генетического алгоритма для решения сложных зад...Victor Balabanov
Презентация, подготовленная для выступления на IV международной научно-практической конференции молодых учёных «Современная информационная Украина: информатика, экономика, философия», ГУИиИИ, Донецк, 13—14 мая 2010 г.
ЭЛЕМЕНТЫ ИСКУСТВЕННОГО ИНТЕЛЛЕКТА ПРИ ПРОГРАММИРОВАНИИ. (http://tuladev.net/e...Pavel Tsukanov
Видео на http://tuladev.net/events/128
Расскажу про нейронные сети, генетические алгоритмы, машинное зрение и нечёткую логику. Всё с реальными примерами. Подискутирую что-же такое ИИ (как же без этого :) ). Если хотите услышать что ещё оставляйте свои комментарии. На самом деле тема обширная, можно рассказать о многом, главное начать.
Факторизационные модели в рекомендательных системахromovpa
Факторизационные модели, модели разложения матриц для коллаборативной фильтрации в рекомендательных системах. В презентации рассматриваются теоретические аспекты и алгоритмы.
С доклада на спецсеминаре "Machine Learning & Information Retrieval" в Школе Анализа Данных Яндекса.
ПРЯМАЯ И ОБРАТНАЯ ЗАДАЧИ ПАТТЕРНИЗАЦИИ СИГНАЛОВ И ИЗОБРАЖЕНИЙITMO University
Предложен новый метод преобразования сигналов и изображений на базе переходов от одномерного представления к двумерному и трехмерному. Рассмотрена обратная задача: переход от трехмерного представления к одномерному сигналу. Полученные результаты могут быть использованы при объектно- ориентированном программировании тактильного зрения роботов.
Рассматриваются методы решения систем линейных алгебраических уравнений с трехдиагональными, симметричными и положительно определенными матрицами коэффициентов.
Факторизационные модели в рекомендательных системахromovpa
Факторизационные модели, модели разложения матриц для коллаборативной фильтрации в рекомендательных системах. В презентации рассматриваются теоретические аспекты и алгоритмы.
С доклада на спецсеминаре "Machine Learning & Information Retrieval" в Школе Анализа Данных Яндекса.
ПРЯМАЯ И ОБРАТНАЯ ЗАДАЧИ ПАТТЕРНИЗАЦИИ СИГНАЛОВ И ИЗОБРАЖЕНИЙITMO University
Предложен новый метод преобразования сигналов и изображений на базе переходов от одномерного представления к двумерному и трехмерному. Рассмотрена обратная задача: переход от трехмерного представления к одномерному сигналу. Полученные результаты могут быть использованы при объектно- ориентированном программировании тактильного зрения роботов.
Рассматриваются методы решения систем линейных алгебраических уравнений с трехдиагональными, симметричными и положительно определенными матрицами коэффициентов.
Построение рациональных планов продольного раскроя рулонных материалов на осн...Victor Balabanov
Презентация для доклада на конференции «Современные тенденции развития информационных технологий в науке, образовании и экономике», Украина, Луганск, 15 — 17 апреля 2010 г.
Community detection (Поиск сообществ в графах)Kirill Rybachuk
Моя презентация по кластеризации графов, прочитанная на курсах newprolab в Digital October весной 2015 года. Назначение: ликбез по основным подходам, метрикам и алгоритмам. Также приведено кое-что из наших наработок в DCA.
1. Двоичная система счисления, перевод чисел, битовое представление.
2. Шестнадцатеричная система счисления.
3. Хранение знака: знак в старшем бите (наивный способ).
4. Арифметика по модулю и двоичный дополнительный код.
5. Переполнение.
6. Двоично-десятичный код, Packed BCD.
7. Символы и кодировки: от ASCII к Unicode.
8. Строки, базовые способы их представления.
9. Операции со строками.
10. «Веревки» — альтернативный способ представления строк.
11. Сериализация и десериализация. Пример: сериализация массива чисел переменной длины.
12. Двойственность порядка байт: little-endian и big-endian.
Приближенный метод решения практических задач рационального раскроя на основе эволюционного алгоритма
1. «Приближенный метод решения
практических задач рационального раскроя
на основе эволюционного алгоритма»
Виктор Балабанов
аспирант кафедры «Автоматизированные системы управления»
Донецкий национальный технический университет
I всеукраинская научно-техническая конференция студентов, аспирантов и молодых учёных
«Информационные управляющие системы и компьютерный мониторинг»
ДонНТУ, Донецк, 19—21 мая 2010 г.
2. Продольный раскрой рулонов
• Используются специализированные линии продольной
резки, также называемые слиттерами:
• Все резы выполняются от края до края, параллельно
боковой кромке исходной полосы.
5. Задача рационального раскроя
• Относится к NP-полным задачам дискретной оптимизации
комбинаторного типа;
• Впервые формализована в терминах целочисленного
линейного программирования Л. В. Канторовичем в 1939 г.
Z = min ∑ xk
k
∑a
k
ik xk ≥ d i
xk ∈ Ζ +
i ∈ { , , m} k ∈ { , , P}
1 1
6. Методы решения
• Точные (на основе общей схемы метода ветвей и границ,
метод отсечений, динамическое программирование);
• Приближенные эвристические (отложенная генерация
столбцов, последовательные эвристические процедуры,
конструктивные эвристики);
• Приближенные метаэвристические (имитация отжига,
поиск с запретами, GRASP, эволюционные, муравьиные и
роевые алгоритмы).
8. Повышение технологичности планов раскроя
План раскроя I План раскроя II
1 Сравнение планов
I II
2
рулоны 6 6
3 потери 4,5% 4,5%
переналадки 3 1
1
9. Многокритериальная задача
• Первый критерий Z1: минимизировать потери материала в
отход;
• Второй критерий Z2: за счет многократного использования
раскройных карт сократить общее число уникальных карт
в плане раскроя;
• Может быть сформулирована как задача целочисленного
нелинейного программирования;
• Для упрощения решения возможно сведение к
однокритериальной задаче посредством скаляризации:
Z * = C1Z1 + C2 Z 2
10. Математическая формулировка
Z = (Z1 , Z 2 ); Z1 = min ∑∑ Tik
Wi − ∑ a jk w j ; Z 2 = min ∑ δ ∑ Tik
k i j k i
∑∑ T
k i
ik a jk Li ≥ l j
1, если рулон i кроится по способу k
Tik =
0, в противном случае
1, если ∑i Tik > 0
δ ∑ Tik =
i 0, в противном случае
i ∈ { , , m} j ∈ { , , n} k ∈ { , , K }
1 1 1
11. Эволюционные алгоритмы
• Предложены в середине 1960-х годов и реализуют
некоторые базовые идеи эволюционной теории Дарвина,
заимствуется соответствующая терминология;
• Решения оптимизационной задаче представляются в виде
последовательностей фиксированной или переменной
длины, часто используются иерархические структуры;
• На каждой итерации алгоритм работает с одним или
несколькими решениями;
• Целевая функция определяет «приспособленность»
решений;
• Существуют различные модификации: ЭП, ЭС, ГА, ГП.
12. Генетический алгоритм
начало А
инициализировать
мутация
начальную популяцию
Б
отсортировать хромосомы сформировать новую
по приспособленности популяцию
нет
селекция останов Б
да
выдать
скрещивание
решения
А конец
14. Инициализация начальной популяции
• Для генерации раскройной карты необходимо решить
задачу рюкзачного типа:
Z ' = max ∑ w j x j
j
∑w x
j
j j ≤ Wi
• Из полученных в результате решения вспомогательной
задачи раскройных карт последовательно составляется
план раскроя;
• План раскроя преобразуется в хромосому, которая затем
добавляется в начальную популяцию.
18. Тестирование
• Тестовые задачи формировались с учетом промышленных
объемов выпуска электросварных труб;
• Реализованный подход позволяет находить планы раскроя,
удовлетворяющие требованиям реального производства;
• Время, затраченное на поиск решения, обычно находится в
пределах одной-двух минут для Intel(R) Core(TM)2 Duo
T5800 @ 2.00 GHZ и 2 GB RAM;
• Эффективность гибридного генетического алгоритма в
значительной степени зависит от качества раскройных
карт, генерируемых при помощи вспомогательной
процедуры.
19. Направления дальнейших исследований
• Реализация генетического алгоритма для поиска Парето-
оптимальных решений многокритериальной задачи;
• Разработка полноценного пользовательского интерфейса;
• Внедрение системы планирования на ДМЗ;
• Релиз свободно распространяемой программной
библиотеки с открытым исходным кодом, снабженной
документацией и примерами;
• Предложенный подход может быть использован для
решения родственных задач рациональной упаковки и
размещения, календарного планирования и т.д.