Whether you are in industrial manufacturing striving to optimize your supply chain, international or domestic carrier committed to lower your operational costs, retailer dedicated to run your distribution network more efficiently, or anywhere else where the words "cargo", "freight", "shipment" are in your business language, automated load planning and optimization will significantly improve your business process. While the concept of computerized simulation of 3D load building is not new, with some companies offering software solutions for "virtual" loading, no one has a single product that is capable to handle complex variety of business rules and constraints of the modern transportation industry. We are analyzing the problems related with 3D box loading and then to analyze existing 3D load building systems. After accumulating all analyzes data we are having enough experience to create our own algorithm. And we did it! We create 3D box loading algorithm witch is fast and accurate and 3D box loading system which is using this new algorithm. To ensure that we succeeded we compare this new system with existing 3D box loading software to make sure that it’s really useful for solving logistic problems. After testing we are sure that we made a big job and we have created system, which can compete with the logistic IT leaders made solutions.

Darbe nagrinėjami euristiniai algoritmai NPC aibės uždaviniams spręsti ir jų taikymas lygiagrečiųjų ir paskirstytųjų skaičiavimų (angl. GRID) tinkle. NPC aibės uždaviniai, taikant įprastus algoritmus, nėra išsprendžiami per polinominį laiką, todėl jiems taikomi euristiniai algoritmai, kurie pasižymi gebėjimu, per priimtiną laiko tarpą, rasti geros kokybės sprendinius, bet didėjant uždavinių apimtims, euristinių algoritmų vykdymo laikas taip pat sparčiai ilgėja. Norint gauti geresnės kokybės sprendinius, reikia daugiau kompiuterinių išteklių. Darbe detaliau nagrinėjami trys populiarūs euristiniai algoritmai: genetinis, modeliuoto atkaitinimo ir skruzdžių kolonijų. Visi šie algoritmai buvo pritaikyti keliaujančio prekeivio uždaviniui (angl. Traveling salesman problem) spręsti GRID skaičiavimo tinkle. Atlikti bandymai su 20 didelės apimties TSPLIB bibliotekos testinių pavyzdžių leidžia teigti, kad kompiuterinių išteklių problemą, sėkmingai galima išspręsti euristinius algoritmus vykdant GRID skaičiavimo tinkle. Gauti rezultatai rodo, kad euristinių algoritmų efektyvumas, juos vykdant GRID skaičiavimo tinkle yra labai aukštas. Daugelyje bandymų pavyko rasti optimalius sprendinius, o kitais atvejais rasti sprendiniai nedaug skyrėsi nuo optimalių. Darbo autorius euristinių algoritmų bandymams siūlo naudoti „DAG“ tipo GRID užduotis. Tokio tipo užduotys leidžia ta patį bandymą atlikti skirtinguose skaičiavimo klasteriuose tuo pačiu metu, tokiu būdu galima įvykdyti daug pakartotinų... [toliau žr. visą tekstą] / The main goal of this work is to implement and test heuristic algorithms for GRID computing network to solve NP-complete problems. The problems of NP-complete set are not solved in polynomial time. To solve such problems, researchers have to use heuristic algorithms. Heuristic algorithms always give result in polynomial time, but it doesn’t mean that result is optimal, also computing time grows together with problem scope, and in this case bigger computing recourses are needed. Three popular heuristic algorithms are included in this works: genetic, simulated annealing and ant colony. All of them were implemented to solve traveling salesman problem in GRID computing network. With mentioned heuristic algorithms 20 TSP instances of TSPLIB library were solved. Experiential results shows that efficiently of heuristic algorithms are high and with 12 tested instances optimal solution was found. Author of this work recommends to use “DAG” type GRID tasks. Such type tasks allows to execute algorithms in different clusters at same time, so in same time researcher can execute a lot of tests and final test will give best results.

Darbo pradžioje supažindinsiu su gamybinių tvarkaraščių sudarymo uždaviniu. Jo tikslas rasti tvarkaraštį tam tikrai gamybinei situacijai. Uždavinys turi pilnai nusakyti kas ir kur turi įvykti ir apibrėžti visus apribojimus, o gautas sprendinys turi tenkinti šiuos reikalavimus ir vienareikšmiškai nusakyti operacijų vykdymą. Ši problema aktuali gamyklose, personalo valdyme, krovinių gabenime, oro uostuose, traukinių stotyse ir daugelyje kitų. Kadangi matematinis gamybinių tvarkaraščių sudarymo apibūdinimas sudaromas atsižvelgiant į realaus pasaulio problemas, egzistuoja daug šio uždavinio variantų. Dėl to teko pasirinkti kurį konkretų uždavinį nagrinėti. Pirmajame skyriuje supažindinu su šiuo konkrečiu uždaviniu, pateikiu apibrėžimus, s��vokas ir egzistuojančias problemas sprendžiant gamybinių tvarkaraščių uždavinį. Galiausiai parodysiu, kad tai yra sunkiai sprendžiamas ir dėl to vienas iš aktualių kombinatorinio optimizavimo uždavinių. Tuomet plačiau apibūdinu genetinį ir skruzdžių kolonijos optimizavimo algoritmus. Šie algoritmai ir naudojami sprendžiant mano konkret�� gamybinių tvarkaraščių sudarymo uždavinį. Aš apibūdinu visus parametrus ir koeficientus. Vėliau aš pristatau sukurtą programinę įrangą, skirtą rasti spręsti gamybinių tvarkaraščių sudarymo uždavinį ir vaizdžiai pateikti gautus sprendinius. Taip pat grafikų lentelių ir kitų priemonių pagalba pateikiu atliktų eksperimentų rezultatus. Tuomet apžvelgiu gautus rezultatus ir aptariu pastebėtas tendencijas ir... [toliau žr. visą tekstą] / At the begining of this work introduction to the scheduling problem and its basics is given. The goal of a scheduling problem is to make a schedule for a certain production situation. In the problem it is stated what must take place, and the solution describes exactly what should happen at what time. These problems occur in factories, personnel planning, transportation, airfields, railroad stations etcetera. Since mathematical descriptions of scheduling problems are often distilled from practical situations there are many variants of scheduling problems. A selection had to be made which problem is going to be a target of the study. The job shop scheduling problem was chosen. In the first chapter there is definitions of the problems we are trying to solve, introduction of important concepts (properties, bounds, definitions) from the field of scheduling. The last section takes a small detour into theoretical computer science in order to make precise that scheduling problems are hard to solve. In the second chapter introduction of genetic and ant colony optomization algorithms and its basius is given. It is used to solve scheduling problem, which was mentioned before. Introduction of all genetic and ant colony optimization algorithm operators and settings are given here. Then follows the introduction to software witch was made to solve and visualize solutions of scheduling problem. A great number of plots and figures are used in the experimental chapter to explain what... [to full text]

Darbo tikslas – sukurti bendrą prieigos tinklo modeliavimo metodiką bei jos programinę realizaciją, atitinkančią šiuos reikalavimus: • n užduotų prieigos tinklo parametrų reikšmių optimalus nustatymas pagal m užduotų prieigos tinklo kokybės apribojimų, kai n ≥ 1, o m ≥ 0; • optimalus stočių koordinačių nustatymas mobiliojo telefono ryšio tinklui; • optimalus stočių koordinačių nustatymas laidinio telefono ryšio tinklui; Darbo pradžioje apžvelgiamos telekomunikacijų sektoriaus užduotys, kurios gali būti sprendžiamos kombinatorinio optimizavimo metodais. Taipogi pristatomi ir suklasifikuojami galimi šių užduočių sprendimo metodai. Tiriamojoje darbo dalyje pristatomas daugiaparametrinis prieigos tinklo optimizavimo algoritmas integruotas su stočių išdėstymo algoritmais. Stočių išdėstymui pateikiami du meta-euristiniai algoritmai: • Skruzdžių kolonijos algoritmas, papildytas lokalios paieškos procedūra; • Genetinis algoritmas, papildytas lokalios paieškos procedūra. Minėtų algoritmų realizacijos skirstomos pagal šias prieigos tinklo ryšio topologijas: • Mobiliojo telefono ryšio tinklui; • Fiksuoto telefono ryšio tinklui. Esminiai darbe pasiekti rezultatai: • Sukurta universali metodika, leidžianti kurti realius prieigos tinklo modelius; • Sukurta šios metodikos programinė realizacija. Darbe nagrinėjamų uždavinių ir algoritmų pagrindu buvo paskelbti ir pristatyti šie straipsniai: • „Prieigos tinklo parametrų optimalaus... [toliau žr. visą tekstą] / The objective of this work is creation of telecommunication network approach algorithm and its realization. The created algorithm must fulfill following requirements: • optimal values evaluation of n given network approach parameters with m given network approach quality constrains, where n ≥ 1, o m ≥ 0; • optimal solution for transmitters placement problem in mobile phone network; • optimal solution for transmitters placement problem in fixed phone network; In the beginning of this paper we present a set of telecommunication segment problems which can be solved using combinatorial optimization methods. Also we present a set of combinatorial optimization methods which can be used for solving these problems. Finally we present a graphical classification of analyzed problems and connect it with algorithms which are capable for solving it. In the research part of this paper we present a multi parametric network approach optimization algorithm united with algorithms for placing transmitters. Next we present two Meta heuristics based optimization algorithms: • Ant Colony Optimization algorithm with local search procedure; • Genetic algorithm with local search procedure. The realization of these two algorithms depends on the topology of the network approach being analyzed. In this paper we analyze two most common types of network approaches: • Mobile phone network approach; • Fixed phone network approach. The two main achievements of... [to full text]

Object detection is the initial step in any image analysis procedure and is essential for the performance of object recognition and augmented reality systems. Research concerning the detection of edges and blobs is particularly rich and many algorithms or methods have been proposed in the literature. This master‟s thesis presents 4 most common blob and edge detectors, proposes method for detected numbers separation and describes the experimental setup and results of object detection and detected numbers separation performance. Finally, we determine which detector demonstrates the best results for mobile augmented reality system. / Objektų aptikimas yra pagrindinis žingsnis vaizdų analizės procese ir yra pagrindinis veiksnys apibrėžiantis našumą objektų atpažinimo ir papildytosios realybės sistemose. Literatūroje gausu metodų ir algoritmų aprašančių sričių ir ribų aptikimą. Šiame magistro laipsnio darbe aprašomi 4 dažniausiai naudojami sričių ir ribų aptikimo algoritmai, pasiūlomas metodas aptiktų skaičių atskyrimo problemai išspręsti. Pateikiami atliktų eksperimentų rezultatai, palyginmas šių algoritmų našumas. Galiausiai yra nustatoma, kuris iš jų yra geriausias.

Šiame magistro diplominiame darbe nagrinėjamas dirbtinių neuroninių tinklų taikymas daugiamačiams duomenims vizualizuoti. Darbe apžvelgtos kelios duomenų vizualizavimo strategijos, išnagrinėti keli duomenų normavimo būdai. Detaliai ištirtas SAMANN algoritmas, skirtas daugiamatės erdvės duomenims vizualizuoti į mažesnio matavimo erdvę. Su C++ programavimo kalba sukurtos keturių normavimo būdų ir SAMANN neuroninio tinklo realizavimo programos. Atlikti tokie eksperimentai: keturių duomenų aibių vektorių normavimas 4-iais būdais, daugiamačių duomenų vizualizavimas plokštumoje, SAMANN neuroninio tinklo paklaidos skaičiavimas ir rezultatų atvaizdavimas plokštumoje. Eksperimentai atlikti su realiomis ir dirbtine duomenų aibėmis. Nustatyta daugiamačių duomenų vizualizavimo tikslumo (projekcijos paklaidos) priklausomybė nuo iteracijų skaičiaus ir mokymo greičio parametro reikšmės, o taip pat nuo pradinės duomenų aibės normavimo būdų. / The application of artificial neural networks for multidimensional data visualization is investigated in this master‘s thesis. Several strategies for data visualization and some data normalization methods are reviewed. A realization of SAMANN algorithm for multidimensional data visualization is investigated in detail. Programs for data normalization methods and SAMANN neural network realization have been developed using C++ programming language. Some experiments have been performed and presented in this theses: four methods for normalization of multidimensional data sets, multidimensional data visualization using SAMANN neural network, calculation of the projection (SAMANN) error. Three real and one artificial data sets have been used in the experiments. Dependences of the multidimensional data sets projection error on the iteration number and normalization methods have been investigated and presented in this theses too. Summarized experimental results and conclusions are presented.

Magistrinio darbo objektas – dirbtinio intelekto sistemų naudojimas e. mokymosi sistemose. Darbo tikslas – ištirti dirbtinio intelekto sistemų naudojimo e. mokymosi sistemose galimybes ir optimalius taikymus. Darbo uždaviniai: atlikti nuotolinio mokymosi sistemų ir jų aplinkų mokslinę analizę informacijos ir žinių vadybos požiūriu bei sudaryti tose sistemose vykstančių informacijos ir žinių kaitos procesų modelį; ištirti algoritmų su dirbtinio intelekto įskiepiais panaudojimą e. mokymui ir juos naujai pritaikyti agentinėse e. mokymosi sistemose; sukurti vartotojui patogias taikomąsias programas, kurios emuliuotų agentų dirbtinio intelekto vykdomus skaičiavimus e. mokymosi sistemose ir apibendrinti gautuosius rezultatus. Išanalizavus mokslinę literatūrą, taikant analogijų, palyginimų ir ekstrapoliacijos mokslinius metodus, prieita išvados, kad galima sudaryti e. mokymosi sistemose vykstančių informacijos ir žinių kaitos modelį bei jį realizuojančius algoritmus. Ištirtos naujos algoritmų su dirbtinio intelekto įskiepiais panaudojimo galimybės, taikant sukurtąjį konceptualų informacijos ir žinių kaitos procesų modelį e. mokymui, taip pat agentinėse e. mokymosi sistemose. Magistro darbe yra sukurtos taikomosios programos, kurios emuliuoja agentų dirbtinio intelekto vykdomus skaičiavimus e. mokymosi sistemose ir pagerina mokinio ir sistemos komunikaciją. Magistro darbas gali būti naudingas mokslo ir švietimo institucijoms, informacijos mokslų, matematikos bei informatikos... [toliau žr. visą tekstą] / One of the branches of E-Learning is Reinforcement Learning, whose origins go back to cybernetics, statistics, psychology, neuroscience and computer science intersections, based on Intelligent Multiagent Software action in a dynamic environment. Modern E-Learning systems must react to the challenges and meet up difficulties associated with human-computer interaction and communication problems. Therefore is important to explore application of Artificial Intelligence in the new E-Learning systems. The aim of this work is to explore the use of artificial intelligence implementations for ELearning systems and increase its opportunities hereby introduce them to a multiagent E-Learning environment and to create user-friendly applications emulating the calculations and summarize the results. Presented work describes the new research of E-Learning and AI algorithms provided with a clear scientific value and the actual practical application, improving the training and education problems, using created system modules saves student time by selecting the optimal presentation materials. The results of research topics of this work are relevant now and possibly will be even more important in the future.

Baigiamajame magistro darbe atliktas veiklos trikčių kompiuterių tinkle atpažinimo tyrimas, pagrįstas klasifikavimo algoritmų taikymu. Veiklos triktys traktuojamos kaip anomalijos, kurioms atpažinti siūlomas pažangesnis sprendimas nei standartinėse tinklo valdymo sistemose naudojami statistine analize pagrįsti metodai. Šio darbo analitinėje dalyje analizuojama mokslinė literatūra kompiuterių tinklų valdymo tematika, kurios metu pagrįstas SNMP protokolo pranašumas, palyginti su kitais tinklo valdymo sprendimais. Nagrinėjant anomalijų aptikimo ir identifikavimo kompiuterių tinkluose metodų taikymo galimybes, apžvelgti pagrindiniai klasifikavimo – mašininio mokymosi klasei priskiriami algoritmai bei jų panaudojimo galimybės. Tiriamojoje dalyje atliktas anomalijų atpažinimo modelio sudarymas bei validavimas, lyginami gauti skirtingų algoritmų rezultatai, vertinamas modelių patikimumas. Tinkamiausiu pripažintas C5.1 algoritmas, kurio pagrindu projektinėje dalyje sukurtas metodą realizuojantis įrankis. Įrankio pagrindą sudaro – SPSS Modeler programinė įranga bei Java programavimo kalba realizuotas duomenų apdorojimo modulis. Darbo pabaigoje pateikiamos išvados bei pasiūlymai. Baigiamąjį darbą sudaro: įvadas, analitinė dalis, tiriamoji bei projektinė dalys, išvados ir pasiūlymai, literatūros sąrašas, priedai. Darbo apimtis 68 p. teksto be priedų, 30 pav., 18 lent., 30 bibliografinių šaltinių. Atskirai pateikiami darbo priedai. / Master thesis develops and implements a performance failure detection research for computer networks. This methodology is based on classification algorithms. In this piece of work, performance malfunctions are treated as anomalies. More advanced solution is proposed for anomaly detection than methods based on statistical analysis in standard network management systems. The analytical part analyzes the scientific literature of computer network management concepts. The advantage of SNMP protocol compared to other network management solutions is justified in the analysis. While examining anomaly detection and identification methods in computer networking possibilities, an overview of the main classification algorithms, which are assigned to machine learning class, and their appliance, is being made. Research part of the thesis performs anomaly detection model development and validation, comparison of different algorithms and the reliability of models are estimated. C5.1 algorithm is recognized as the most eligible, therefore by its principle the anomaly detection tool is created. The tool is based on - SPSS Modeler software and Java programming language used for data processing module implementation. At the end of the work conclusions and recommendations are presented. Structure: introduction, analysis, research, design, conclusions and suggestions, references, appendices. Thesis consist of: 68 p. text without appendixes, 30 pictures, 18 tables, 30 bibliographical entries.

Problem of the dissertation. The Gaussian random values are very common in practice, because if a random value depends on many additive factors, according to the Central Limit Theorem (if particular conditions are satisfied), the sum is approximately from Gaussian distribution. If the observed random value belongs to one of the several classes, it is from the Gaussian distribution mixture model. The mixtures of the Gaussian distributions are common in various fields: biology, medicine, astronomy, military science and many others. The most important statistical problems are problems of mixture identification and data clustering. In case of high data dimension, these tasks are not completely solved. The new parameter estimation of the multivariate Gaussian distribution mixture model and data clustering methods are proposed and analysed in the dissertation. Since it is much easier to solve these problems in univariate case, the projection-based approach is used. The aim of the dissertation. The aim of this work is the development of constructive algorithms for distribution analysis and clustering of data from the mixture model of the Gaussian distributions.

Problem of the dissertation. The Gaussian random values are very common in practice, because if a random value depends on many additive factors, according to the Central Limit Theorem (if particular conditions are satisfied), the sum is approximately from Gaussian distribution. If the observed random value belongs to one of the several classes, it is from the Gaussian distribution mixture model. The mixtures of the Gaussian distributions are common in various fields: biology, medicine, astronomy, military science and many others. The most important statistical problems are problems of mixture identification and data clustering. In case of high data dimension, these tasks are not completely solved. The new parameter estimation of the multivariate Gaussian distribution mixture model and data clustering methods are proposed and analysed in the dissertation. Since it is much easier to solve these problems in univariate case, the projection-based approach is used. The aim of the dissertation. The aim of this work is the development of constructive algorithms for distribution analysis and clustering of data from the mixture model of the Gaussian distributions.