Disertacijoje nagrinėjamos santvarų globalaus optimizavimo problemos. Pagrindinis darbo tikslas – sukurti technologiją ir ją aprašančius algoritmus santvarų topologijos optimizavimui ir sinchroniniam topologijos ir formos optimizavimui. Optimizavimui naudojami genetiniai algoritmai. Topologijai optimizuoti pasirinkta perdėtai sujungtos struktūros strategija (angl. ground structure approach). / The dissertation deals with the topology optimization problems of the truss systems. The main aim of the work is to create a technology and implementing algorithms for topology optimization and for simultaneous topology and shape optimization of truss systems. The genetic algorithms are used as the main tool for optimization. The topology optimization problems are formulated using the so-called ground structure approach.

The dissertation deals with the topology optimization problems of the truss systems. The main aim of the work is to create a technology and implementing algorithms for topology optimization and for simultaneous topology and shape optimization of truss systems. The genetic algorithms are used as the main tool for optimization. The topology optimization problems are formulated using the so-called ground structure approach. / Disertacijoje nagrinėjamos santvarų globalaus optimizavimo problemos. Pagrindinis darbo tikslas – sukurti technologiją ir ją aprašančius algoritmus santvarų topologijos optimizavimui ir sinchroniniam topologijos ir formos optimizavimui. Optimizavimui naudojami genetiniai algoritmai. Topologijai optimizuoti pasirinkta perdėtai sujungtos struktūros strategija (angl. ground structure approach).

Plati tvarkaraščių sudarymo uždavinio sritis yra industrinių, taip vadinamų gamybinių, tvarkarščių sudarymas. Yra trys gaminių tvarkaraščių klasės: darbų fabrikas, atvirasis fabrikas ir srautinis fabrikas. Bendra uždavinio specifikacija gali būti apibrėžta tokiu būdu: yra darbų aibė ir mašinų aibė, kurios tarpusavyje turi sąveikauti tam tikru specifiniu būdu. Paprastai šios problemos yra sunkiai išsprendžiamos tradiciniais (tiksliaisias) metodais. Metaeuristiniai algoritmai dažniausiai pateikia tiktai artimus optimumui sprendinius, tačiau per apibrėžtą laiką. Šiame darbe įgyvendinta keletas metaeuristikų: genetiniai algoritmai (besiskiriantys jų parametrų reikšmėmis) ir tabu paieškos algoritmai (besiskiriantys sprendinio aplinka). Kai kurios genetinio algoritmo strategijos pasiūlytos kaip genetinio algoritmo parametrų tyrimo išvada. Aštuoni algoritmai yra tiriami atsitiktinėms gamybinių tvarkaraščių sudarymo problemoms, lyginant pradinius sprendinius ir minimumus, pasiektus sprendinius ir minimumus, skaičiavimo trukmes ir skirtumą tarp pradinių bei pasiektų sprendinių. Pabaigoje pateikiama išvada apie tai, kad vieno tipo genetiniai parametrai (kryžminimo ir mutacijos lygiai) yra ypač reikalingi algoritmo konvergavimo, diversifikacijos ir intensifikacijos prasme, kito tipo (iteracijų skaičius ir populiacijos dydis) turi priklausyti nuo resursų, trečio tipo (elitizmas) yra geri “buferiai”. Galiausiai, kuomet paprasčiausios formos tabu paieška yra silpnesis konkurentas... [toliau žr. visą tekstą] / A wide area of scheduling problem is industrial so called shop scheduling. There are three classes of shop scheduling: Job Shop, Open Shop and Flow Shop. General problem specification could be specified as follows: there is set of jobs and set of machines, which should interact with each other in some specific way. Typically these problems are hard to solve in traditional (exact) methods. Metaheuristics algorithms mostly produce only nearby-optima, but in proper time. We implemented several metaheuristics: genetic algorithms (separated by values of their parameters) and several Tabu search algorithms (separated by neighborhood of solution). Some strategies of genetic algorithms are suggested as conclusion of genetic algorithm parameter research. Eight algorithms are examined for random shop scheduling problems in terms of initial solutions and minimum, gained solutions and minimum, processing time and difference between initial and gained solutions. In the end, author concludes, that one kind of genetic parameters (crossover and mutation rates) are especially demanding in sense of algorithm convergence, diversification and intensification aspects, other (number of iterations and population size) should depend on resources, third (elitism) is good “buffers”. Finally, while with its simplest form, Tabu search seems to be less competitive in algorithm effectiveness research, its dynamic modification outperforms all proposed genetic algorithms, but both – tabu search with... [to full text]

Neural networks are one of the most efficient classifier methods. One of such classifying neural networks we are trying to teach in this work by using genetic algorithms. In this work we test two types of genetic algorithms. One may be called parameterized genetic algorithm. It is built on the basic ideas of genetic algorithms. The other one is called parameter less genetic algorithm. It was presented by F. G. Lobo and D. E. Goldberg. Both genetic algorithms are tested and compared to the other well known optimization methods such as Bayes and Monte Carlo search. Experiments show the relevance of use genetic algorithms in teaching classifying neural network. Also stated that parameter less genetic algorithm works more efficient than parametric genetic algorithm in general cases. Created programs will be used in future studies.

Šiame baigiamajame darbe optimizuojama plokščiojo kūno forma esant žinomai apkrovai ir kraštinėms sąlygoms. Aptariami pagrindiniai optimizavimo tipai, globaliojo optimizavimo ir kontinuumo diskretizavimo metodai. Forma optimizuojama trimis skirtingais neadaptyviais genetiniais algoritmais ir trimis adaptyviais, taikant migracijos strategijas. Poslinkiai ir von Mises įtempimai skaičiuojami baigtinių elementų metodu. Darbo užduotis realizuota C++ kalba. Darbą sudaro 9 dalys: įvadas, kūno formos modeliavimo metodų apžvalga, baigtinių elementų metodas, genetiniai algoritmai, kūno formos optimizavimo uždavinys, rezultatų palyginimas, išvados, literatūros sąrašas, priedai. Darbo apimtis - 62 p. teksto be priedų, 39 iliustr., 5 lent., 24 bibliografinių šaltinių. / The task of Master thesis is to optimize shape of plane body with given loading and boundary conditions. The classes of structural optimization problems, the methods of global optimization and discretization of continual structures are discussed. For shape optimization three different not adaptive and three adaptive genetic algorithms with migration strategy are used, displacements and von Mises stresses are calculated using finite element method. The program was created using C++ language. The work consists of 9 parts: introduction, overview of methods used for shape optimization, finite element method, genetic algorithms, shape optimization of plane body, results, conclusions, references, appendixes. Work consist of 62 p. text without appendixes, 39 pictures, 5 tables, 24 bibliographical entries. Appendixes are included.