prikaz prve stranice dokumenta Rješavanje problema usmjeravanja električnih vozila korištenjem genetskih algoritama
No public access
master's thesis
Rješavanje problema usmjeravanja električnih vozila korištenjem genetskih algoritama
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2022. urn:nbn:hr:168:950335
Ovčariček, Marin
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Ovčariček, M. (2022). Rješavanje problema usmjeravanja električnih vozila korištenjem genetskih algoritama (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:950335

Ovčariček, Marin. "Rješavanje problema usmjeravanja električnih vozila korištenjem genetskih algoritama." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2022. https://urn.nsk.hr/urn:nbn:hr:168:950335

Ovčariček, Marin. "Rješavanje problema usmjeravanja električnih vozila korištenjem genetskih algoritama." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2022. https://urn.nsk.hr/urn:nbn:hr:168:950335

Ovčariček, M. (2022). 'Rješavanje problema usmjeravanja električnih vozila korištenjem genetskih algoritama', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 17 May 2024, https://urn.nsk.hr/urn:nbn:hr:168:950335

Ovčariček M. Rješavanje problema usmjeravanja električnih vozila korištenjem genetskih algoritama [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2022 [cited 2024 May 17] Available at: https://urn.nsk.hr/urn:nbn:hr:168:950335

M. Ovčariček, "Rješavanje problema usmjeravanja električnih vozila korištenjem genetskih algoritama", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2022. Available at: https://urn.nsk.hr/urn:nbn:hr:168:950335

Metadata
TitleRješavanje problema usmjeravanja električnih vozila korištenjem genetskih algoritama
Title (english)Solving electric vehicle routing problem using genetic algorithms
AuthorMarin Ovčariček
MentorMarko Đurasević (mentor)
Committee memberMarko Đurasević (predsjednik povjerenstva)
Committee memberDomagoj Jakobović (član povjerenstva)
Committee memberŽeljka Mihajlović (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2022-07-06, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
U ovom radu predstavljen je problem usmjeravanja električnih vozila čije je rješavanje bitno za maksimiziranje profita uslužnih djelatnost te genetski algoritam kojime će se taj problem rješavati. Objašnjene su komponente i sam tok općenitog genetskog algoritma te prilagođene implementacije. U predanalizi su optimirani hiperparametri veličine populacije , stope mutacije, vrste križanja i vrste mutacije. S dobivenim vrijednostima uspoređene su performanse genetskog algoritma naspram običnog algoritma najbližeg susjeda po više kriterija. Na kraju se radi analiza i prikaz pada funkcije kazne kroz iteracije algoritma za razne tipove instanci. će se taj problem rješavati. Objašnjene su komponente i sam tok općenitog genetskog algoritma te prilagođene implementacije. U predanalizi su optimirani hiperparametri veličine populacije , stope mutacije, vrste križanja i vrste mutacije. S dobivenim vrijednostima uspoređene su performanse genetskog algoritma naspram običnog algoritma najbližeg susjeda po više kriterija. Na kraju se radi analiza i prikaz pada funkcije kazne kroz iteracije algoritma za razne tipove instanci.
Abstract (english)
In this thesis Electric vehicle problem, a problem whose solution is important for maximizing profit of service activities is introduced along with Genetic algorithm which is used for solving it. Components and flow of a general Genetic algorithm and its implementation are explained. In the preanalisys phase population size, muta- tion chance, crossover and mutation hyperparameters are optimized. Resulting values are then used to compare the Genetic algorithm’s performance to one of basic Nearest neighbor algorithm by multiple criteria. Finally, analisys of cost function’s decline through iterations is performed on different types of instances.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:950335
Study programmeTitle: Computing
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2023-01-14 09:37:40