Rješavanje problema raspoređivanja korištenjem suparničkog učenja
Većina problema raspoređivanja su NP teški problemi. Korištenjem strojnog učenja moguće je pronaći u prihvatljivom vremenu neko, ne nužno najbolje, rješenje nekog problema raspoređivanja. U suparničkom učenju osim raspoređivača poslova, uče i sami poslovi kako bi otežali proces raspoređivanja raspor...
Main Author: | |
---|---|
Other Authors: | |
Format: | Master Thesis |
Language: | Croatian |
Published: |
Sveučilište u Zagrebu. Fakultet elektrotehnike i računarstva.
2021
|
Subjects: | |
Online Access: | https://zir.nsk.hr/islandora/object/fer:8240 https://urn.nsk.hr/urn:nbn:hr:168:067691 https://repozitorij.unizg.hr/islandora/object/fer:8240 https://repozitorij.unizg.hr/islandora/object/fer:8240/datastream/PDF |
id |
ftnulzagrebzir:oai:zir.nsk.hr:fer_8240 |
---|---|
record_format |
openpolar |
spelling |
ftnulzagrebzir:oai:zir.nsk.hr:fer_8240 2023-08-27T04:11:47+02:00 Rješavanje problema raspoređivanja korištenjem suparničkog učenja Solving scheduling problems with adversarial learning Duspara, Ivica Jakobović, Domagoj 2021-07-14 application/pdf https://zir.nsk.hr/islandora/object/fer:8240 https://urn.nsk.hr/urn:nbn:hr:168:067691 https://repozitorij.unizg.hr/islandora/object/fer:8240 https://repozitorij.unizg.hr/islandora/object/fer:8240/datastream/PDF hrv hrv Sveučilište u Zagrebu. Fakultet elektrotehnike i računarstva. University of Zagreb. Faculty of Electrical Engineering and Computing. https://zir.nsk.hr/islandora/object/fer:8240 https://urn.nsk.hr/urn:nbn:hr:168:067691 https://repozitorij.unizg.hr/islandora/object/fer:8240 https://repozitorij.unizg.hr/islandora/object/fer:8240/datastream/PDF http://rightsstatements.org/vocab/InC/1.0/ info:eu-repo/semantics/closedAccess strojno učenje kartezijsko genetsko programiranje koevolucija suparničko učenje machine learning cartesian genetic programming coevolution adversarial learning TEHNIČKE ZNANOSTI. Računarstvo TECHNICAL SCIENCES. Computing info:eu-repo/semantics/masterThesis text 2021 ftnulzagrebzir 2023-08-03T16:28:19Z Većina problema raspoređivanja su NP teški problemi. Korištenjem strojnog učenja moguće je pronaći u prihvatljivom vremenu neko, ne nužno najbolje, rješenje nekog problema raspoređivanja. U suparničkom učenju osim raspoređivača poslova, uče i sami poslovi kako bi otežali proces raspoređivanja raspoređivačima. Koristeći genetsko programiranje, populacija raspoređivača i problema se međusobno natječe - koevoluiraju. Implementacija je ostvarena u radnom okviru ECF. Dani rezultati su prihvatljivi. Most of scheduling problems are NP hard problem. Using machine learning it is possible to find an acceptable solution (not necessary the best solution) to some scheduling problem. In adversarial instead of just schedulers, both schedulers and jobs learn. Jobs learn to make process of scheduling more difficult. Using genetic programming, population of schedulers and population of jobs are competing - coevolving. Implementation is done in ECF framework. Results of coevolution are acceptable. Master Thesis sami Croatian Digital Theses Repository (National and University Library in Zagreb) Neko ENVELOPE(-62.533,-62.533,-64.838,-64.838) |
institution |
Open Polar |
collection |
Croatian Digital Theses Repository (National and University Library in Zagreb) |
op_collection_id |
ftnulzagrebzir |
language |
Croatian |
topic |
strojno učenje kartezijsko genetsko programiranje koevolucija suparničko učenje machine learning cartesian genetic programming coevolution adversarial learning TEHNIČKE ZNANOSTI. Računarstvo TECHNICAL SCIENCES. Computing |
spellingShingle |
strojno učenje kartezijsko genetsko programiranje koevolucija suparničko učenje machine learning cartesian genetic programming coevolution adversarial learning TEHNIČKE ZNANOSTI. Računarstvo TECHNICAL SCIENCES. Computing Duspara, Ivica Rješavanje problema raspoređivanja korištenjem suparničkog učenja |
topic_facet |
strojno učenje kartezijsko genetsko programiranje koevolucija suparničko učenje machine learning cartesian genetic programming coevolution adversarial learning TEHNIČKE ZNANOSTI. Računarstvo TECHNICAL SCIENCES. Computing |
description |
Većina problema raspoređivanja su NP teški problemi. Korištenjem strojnog učenja moguće je pronaći u prihvatljivom vremenu neko, ne nužno najbolje, rješenje nekog problema raspoređivanja. U suparničkom učenju osim raspoređivača poslova, uče i sami poslovi kako bi otežali proces raspoređivanja raspoređivačima. Koristeći genetsko programiranje, populacija raspoređivača i problema se međusobno natječe - koevoluiraju. Implementacija je ostvarena u radnom okviru ECF. Dani rezultati su prihvatljivi. Most of scheduling problems are NP hard problem. Using machine learning it is possible to find an acceptable solution (not necessary the best solution) to some scheduling problem. In adversarial instead of just schedulers, both schedulers and jobs learn. Jobs learn to make process of scheduling more difficult. Using genetic programming, population of schedulers and population of jobs are competing - coevolving. Implementation is done in ECF framework. Results of coevolution are acceptable. |
author2 |
Jakobović, Domagoj |
format |
Master Thesis |
author |
Duspara, Ivica |
author_facet |
Duspara, Ivica |
author_sort |
Duspara, Ivica |
title |
Rješavanje problema raspoređivanja korištenjem suparničkog učenja |
title_short |
Rješavanje problema raspoređivanja korištenjem suparničkog učenja |
title_full |
Rješavanje problema raspoređivanja korištenjem suparničkog učenja |
title_fullStr |
Rješavanje problema raspoređivanja korištenjem suparničkog učenja |
title_full_unstemmed |
Rješavanje problema raspoređivanja korištenjem suparničkog učenja |
title_sort |
rješavanje problema raspoređivanja korištenjem suparničkog učenja |
publisher |
Sveučilište u Zagrebu. Fakultet elektrotehnike i računarstva. |
publishDate |
2021 |
url |
https://zir.nsk.hr/islandora/object/fer:8240 https://urn.nsk.hr/urn:nbn:hr:168:067691 https://repozitorij.unizg.hr/islandora/object/fer:8240 https://repozitorij.unizg.hr/islandora/object/fer:8240/datastream/PDF |
long_lat |
ENVELOPE(-62.533,-62.533,-64.838,-64.838) |
geographic |
Neko |
geographic_facet |
Neko |
genre |
sami |
genre_facet |
sami |
op_relation |
https://zir.nsk.hr/islandora/object/fer:8240 https://urn.nsk.hr/urn:nbn:hr:168:067691 https://repozitorij.unizg.hr/islandora/object/fer:8240 https://repozitorij.unizg.hr/islandora/object/fer:8240/datastream/PDF |
op_rights |
http://rightsstatements.org/vocab/InC/1.0/ info:eu-repo/semantics/closedAccess |
_version_ |
1775354940691054592 |