Táto diplomová práca sa zaoberá použiteľnosťou genetických algoritmov pre dvoj dimenzionálny non-guillotineable Cutting Problem v drevárskom priemysle ? 2D non-guillotineable Log Cutting Problem (ngLCP). V práci sú prezentované dva nové prístupy ku konštrukcii riešenia pomocou konštrukčnej heuristiky pre ngLCP a tieto sú následne dôkladne preverené. V práci je ďalej prezentovaná inovatívna fitness funkcia pre ohodnocovanie porezových plánov, ktorá sa zameriava na pomoc evolučnému procesu ku konvergencii k vhodnému riešeniu ngLCP. Kvôli nedostatku literatúry pojednávajúcej o LCP, alebo podobnom probléme a následnej nedostupnosti vhodných testovacích scenárov, boli navrhnuté testovacie scenáre ktoré obsahujú 15 reálnych aj syntetických kontajnerov a 5 sád malých objektov. Tieto scenáre sú následne použité k overeniu a porovnaniu navrhovaných riešení medzi sebou. Práca takisto zvažuje multikriteriálnu optimalizáciu kde je okrem výťaže optimalizovaná aj kvalita reziva
Anotace v angličtině
This diploma thesis deals with the usability of genetic algorithms for two dimensional
non-guillotine Cutting Problem in wood industry ? 2D non-guillotineable Log Cutting Problem (ngLCP). Two novel approaches for construction heuristics of solutions to ngLCP are presented and thoroughly tested. Novel fitness function for evaluation of cutting patterns is presented which aims to help evolution process in finding the right solution for ngLCP. Because of lack of literature about Lumber Cutting Problem or similar problem and resulting lack of testing scenarios, we propose new set of 15 real and synthetic containers and 5 small item sets. These scenarios were later used to compare proposed solution methods between each other. The thesis also consider multicriterial optimization where alongside of utilization the lumber quality is also optimized
Táto diplomová práca sa zaoberá použiteľnosťou genetických algoritmov pre dvoj dimenzionálny non-guillotineable Cutting Problem v drevárskom priemysle ? 2D non-guillotineable Log Cutting Problem (ngLCP). V práci sú prezentované dva nové prístupy ku konštrukcii riešenia pomocou konštrukčnej heuristiky pre ngLCP a tieto sú následne dôkladne preverené. V práci je ďalej prezentovaná inovatívna fitness funkcia pre ohodnocovanie porezových plánov, ktorá sa zameriava na pomoc evolučnému procesu ku konvergencii k vhodnému riešeniu ngLCP. Kvôli nedostatku literatúry pojednávajúcej o LCP, alebo podobnom probléme a následnej nedostupnosti vhodných testovacích scenárov, boli navrhnuté testovacie scenáre ktoré obsahujú 15 reálnych aj syntetických kontajnerov a 5 sád malých objektov. Tieto scenáre sú následne použité k overeniu a porovnaniu navrhovaných riešení medzi sebou. Práca takisto zvažuje multikriteriálnu optimalizáciu kde je okrem výťaže optimalizovaná aj kvalita reziva
Anotace v angličtině
This diploma thesis deals with the usability of genetic algorithms for two dimensional
non-guillotine Cutting Problem in wood industry ? 2D non-guillotineable Log Cutting Problem (ngLCP). Two novel approaches for construction heuristics of solutions to ngLCP are presented and thoroughly tested. Novel fitness function for evaluation of cutting patterns is presented which aims to help evolution process in finding the right solution for ngLCP. Because of lack of literature about Lumber Cutting Problem or similar problem and resulting lack of testing scenarios, we propose new set of 15 real and synthetic containers and 5 small item sets. These scenarios were later used to compare proposed solution methods between each other. The thesis also consider multicriterial optimization where alongside of utilization the lumber quality is also optimized
1.Práce řeší problém multikriteriální optimalizace výtěže pořezu dřevní kulatiny pomocí evolučních výpočetních technik.
2.Úvodem práce je třeba provést rešerši odborné literatury týkající se řešení obdobných problémů v technologické praxi se zaměřením na řešení pomocí evolučních algoritmů.
3.Dále je třeba prostudovat modelový problém a navrhnout alternativy řešení problému nejprve jako monokriteriální a následně jako multikriteriální úlohy.
4.Navržené varianty řešení je třeba implementovat v programovacím jazyku JAVA.
5.Použitelnost navržených řešení je třeba ověřit pomocí testovacích scénářů obvyklých při Cutting Stock / Strip Packing problémech. Získaná data je třeba vyhodnotit v přehledné grafické a tabulkové formě.
6.Výstupem práce bude textová dokumentace vypracovaná podle příslušných vyhlášek fakulty s přihlédnutím k normě ČSN ISO 690 a médium se programovým řešením problému.
Zásady pro vypracování
1.Práce řeší problém multikriteriální optimalizace výtěže pořezu dřevní kulatiny pomocí evolučních výpočetních technik.
2.Úvodem práce je třeba provést rešerši odborné literatury týkající se řešení obdobných problémů v technologické praxi se zaměřením na řešení pomocí evolučních algoritmů.
3.Dále je třeba prostudovat modelový problém a navrhnout alternativy řešení problému nejprve jako monokriteriální a následně jako multikriteriální úlohy.
4.Navržené varianty řešení je třeba implementovat v programovacím jazyku JAVA.
5.Použitelnost navržených řešení je třeba ověřit pomocí testovacích scénářů obvyklých při Cutting Stock / Strip Packing problémech. Získaná data je třeba vyhodnotit v přehledné grafické a tabulkové formě.
6.Výstupem práce bude textová dokumentace vypracovaná podle příslušných vyhlášek fakulty s přihlédnutím k normě ČSN ISO 690 a médium se programovým řešením problému.
Seznam doporučené literatury
1.MACH, M. Evolučné algoritmy. Prvky a princípy.Košice : Elfa, 2009. 250 s. ISBN 978-80-8086-123-0.
2.SHARMA R.; BALACHANDER T.; MCCORD Ch.; ANAND S.; ZHANG Q. Genetic Algorithm for the Non-convex Cutting Stock Problem [online].University of Cincinnati : Computer Aided Manufacturing Laboratory. Dostupné na: http://citeseerx.ist.psu.edu/viewdoc/versions?doi=10.1.1.41.6583.
3.ILLICH S.; WHILE L.; BARONE L. Multi-objective Strip Packing Using an Evolutionary Algorithm [online]. IEEE Congress on Evolutionary Computation, 2007. Dostupné na: http://ieeexplore.ieee.org/xpl/freeabs_all.jsp?arnumber=4425020
4.COELO C.; LAMONT G. Applications of Multi-Objective Evolutionary Algorithms - Advances In Natural Computation Vol.1, Singapore (Singapúr) : World Scientific Publishing Co. Pte. Ltd., 2004. ISBN 981-256-106-4
Seznam doporučené literatury
1.MACH, M. Evolučné algoritmy. Prvky a princípy.Košice : Elfa, 2009. 250 s. ISBN 978-80-8086-123-0.
2.SHARMA R.; BALACHANDER T.; MCCORD Ch.; ANAND S.; ZHANG Q. Genetic Algorithm for the Non-convex Cutting Stock Problem [online].University of Cincinnati : Computer Aided Manufacturing Laboratory. Dostupné na: http://citeseerx.ist.psu.edu/viewdoc/versions?doi=10.1.1.41.6583.
3.ILLICH S.; WHILE L.; BARONE L. Multi-objective Strip Packing Using an Evolutionary Algorithm [online]. IEEE Congress on Evolutionary Computation, 2007. Dostupné na: http://ieeexplore.ieee.org/xpl/freeabs_all.jsp?arnumber=4425020
4.COELO C.; LAMONT G. Applications of Multi-Objective Evolutionary Algorithms - Advances In Natural Computation Vol.1, Singapore (Singapúr) : World Scientific Publishing Co. Pte. Ltd., 2004. ISBN 981-256-106-4
Přílohy volně vložené
1 CD ROM
Přílohy vázané v práci
ilustrace, grafy, tabulky
Převzato z knihovny
Ne
Plný text práce
Přílohy
Posudek(y) oponenta
Hodnocení vedoucího
Záznam průběhu obhajoby
Diplomant ve své práci řešil 2D non-guillotine Cutting Problem v dřevařském průmyslu - problém optimálního pořezu kulatiny s ohledem na co nejvyšší výtěžek a kvalitu výstupu. K řešení diplomant přistoupil v šíři odpovídající spíše disertační než diplomové práci.
Oponent považuje diplomovou práci za velmi zdařilou.