<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://repozitorij.uni-lj.si/IzpisGradiva.php?id=153105"><dc:title>Načrtovanje gladke poti z genetskim algoritmom</dc:title><dc:creator>Jermol,	Blaž	(Avtor)
	</dc:creator><dc:creator>Klančar,	Gregor	(Mentor)
	</dc:creator><dc:subject>genetski algoritem</dc:subject><dc:subject>načrtovanje poti</dc:subject><dc:subject>optimizacija parametričnih krivulj</dc:subject><dc:subject>Bézierova krivulja</dc:subject><dc:subject>Catmull-Rom zlepek</dc:subject><dc:subject>odsekoma linearna pot</dc:subject><dc:description>Načrtovanje kvalitetnih poti v okolju, zlasti v primeru večkriterijskega načrtovanja poti z ovirami, predstavlja zahtevno nalogo, kjer lahko določanje kvalitetnih rešitev postane težek izziv. Ob tem se genetski algoritem s svojo lastnostjo hevrističnega iskanja ponuja kot dobra rešitev za tovrstne probleme. V magistrskem delu predstavimo dva načina uporabe genetskih algoritmov za namen načrtovanja poti. 

Prvi način omogoča iskanje odsekoma linearnih poti v statičnem okolju z ovirami, pri čemer upošteva kriterij dolžine in gladkosti poti. Algoritem za svoje delovanje izkorišča a priori znanje o okolju, kar mu omogoča uporabo namenskih genetskih operatorjev, ki pripomorejo k razvoju kvalitetnejših poti. Za namen prepoznavanja ovir v okolju smo razvili namenski genetski operator, ki je zmožen popravljati pot, ki med izvajanjem genetskega algoritma pristane znotraj ovir. Ob tem smo predstavili uporabo dveh različnih mer gladkosti, ki omogočata večkriterijsko globalno iskanje poti ali razvoj odsekoma linearnih poti z višjo stopnjo gladkosti.

Drugi način uporabe genetskih algoritmov opisuje optimizacijo parametrične krivulje, ki predstavlja pot v prostoru. Ob tem predstavimo dva različna načina glajenja poti in izdelavo genetskega algoritma za obe metodi glajenja. 

Skozi različne preizkuse smo potrdili, da oba načina uporabe razvijata kvalitetne poti. Kljub temu se zaradi obsežnosti možnih rešitev v kompleksnejših okoljih genetski algoritem sooča z zahtevami po veliki populaciji in visoki stopnji mutacije, kar vodi v dolge čase izvajanja trenutne implementacije.</dc:description><dc:date>2023</dc:date><dc:date>2023-12-18 09:55:14</dc:date><dc:type>Magistrsko delo/naloga</dc:type><dc:identifier>153105</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>
