Teme pentru proiectul la disciplina

PROGRAMARE EVOLUTIV I ALGORTMI GENETICI

Coninutul proiectului:

- Enunul problemei
- Structura general a algoritmului utilizat (sau, dup caz, a algoritmilor utilizai)
- Specificarea fiecrei componente a algoritmului genetic utilizat pentru rezolvarea
problemei
- Sursele MATLAB dezvoltate pentru rezolvarea problemei

1. Elaborai un proiect pentru rezolvarea problemei de optimizarea portofoliilor RISCMIN0

utiliznd algoritmi genetici i, pentru comparaie, metoda hill-climbing. Ipoteza de lucru este
c tranzaciile de tip short selling nu sunt permise.

2. Elaborai un proiect pentru rezolvarea problemei de optimizarea portofoliilor RISCMIN0

utiliznd strategii evolutive. Ipoteza de lucru este c tranzaciile de tip short selling nu sunt
permise.

3. Elaborai un proiect pentru rezolvarea genetic a urmtoarei probleme de

codificare/decodificare. Un sistem de codificare transform un mesaj dat, format din litere i
spaii, ntr-un nou mesaj rezultat prin nlocuirea tuturor instanelor unui caracter cu un alt
caracter astfel nct dou caractere diferite sunt codificate diferit. Dac este cunoscut o
pereche ( ), unde fiecare mesaj are n caractere, determinai
corespondenele utilizate pentru codificare.
Observaie. Funcia obiectiv este de tip cost i poate fi reprezentat prin

( ) | () ( )|

4. Elaborai un proiect pentru rezolvarea problemei de optimizarea portofoliilor RISC-

RANDAMENT1 utiliznd algoritmi genetici i, pentru comparaie, metoda hill-climbing..
Ipoteza de lucru este c tranzaciile de tip short selling nu sunt permise.

5. Elaborai un proiect pentru rezolvarea problemei de optimizarea portofoliilor RISC-

RANDAMENT1 utiliznd strategii evolutive. Ipoteza de lucru este c tranzaciile de tip short
selling nu sunt permise.
6. Elaborai un proiect pentru rezolvarea problemei rucsacului pentru cazul continuu pot fi alese
fraciuni dintr-un obiect) utiliznd un algoritm genetic.

7. Elaborai un proiect pentru rezolvarea problemei rucsacului pentru cazul continuu (pot fi
alese fraciuni dintr-un obiect) utiliznd strategiile evolutive.

8. Elaborai un proiect pentru rezolvarea genetic a problemei de optimizarea portofoliilor cu n

active RISC-RANDAMENT1 n ipoteza n care este considerat rebalansarea.

Observaii. Rebalansarea portofoliului implic vnzarea i/sau cumprarea unor aciuni.

Fie fraciunile din portofoliul curent cu care se modific fraciunile investite
iniial, dup cumprarea mai multor aciuni i fraciunile din
portofoliul curent cu care i se schimb prin vnzarea unor aciuni.

Condiia de existena: xi 0 si xn+i 0 , pentru i=1,...,n.

Nou fraciune de aciune i investit este yi.
yi = i + xi - xn+i
Pentru fiecare aciune i, fie Cb costul unitar de tranzacie asociat cumprrii i Cs costul
unitar de tranzacie asociat vnzrii aciunii i. Costul aferent rebalansrii (cumprarea de
, vnzarea de ) este Ct, unde

Suma fraciunilor investite naintea rebalansrii: .

Nou sum de fraciuni investite corespunde doar unei pri din portofoliul curent i este:
= (1 - Ct) * < 1 (din suma iniial de fraciuni investite se scade costul
aferent rebalansrii, pentru a obine nou investiie).
Deoarece i < 1, riscul asociat noului portofoliu este

( ) ( )
F= , unde
( )
( ) ( )

9. Elaborai un proiect pentru rezolvarea genetic a unei probleme de stabilire a unui orar.
Problema planificrii orarului revine la o problem de optimizare, n care scopul este de a
aloca eficient un interval de timp i o sal fiecrui curs ce va fi susinut. Eficiena poate fi
msurat prin ndeplinirea condiiilor:
cursurile de tip seminar sau laborator trebuie s se desfoare n sli adecvate;
fiecare student trebuie s aib loc n sal (capacitatea slii nu trebuie s fie mai mic
dect numrul de studeni ateptai);
ntre cursuri nu pot exista ferestre mai mari de dou ore.
 Observaii Componente principale ale unui orar
cursul: orice form de predare a unei materii (curs/laborator/seminar);
grupa de studeni: o grup este format dintr-un numr de studeni aparinnd aceleiai
faculti i aflai n acelai an de studiu;
ora i ziua de desfurare a cursului: reprezint un interval orar de durat fix n timpul
cruia se desfoar un curs. Orele trebuie s se ncadreze n anumite limite stabilite de
universitate , precum i n anumite zile;
sala alocat cursului: reprezint ncperea unde se desfoar activitatea didactic i n
funcie de caz trebuie s ndeplineasc anumite condiii referitoare la numrul de locuri,
echipament tehnic, etc.
Pentru ca orarul s fie unul valid trebuie s respecte urmtoarele restricii:

un curs nu se poate desfura n dou locuri n acelai timp;

o sal nu poate fi alocat pentru dou cursuri n aceeai zi, la aceeai or;
o grup de studeni nu poate participa la mai mult de un curs deodat;
cursurile nu pot fi programate n afara intervalului stabilit;

10. Elaborai un proiect pentru rezolvarea unei variante a problemei de optimizarea portofoliilor
RISCMIN1, n care restricia este nlocuit cu

i sunt valorile extreme admisibile pentru randamentul prognozat. Va fi utilizat

un algoritm genetic. Ipoteza de lucru este c tranzaciile de tip short selling nu sunt permise.

11. Elaborai un proiect pentru rezolvarea unei variante a problemei de optimizarea portofoliilor
RISCMIN1, n care restricia este nlocuit cu

i sunt valorile extreme admisibile pentru randamentul prognozat. Va fi utilizat

o strategie de tip evolutiv. Ipoteza de lucru este c tranzaciile de tip short selling nu sunt
permise.

12. Elaborai un proiect pentru rezolvarea problemei de optimizarea portofoliilor

RANDAMENTMAX1. Restricia este nlocuit cu

unde i sunt valorile extreme admisibile pentru valoarea acceptat a riscului. Va fi

utilizat un algoritm genetic.
Ipoteza de lucru este c tranzaciile de tip short selling nu sunt permise.
13. Elaborai un proiect pentru rezolvarea problemei de optimizarea portofoliilor
RANDAMENTMAX1. Restricia este nlocuit cu

unde i sunt valorile extreme admisibile pentru valoarea acceptat a riscului. Va fi

utilizat o strategie de tip evolutiv.
Ipoteza de lucru este c tranzaciile de tip short selling nu sunt permise.

14. Elaborai un proiect pentru rezolvarea problemei primare de optimizarea portofoliilor

RANDAMENTMAX0 utiliznd algoritmi genetici i, pentru comparaie, metoda hill-
climbing. Ipoteza de lucru este c tranzaciile de tip short selling nu sunt permise.

15. Elaborai un proiect pentru rezolvarea problemei primare de optimizarea portofoliilor

RANDAMENTMAX0 utiliznd strategii evolutive. Ipoteza de lucru este c tranzaciile de tip
short selling nu sunt permise.

16. Elaborai un proiect pentru rezolvarea problemei primare de optimizarea portofoliilor

RANDAMENTMAX1M utiliznd algoritmi genetici i, pentru comparaie, metoda hill-
climbing. Ipoteza de lucru este c tranzaciile de tip short selling nu sunt permise.

17. Elaborai un proiect pentru rezolvarea problemei primare de optimizarea portofoliilor

RANDAMENTMAX1M utiliznd strategii evolutive. Ipoteza de lucru este c tranzaciile de
tip short selling nu sunt permise.

18. Elaborai un proiect pentru rezolvarea genetic a urmtoarei probleme. Un produs P este
obinut n dou fabrici situate n dou locaii, Bucureti i Craiova i este stocat pentru
desfacere n trei depozite, unul situat n Ploieti, unul n Piteti i unul la Cluj. Fabrica din
Bucureti produce sptmnal 120 de tone din produsul P, iar fabrica din Craiova produce P
n cantitate de 140 tone pe sptmn. Pentru desfacerea produsului, necesarul sptmnal
este: pentru depozitul din Ploieti 100 de tone, pentru depozitul din Piteti, 60 de tone,
respectiv pentru depozitul din Cluj 80 de tone. n tabelul de mai jos sunt prezentate costurile
de transport per tona de produs.

Ploieti Piteti Cluj

Bucureti 50 70 90

Craiova 60 70 100
 Problema de rezolvat: calculul numrului de tone din produsul P care trebuie furnizate de
cele dou fabrici fiecrui depozit astfel nct costul de transport s fie minim i astfel nct s fie
respectate condiiile enunate mai sus.

Observaie. Modelul matematic.

Fie F1 i F2 fabricile din Bucureti, respectiv Craiova i D1, D2 i D3 depozitele din
Ploieti, Piteti i Cluj respectiv. Vom nota n continuare cu

xij - numrul de tone din produsul P aduse din Fi la Dj, 1 i 2, 1 j 3

cij - costul de transport al unei tone din produsul P aduse din Fi la Dj,
1 i 2, 1 j 3

3
Cantitatea total din produsul P care provine de la Fi este xij , 1 i 2 . Pe baza
j 1

enunului, rezult,
3 3
x1 j 120 , x2 j 140
j 1 j 1

2
Cantitatea total din produsul P stocat de Dj, 1 j 3 este xij . Deoarece solicitrile
i 1
de produs la depozite este de 100, 60, respectiv 80 de tone, rezult,
2 2 2
xi1 100 , xi 2 60 , xi 3 80
i 1 i 1 i 1

Evident, pentru 1 i 2, 1 j 3 , xij 0 .

2 3
Costul de transport, care trebuie minimizat, este cos t cij xij .
i 1 j 1

Este obinut urmtorul model matematic,

2 3
Determin valorile xij , 1 i 2, 1 j 3 care minimizeaz cos t cij xij cu
i 1 j 1

restriciile,
3
xij si , 1 i 2
j 1

2
xij d j , 1 j3
i 1

xij 0 , 1 i 2, 1 j 3 ,
unde cantitile maxime din produsul P care pot fi furnizate sunt s1 120, s2 140 i necesarul
de aprovizionat este, la nivelul fiecrui depozit, d1 100, d 2 60, d 3 80 .

19. Elaborai un proiect pentru rezolvarea genetic a urmtoarei probleme. n procesul de

prelucrare a butucilor, o fabric de cherestea furnizeaz scndur de dou tipuri: finisat,
notat cu Prod1, i pentru construcii, notat cu Prod2. Pentru obinerea a 1000 de uniti de
scndur finisat procedura de tiere dureaz 2 ore i procedura de rindeluire dureaz 5 ore.
Pentru furnizarea a 1000 uniti de scndur de construcii, procesul de tiere dureaz 2 ore i
cel de rindeluire necesit 3 ore. Fierstrul industrial cu care este realizat tierea poate fi
folosit 8 ore pe zi i rindeaua este disponibil 15 ore pe zi. Dac profitul obinut din
producerea a 1000 uniti de produs este de 120 lei n cazul scndurii finisate, respectiv 100
de lei n cazul scndurii de construcii, se cere s se determine cantitatea de scndur din
fiecare tip, n mii de uniti, care trebuie produs zilnic pentru maximizarea profitului
fabricii.

20. Elaborai un proiect pentru rezolvarea problemei de optimizarea portofoliilor RISCMIN0

prin algoritmi genetici i, pentru comparaie, prin metoda hill-climbing. Ipoteza de lucru este
c tranzaciile de tip short selling sunt permise.

21. Elaborai un proiect pentru rezolvarea problemei de optimizarea portofoliilor RISCMIN0

prin utilizarea unei strategii evolutive. Ipoteza de lucru este c tranzaciile de tip short selling
sunt permise.

22. Elaborai un proiect pentru rezolvarea unei variante a problemei de optimizarea portofoliilor
RISCMIN1, n care restricia este nlocuit cu

i sunt valorile extreme admisibile pentru randamentul prognozat. Va fi utilizat

un algoritm genetic. Ipoteza de lucru este c tranzaciile de tip short selling sunt permise.

23. Elaborai un proiect pentru rezolvarea unei variante a problemei de optimizarea portofoliilor
RISCMIN1, n care restricia este nlocuit cu

i sunt valorile extreme admisibile pentru randamentul prognozat. Va fi utilizat

o strategie evolutiv. Ipoteza de lucru este c tranzaciile de tip short selling sunt permise.
24. Elaborai un proiect pentru rezolvarea problemei de optimizarea portofoliilor
RANDAMENTMAX1. Restricia este nlocuit cu

unde i sunt valorile extreme admisibile pentru valoarea acceptat a riscului. Este
utilizat un algoritm genetic.
Ipoteza de lucru este c tranzaciile de tip short selling sunt permise.

25. Elaborai un proiect pentru rezolvarea problemei de optimizarea portofoliilor

RANDAMENTMAX1. Restricia este nlocuit cu

unde i sunt valorile extreme admisibile pentru valoarea acceptat a riscului. Este
utilizat o strategie evolutiv.
Ipoteza de lucru este c tranzaciile de tip short selling sunt permise.

26. Elaborai un proiect pentru rezolvarea problemei de optimizarea portofoliilor

RANDAMENTMAX1M utiliznd GA i, pentru comparaie, metoda hillclimbing. Ipoteza de
lucru este c tranzaciile de tip short selling sunt permise.

27. Elaborai un proiect pentru rezolvarea problemei de optimizarea portofoliilor

RANDAMENTMAX1M utiliznd strategiile evolutive. Ipoteza de lucru este c tranzaciile
de tip short selling sunt permise.

28. Elaborai un proiect pentru rezolvarea genetic a problemei primare de optimizarea

portofoliilor RANDAMENTMAX0 utiliznd GA i, pentru comparaie, metoda hillclimbing.
Ipoteza de lucru este c tranzaciile de tip short selling sunt permise.

29. Elaborai un proiect pentru rezolvarea problemei de optimizarea portofoliilor

RANDAMENTMAX0 utiliznd strategiile evolutive. Ipoteza de lucru este c tranzaciile de
tip short selling sunt permise.

30. Elaborai un proiect pentru rezolvarea genetic a urmtoarei probleme de tip amestec. O
fabric de produs i ambalat cafea utilizeaz dou tipuri de materii prime, cafea brazilian i
cafea columbian i produce dou mrci de cafea, Super i Lux. Fiecare kilogram de cafea
Super conine cafea brazilian i cafea columbian n cantiti egale, iar un kilogram de cafea
din marca Lux conine 25% cafea brazilian i 75% cafea columbian. Resursele disponibile
unei linii de producie sunt de 120 kg. cafea brazilian i 160 kg. cafea columbian. Dac
profitul obinut din vnzarea unui kg. din marca Super este de 20 de uniti i profitul rezultat
prin vnzarea unui kg. de cafea din marca Lux este de 30 de uniti, problema este de a
 determina numrul de kg. din fiecare marc de cafea care trebuie produse pentru a obine
profit maxim.

31. Elaborai un proiect pentru rezolvarea genetic a urmtoarei probleme (determinarea poziiei
optime a unei uniti de urgen medical varianta 1). ntr-un ora este intenionat plasarea
unei uniti medicale de urgen care s asigure un serviciu optim din punctul de vedere al
timpului de rspuns. n acest scop este realizat o hart a frecvenelor apelurilor efectuate din
diverse puncte ale oraului. Suprafaa oraului este mprit ntr-o reea de 100 de zone de
, conform figurii de mai jos, fiecare zon avnd asociat o anumit frecven de
apel (de la la ).
8 9 11 23 1 0 4 3
8 5 7 0 3 2 1 6 7 9
7 0 2 5 6 9 8 0 0 3
3 4 5 2 1 0 0 6 5 7
8 7 9 1 2 5 3 7 6 5
3 4 7 2 0 2 4 8 3 4
5 2 6 0 3 6 9 8 11 2
7 2 5 2 2 3 5 6 5 1
3 3 8 1 0 4 4 3 7 0
5 4 9 3 1 2 2 6 5
4
Timpul de rspuns este estimat la minute, unde d este distana de la
unitatea de urgen la punctul de apel, msurat n km. Problema este de a calcula
coordonatele unui punct optim ( ) astfel nct s fie minimizat funcia cost definit prin

( ) ( ) ( )

unde ( ) sunt coordonatele centrului celui de-al n-lea cvartal al reelei i este
frecvena apelurilor din cvartalul n.

32. Elaborai un proiect pentru rezolvarea genetic a urmtoarei probleme (determinarea poziiei
optime a unei uniti de urgen medical varianta 2). ntr-un ora este intenionat plasarea
unei uniti medicale de urgen care s asigure un serviciu optim din punctul de vedere al
timpului de rspuns. n acest scop este realizat o hart a frecvenelor apelurilor efectuate din
diverse puncte ale oraului. Suprafaa oraului este mprit ntr-o reea de 100 de zone de
, conform figurii de mai jos, fiecare zon avnd asociat o anumit frecven de
apel.
3 2 8 9 11 23 1 0 4 3
8 5 7 0 3 2 1 6 7 9
7 0 2 5 6 9 8 0 0 3
3 4 5 2 1 0 0 6 5 7
8 7 9 1 2 5 3 7 6 5
 3 4 7 2 0 2 4 8 3 4
5 2 6 0 3 6 9 8 11 2
7 2 5 2 2 3 5 6 5 1
3 3 8 1 0 4 4 3 7 0
5 4 9 3 1 2 2 6 5 3
4
Timpul de rspuns este suma a dou componente, una care depinde exclusiv de distant i
este estimat la minute, i una corespunztoare poziie ctre care este
efectuat deplasare, care este dat n minute (de la la ) i corespunde tabelului urmtor.
20 32 9 11 23 11 31 4 3
8 5 17 12 3 2 1 6 7 9
7 22 2 5 6 9 8 9 16 13
13 12 5 22 12 3 10 6 5 7
8 17 9 1 2 5 3 7 6 5
31 42 7 2 10 2 4 8 13 4
51 2 6 20 3 6 9 8 11 2
7 12 5 2 2 3 5 6 5 11
13 3 8 12 10 4 4 13 7 10
5 4 9 13 12 22 21 6 5

Problema este de a calcula coordonatele unui punct optim ( ) astfel nct s fie
minimizat funcia cost definit prin

( ) ( ) ( ) ( )

unde ( ) sunt coordonatele centrului celui de-al n-lea cvartal al reelei i este
frecvena apelurilor din cvartalul n.

33. Elaborai un proiect pentru rezolvarea problemei de optimizarea portofoliilor RISC-

RANDAMENT1 utiliznd GA i, pentru comparaie, metoda hill-climbing. Ipoteza de lucru
este c tranzaciile de tip short selling sunt permise.

34. Elaborai un proiect pentru rezolvarea genetic a urmtoarei probleme. Un investitor dorete
s investeasc exact 100.000 lei n dou titluri de valoare: T1, care pltete dividende de 7%
i T2, din care rezult dividende de 9%. Condiiile de efectuare a investiiei sunt:

1. suma investit n T1, x , trebuie s fie cel puin dublul sumei investite n T2;
2. suma investit n T2, y , este de maxim 30.000 lei.
Problema de rezolvat: determinarea sumelor de bani care vor fi investite n T1 i T2
astfel nct profitul obinut de investitor s fie maxim.
35. O fabric ambaleaz fructe deshidratate pentru distribuie ctre magazine. Materiile prime
utilizate snt (fructe deshidratate): smochine, banane, ananas, curmale, merior, papaya,
mango, caise, prune. Cantitile disponibile din fiecare materie prim snt, n ordine: 100, 30,
80, 120, 50, 40, 40, 70, 100. Fabrica ambaleaz urmtoarele combinaii, n pachete de cte
200g:
- Combinaia 1: 10% smochine, 5% banana, 15% ananas, 25% curmale, 10% merior, 10%
papaya, 10% mango, 15% caise;
- Combinaia 2: 75% curmale, 25% smochine;
- Combinaia 3: 30% ananas, 30% mango, 30% papaya, 10% merior;
- Combinaia 4: 50% caise, 50% curmale;
- Combinaia 5: 25% caise, 25% curmale, 25% smochine, 25% prune;
- Combinaia 6: 100% curmale;
- Combinaia 7: 100% prune;
- Combinaia 8: 100% smochine;
- Combinaia 9: 100% merior.

Profiturile aduse de fiecare combinaie snt, n ordine: 20, 10, 15, 12, 13, 5, 3, 4, 4 uniti pe
pachet.

Utilizai un algoritm genetic pentru a determina cantitile din fiecare combinaie care trebuie
produse pentru a maximiza profitul.

36. Un productor de marmur dorete s construiasc un depozit central pentru distribuie la

nivel naional. Depozitul va fi plasat ntr-un ora reedin de jude i are n vedere distribuia
ctre toate celelalte reedine de jude. Se cunoate (statistic) cantitatea de marmur (tone)
solicitat anual de fiecare jude i tabelul distanelor ntre fiecare dou orae (km). De
asemenea se cunoate distana de la carier pn la fiecare ora (km). Costul transportului de
la carier la depozit i este exprimat prin funcia

( )

unde: este costul fix specific pentru fiecare transport plecat de la carier ctre oraul i (dac
depozitul s-ar afla n oraul i), este distana de la carier la oraul i, este costul
transportrii unei tone pe distana de un km).

Pentru a livra marmura de la depozit la un client, costul este exprimat de urmtoarea funcie

( )

unde este costul fix pentru un transport de la depozit la oraul i, este distana de la
depozit (oraul d) la oraul i, este costul transportrii unei tone pe un km (valoare unic
valabil pentru orice transport).
Utilizai un algoritm genetic pentru a alege oraul unde trebuie plasat depozitul astfel nct
costurile totale de transport s fie minime.

37. Elaborai un proiect pentru rezolvarea genetic a urmtoarei probleme (image

registration alinierea imaginilor). Este considerat o pereche de imagini gray-scale cu 256
niveluri de gri ( ), cu dimensiune , unde este o variant
nealiniat (rezultat printr-o transformare geometric) a imaginii . Intensitile
luminoase medii ale celor dou imagini sunt presupuse apropiate. Problema este de a determina
acea transformare geometric (n sistemul de coordonate cartezian) caracterizat prin
( ) ( ) ( ( ) ( ))
( )
( )

astfel nct, aplicat imaginii , s fie obinut o variant ct mai apropiat de

imaginea iniial. Cu alte cuvinte, trebuie determinat transformarea definit de parametrii
( ) astfel nct s fie minimizat funcia ce caracterizeaz diferena
dintre cele dou imagini, sau, echivalent, s fie maximizat funcie fitness

( ) | ( ) ( )|

unde rezult prin aplicarea transformrii geometrice imaginii .

Observaie. Funcia este o combinaie liniar a unei funcii de translaie, a unei funcii
de deformare (pe i ) i respectiv de rotaie.

38. Utilizai un algoritm genetic pentru rezolvarea problemei colorrii hrilor, definit
astfel: se d o hart cu n (n>15) ri (se cunosc vecintile pe hart, prin intermediul matricei de
adiacen). Snt disponibile c culori distincte pentru colorarea hrii. Se cere s se determine o
modalitate de colorare a hrii astfel nct fiecare ar s fie colorat cu alt culoare dect toi
vecinii si. Care este numrul minim de culori necesare pentru colorarea hrii?

39. Utilizai un algoritm genetic pentru determinarea unui drum optim ntr-un graf
ponderat conex exprimat n termeni de distane ntre puncte de interes (orae, puncte de
aprovizionare etc.). Se cunoate matricea ponderilor grafului i cele dou puncte ntre care
trebuie determinat drumul (S punct de pornire i F punct final). Valoare unui drum este suma
ponderilor arcelor care compun drumul respectiv. Drumul oprim este drumul cu valoarea cea mai
mic posibil.

40. Utilizai un algoritm genetic pentru rezolvarea problemei determinrii unui drum
ntr-o reea, definit astfel: se cunoate o reea de puncte n care fiecare punct poate fi conectat cu
maxim alte 4 puncte (la nord, vest, sud, est) toate conexiunile au lungimea 1. Se cunoate un
punct de pornire din reea (S) i trebuie determinat un drum (o secven de micri de tipul
nord/vest/sud/est) astfel nct s se ajung la un alt punct final cunoscut (F).

41. Elaborai un proiect pentru rezolvarea genetic a urmtoarei probleme (restaurarea

imaginilor perturbate prin inducere unui efect de micare n plan vertical n caz discret). Este
considerat o pereche de imagini gray-scale cu 256 niveluri de gri ( ), cu
dimensiune , unde este o variant perturbat a imaginii prin inducerea
efectului de micare de tip deplasare pe axa cu poziii. Problema este de a determina m
astfel nct restaurarea realizat prin aplicarea unui filtru invers s aib efectul maxim posibil,
adic s fie minimizat funcia SNR (Signal-to-Noise-Ratio) aplicat pentru imaginea restaurat
versus imaginea original,

( ( ))
( ) [ ]
( ( ) ( ))
(pentru detalii consultai profesorul de la curs)

42. Elaborai un proiect pentru rezolvarea genetic a urmtoarei probleme (restaurarea

imaginilor perturbate prin inducere unui efect de micare n plan vertical n caz continuu). Este
considerat o pereche de imagini gray-scale cu 256 niveluri de gri ( ), cu
dimensiune , unde este o variant perturbat a imaginii prin inducerea
efectului de micare de tip deplasare pe axa pe baza funciei

( )
Problema este de a determina a astfel nct restaurarea realizat prin aplicarea unui filtru invers
s aib efectul maxim posibil, adic s fie minimizat funcia SNR (Signal-to-Noise-Ratio)
aplicat pentru imaginea restaurat versus imaginea original,

( ( ))
( ) [ ]
( ( ) ( ))
(pentru detalii consultai profesorul de la curs)

43. Elaborai un proiect pentru rezolvarea genetic a urmtoarei probleme (tehnici de

image enhancement). Este considerat o pereche de imagini gray-scale cu 256 niveluri de gri
( ), cu dimensiune , unde este o variant a imaginii originale
, n care luminozitatea este afectat (redus). tiind c, pentru o imagine de intrare I
considerat normalizat, modificarea gradului de luminozitate este asigurat prin aplicarea
transformrii Gamma, cu parametrii ( ) [ ] i ( )
(( )) ( )

Problema este de a determina ( ) [ ] i ( ) astfel nct restaurarea realizat prin

aplicarea unui transformatei Gamma s determine o imagine ct mai bun posibil, adic s fie
minimizat funcia SNR (Signal-to-Noise-Ratio) aplicat pentru imaginea restaurat
versus imaginea original,

( ( ))
( ) [ ]
( ( ) ( ))

(pentru detalii consultai profesorul de la curs)

44. Elaborai un proiect pentru rezolvarea genetic a urmtoarei probleme (restaurarea

imaginilor perturbate cu zgomot distribuit normal, invariant la poziie). Este considerat o
pereche de imagini gray-scale cu 256 niveluri de gri ( ), cu dimensiune
, unde este o variant perturbat a imaginii prin inducerea de zgomot
aditiv, repartizat ( ). Problema este de a determina o valoare ( ) astfel nct
restaurarea realizat prin aplicarea unui filtrului Laplace cu masca de filtrare

[ ]

s aib efectul maxim posibil, adic s fie minimizat funcia SNR (Signal-to-Noise-Ratio)
aplicat pentru imaginea restaurat versus imaginea original,

( ( ))
( ) [ ]
( ( ) ( ))
(pentru detalii consultai profesorul de la curs)

45. Elaborai un proiect pentru rezolvarea genetic a urmtoarei probleme (restaurarea

imaginilor perturbate cu zgomot distribuit normal, invariant la poziie - variant). Este
considerat o pereche de imagini gray-scale cu 256 niveluri de gri ( ), cu
dimensiune , unde este o variant perturbat a imaginii prin inducerea
de zgomot aditiv, repartizat ( ), nucunoscut. Problema este de a determina valoarea
( ) m astfel nct restaurarea realizat prin aplicarea unui filtru ( ) s aib
efectul maxim posibil, adic s fie minimizat funcia SNR (Signal-to-Noise-Ratio) aplicat
pentru imaginea restaurat versus imaginea original,

( ( ))
( ) [ ]
( ( ) ( ))
(pentru detalii consultai profesorul de la curs)

46. Utilizai un algoritm genetic pentru rezolvarea problemei participanilor la o mas

rotund, definit astfel: n jurul mesei din sala de edine se afl n scaune, pentru cei n
participani. Iniial scaunele snt alocate n ordine alfabetic. ntre vecini (conform aezrii
iniiale) apar conflicte care duc la ntrzierea lucrrilor edinei. Se cere determinarea unei alte
modaliti de aezare n jurul mesei, astfel nct oricare doi vecini din aezarea iniial s nu mai
fie vecini n noua aezare.

47. Utilizai un algoritm genetic pentru rezolvarea problemei determinrii unui drum
ntr-o reea tridimensional, definit astfel: se cunoate o reea de puncte n care fiecare punct
poate fi conectat cu maxim alte 6 puncte (la nord, vest, sud, est, sus, jos) toate conexiunile au
lungimea 1. Se cunoate un punct de pornire din reea (S) i trebuie determinat un drum (o
secven de micri de tipul nord/vest/sud/est) astfel nct s se ajung la un alt punct final
cunoscut (F).

48. Elaborai un proiect pentru rezolvarea genetic a urmtoarei probleme (problem de

cluster). Fiind dat un set de imagini avnd aceeai dimensiuni, , i care reprezint
persoane (fiecrei persoane corespunzndu-i mai multe imagini ale feei n diferite ipostaze, dar
aliniate poziia capului este mereu aceeai), determinai subseturi (clustere) reprezentnd o
partiie a lui S i astfel nct imaginile unui cluster sunt asociate unei singure persoane (gruparea
cea mai natural a celor k poze n clustere). Ipoteza de lucru este ca fiecare persoan are
asociate cel puin 2 imagini diferite
Observaie. Un cromozom este reprezentat printr-un vector cu elemente, fiecare fiind
un atribut cardinal din mulimea { }. Un vector ( ) este soluie dac
minimizeaz funcia

( ) ( )
( )

unde este centroidul clasei i (imaginea medie a imaginilor clasei i) i

 ( ( ))
( ) [ ]
( ( ) ( ))

Funcia msoar suma diferenelor obiectelor din aceeai clas fa de centroidul clasei, din
punctul de vedere al msurii SNR (Signal-to-Noise Ratio).

49. Elaborai un proiect pentru rezolvarea genetic a urmtoarei probleme (problem de

recunoatere a formelor). Fiind dat un set de imagini avnd aceeai dimensiuni, , i
care reprezint persoane (fiecrei persoane corespunzndu-i mai multe imagini ale feei n
diferite ipostaze, dar aliniate poziia capului este mereu aceeai), grupate n subseturi
(clustere) reprezentnd o partiie a lui S determinai dac o nou imagine este o imagine a unei
persoane ale crei poze sunt pstrate n i, n caz afirmativ, crei persoane aparine imaginea.
Ipoteza de lucru este ca fiecare persoan are asociate cel puin 2 imagini diferite i numrul de
persoane este foarte mare, astfel nct nu este eficient compararea imagine cu imagine.
Observaie. Fie vectorul partiie cu elemente (fiecare atribut cardinal din mulimea
{ } indic persoana creia i aparine imaginea). Un cromozom este o valoare
{ }. O valoare j este soluie dac minimizeaz funcia
( ( ))
( ) [ ]
( ( ) ( ))

unde este centroidul clasei j (imaginea medie a imaginilor clasei j)

50. Utilizai un algoritm genetic pentru rezolvarea urmtoarei probleme: trebuie

identificat n mod automat numrul de nmatriculare al unui vehicul, avnd la dispoziie
urmtoarele elemente:
- Imaginea plcuei de nmatriculare, surprins de camerele de supraveghere. Din aceasta
au fost decupate imagini individuale (de dimensiuni egale ) cu fiecare caracter
(imaginea poate fi slab luminat, nu e neaprat frontal, poate fi micat).
- Un set de imagini de dimensiuni egale care reprezint toate cele caracterele
posibile (litere i cifre care pot s apar pe o plcu de nmatriculare). Pentru fiecare
caracter snt disponibile mai multe imagini diferite (din diferite unghiuri minim 2
imagini).

Fiecare din cele imagini primite trebuie identificate, n ordine. Se utilizeaz urmtoarele
elemente: un vector cu elemente, n care fiecare element desemneaz caracterul cruia i
corespunde imaginea ( fiecrui caracter i este asociat o valoare
ntreag n domeniul ); un cromozom din algoritmul genetic este o valoare .
Algoritmul determin ca soluie acea valoare pentru care
 ( ( ))
( ) [ ]
( ( ) ( ))

unde: I este imaginea care trebuie identificat (pe rnd, fiecare caracter din plcua care trebuie
identificat); este centroidul clasei (imaginea medie a clasei adic a tuturor imaginilor din
setul care corespund caracterului ).

51. Utilizai un algoritm genetic pentru rezolvarea urmtoarei probleme: un proiect

internaional de cartografiere a centurii de asteroizi deine o baz de date n care se afl un set S
de imagini (de dimensiuni egale ) care reprezint cei asteroizi identificai pn n
prezent (fiecrui asteroid i corespund mai multe imagini n diferite ipostaze, dar aliniate
poziia este mereu aceeai), determinai subseturi (clustere) reprezentnd o partiie a lui S astfel
nct imaginile unui cluster sunt asociate unui singur asteroid (gruparea cea mai natural a celor
poze n clustere). Ipoteza de lucru este ca fiecare asteroid are asociate cel puin 2 imagini
diferite.

n cadrul algoritmului genetic un cromozom este reprezentat printr-un vector cu

elemente, fiecare fiind un atribut cardinal din mulimea { }. Un vector ( )
este soluie dac minimizeaz funcia

( ) ( )
( )

unde este centroidul clasei i (imaginea medie a imaginilor clasei i) i

( ( ))
( ) [ ]
( ( ) ( ))

Funcia msoar suma diferenelor obiectelor din aceeai clas fa de centroidul clasei, din
punctul de vedere al msurii SNR (Signal-to-Noise Ratio).

52. Elaborai un proiect pentru rezolvarea genetic a urmtoarei probleme (Problema

C: o variant a problemei planificrii activitilor, alta dect JSS). ntr-un centru de producie,
cele n maini disponibile pot realiza m tipuri de activiti. Fie un produs final constituit din t
pri. Cnd maina i execut sarcina j sunt produse uniti din partea k. Notm cu fracia
de timp n care maina i execut sarcina j i cu cantitatea din produsul final rezultat. Problema
este de a maximiza .
Observaie. n termeni matematici, problema poate fi exprimat astfel:


53. Utilizai un algoritm genetic pentru rezolvarea urmtoarei probleme de clasificare a

tipurilor de teren: este disponibil un set S de hri ale altitudinilor unor suprafee
dreptunghiulare de teren din diverse zone ale rii. Hrile snt reprezentate prin matrice (de
dimensiuni egale ) n care fiecare element reprezint altitudinea medie a unei subzone
ptrate cu latura de 100m. Trebuie determinate p subseturi (clustere) reprezentnd o partiie a lui
S astfel nct imaginile unui cluster sunt asociate unui singur tip de teren (gruparea cea mai
natural a celor hri n clustere). Ipoteza de lucru este c exist cel puin dou hri ale unor
zone asemntoare ca tip de teren.

n cadrul algoritmului genetic un cromozom este reprezentat printr-un vector cu

elemente, fiecare fiind un atribut cardinal din mulimea { }. Un vector ( )
este soluie dac minimizeaz funcia

( ) ( )
( )

unde este centroidul clasei i (harta altitudinilor medii ale clasei i) i

( ( ))
( ) [ ]
( ( ) ( ))

Funcia msoar suma diferenelor obiectelor din aceeai clas fa de centroidul clasei, din
punctul de vedere al msurii SNR (Signal-to-Noise Ratio).