OR_demos

Demo aplikacije za predmet Optimizacija resursa, Red. prof. dr Samim Konjicija, 2025. godina

Pregled demo aplikacija

P1 - Uvod

laptop_optimizer_demo.html

Interaktivna web aplikacija za demonstraciju problema optimizacije izbora laptopa. Prikazuje osnovne koncepte optimizacije kroz praktičan primjer gdje se biraju laptopi sa ciljem maksimiziranja performansi uz ograničen budžet.

---

P2 - Klasični algoritmi optimizacije

dfs_bfs_demo.html

Web demo koji vizualizira algoritme pretraživanja grafa:

• DFS (Depth-First Search) - pretraživanje u dubinu
• BFS (Breadth-First Search) - pretraživanje u širinu

Omogućava interaktivno iscrtavanje grafa i praćenje koraka algoritama.

dp_demo.html

Demonstracija dinamičkog programiranja kroz klasične probleme:

• Problem ranca (Knapsack problem)
• Fibonacci brojevi
• Najduža zajednička podsekvenca (LCS)

Prikazuje tablice memorisanja i optimalne podstrukture.

gradient_search_demo.html / gradient_search_demo.py

Vizualizacija algoritama gradijentnog pretraživanja:

• Gradient Descent
• Prikaz konvergencije prema lokalnim/globalnim optimumima
• Dostupno kao web i Python/Tkinter aplikacija

---

P3 - Heuristički i metaheuristički algoritmi

local_search_demo.py

Python/Tkinter aplikacija koja demonstrira lokalnu pretragu (Hill Climbing):

• Iterativno poboljšanje trenutnog rješenja
• Vizualizacija pretraživanja u 2D prostoru
• Prikaz lokalnih optimuma

ils_demo.py / ils_demo_corrected.py

Iterated Local Search (ILS) demo aplikacije:

• Kombinacija lokalne pretrage i perturbacije
• Vizualizacija eskejpa iz lokalnih optimuma
• Praćenje najbolje pronađene tačke

---

P4 - Tabu pretraživanje

tabu_search_demo.html / tabu_search_demo.py

Demonstracija Tabu Search algoritma:

• Tabu lista za sprječavanje cikličnog vraćanja
• Short-term i long-term memorija
• Vizualizacija pretraživanja uz zabranjene poteze
• Dostupno kao web i Python/Tkinter aplikacija

tabu_knapsack_demo.html

Primjena Tabu Search algoritma na problem ranca:

• Demonstracija rada sa diskretnim problemima
• Aspiracioni kriterijum
• Praćenje istorije rješenja

---

P5 - Simulirano hlađenje

simulated_annealing_demo.html / simulated_annealing_demo.py

Simulated Annealing demo sa poređenjem algoritama:

• Lokalna pretraga
• Tabu pretraživanje
• Simulirano hlađenje

Omogućava konfigurisanje:

• Temperature parametara (T₀, Tₘᵢₙ)
• Sheme hlađenja (Geometrijsko, Logaritamsko, Linearno)
• Vizualizacija funkcija i historije pretraživanja

---

P6 - GA - osnove

ga_visualization.html

Kompletna web aplikacija za demonstraciju genetičkog algoritma:

• Populacijska optimizacija
• Fitness funkcije (kvadratna, Rastrigin, Ackley, Griewank, Levy)
• Operatori selekcije (Ruletski točak, Ranking, Turnirska)
• Operatori ukrštanja (Jedna tačka, Dvije tačke, Uniformno)
• Mutacija sa konfigurisanom vjerovatnoćom
• Elitizam
• Cilj optimizacije (maksimizacija/minimizacija)
• Graf evolucije fitnessa kroz generacije
• Prikaz populacije hromozoma

ga_operatori.html

Interaktivna vizualizacija genetičkih operatora:

• Operator ukrštanja (one-point, two-point, uniform)
• Operator mutacije
• 2D vizualizacija u ravni
• Binarna reprezentacija sa prikaz izmijenjenih bita
• Konfigurisanje vjerovatnoća (pₑ, pₘ)
• Prikaz više pokušaja operacija sa statistikom

genetic_algorithm_demo.py

Unificirana Python/Tkinter aplikacija koja integriše:

• Lokalnu pretragu
• Tabu pretraživanje
• Simulirano hlađenje
• Genetički algoritam sa svim parametrima

GA specifične opcije:

• Veličina populacije
• Operatori ukrštanja i selekcije
• Parametri mutacije
• Elitizam
• Grafički prikaz evolucije fitnessa nakon završetka

ga_krojenje.py

Python/Tkinter aplikacija za demonstraciju primjene GA na problem krojenja:

• Optimizacija krojenja drvenih ploča sa Tetris oblicima
• Dva načina popunjavanja:
  • Slobodno: Oblici se mogu postaviti bilo gdje
  • Gravitacijski: Oblici moraju biti podržani (na dnu ili na drugim oblicima)
• Konfigurisanje dimenzija ploče (5-20 × 5-20)
• Izbor broja komada za svaki oblik (I, O, T, L, J, S, Z)
• Svi GA parametri (populacija, selekcija, ukrštanje, mutacija, elitizam)
• Dva kanvasa za vizualizaciju:
  • Lijevi: Prikaz najboljeg rješenja iz trenutne populacije
  • Desni: Prikaz odabrane jedinke sa combobox-om za izbor (dropdown ili unos broja)
• Graf evolucije fitnessa kroz generacije
• Fitness funkcija sa kaznom za praznine (gravitacijski mod)
• Help meni sa detaljnim uputstvom i About informacijama

selection_comparison.html

Interaktivna web aplikacija za poređenje mehanizama selekcije u GA:

• Četiri mehanizma selekcije:
  • Skraćivanje (Truncation) - odabir top N% jedinki
  • Ruletski točak (RWS) - proporcionalno fitnessu
  • Rangiranje (Ranking) - bazirano na rangu, ne fitnessu
  • Turnirska selekcija (Tournament) - k-turniri sa vjerovatnoćom p
• Odabir mehanizama za prikaz putem checkboxova
• Konfigurisanje parametara za svaki mehanizam
• Vizualizacija vjerovatnoća selekcije:
  • Bar chart za direktno poređenje odabranih metoda
  • Pie chart za svaki mehanizam pojedinačno
• Prikaz sortrane populacije sa fitness vrijednostima i rangovima
• Idealan alat za razumijevanje razlika između metoda selekcije

---

Pokretanje demo aplikacija

Web aplikacije (HTML)

Otvorite HTML fajlove direktno u web browseru (preporučuje se Chrome, Firefox ili Edge).

Python aplikacije

Potreban Python 3.x sa bibliotekama:

• tkinter (uobičajeno dolazi sa Python instalacijom)
• numpy
• matplotlib

Pokretanje:

python3 <naziv_aplikacije>.py

---

Licenca i kontakt

Materijali kreirani za potrebe predmeta Optimizacija resursa. © 2025. Red. prof. dr Samim Konjicija