Popis tema: genetsko programiranje, evolucijski algoritmi

Teme su poredane od najnovijih prema starijima, no i neke 'starije' teme također se obnavljaju uz nove rezultate. Popis nije konačan, tj. moguće je predložiti i obrađivati temu koja nije među navedenima - ovisno o razini rada (seminar, projekt, završni, diplomski).

Neke od korisnih početnih stranica:

• http://en.wikipedia.org/wiki/Evolutionary_computation
• https://en.wikipedia.org/wiki/Genetic_programming
  

Upravljanje semaforima (TSC, Traffic signal control) uz pomoć genetskog programiranja

• Opis: za upravljanje prometom (rad semafora, ograničenja brzine (variable speed limit), dinamičke trake (dynamic lanes) i slično) provodi se optimizacija na temelju predviđenog toka prometa. No u dinamičkim uvjetima može se upravljati semaforima pomoću pravila, koja na temelju trenutnog stanja, donose odluke o ciklusima semafora. Pravila se mogu evoluirati GP-om (a koristi se i reinforced learning).
• relevantni radovi: GPLight+: A Genetic Programming Method for Learning Symmetric Traffic Signal Control Policy, Learning Traffic Signal Control via Genetic Programming, Evolving Adaptive Traffic Signal Controllers for a Real Scenario Using Genetic Programming with an Epigenetic Mechanism, Generalized Phase Pressure Control Enhanced Reinforcement Learning for Traffic Signal Control
• zadatak: uz pomoć gotovih simulatora prometa (taj dio ne treba implementirati), optimirati ponašanje sustava semafora za skup križanja!
• diplomski rad: Upravljanje dinamičkim sustavom prometa genetskim programiranjem u simuliranom okruženju
• diplomski rad: Dinamičko upravljanje simuliranim prometnim sustavima uz pomoć genetskog programiranja

Vending machine optimization

• Opis: kod održavanja hrpe vending aparata: kako odlučiti koji proizvodi idu na koje lokacije i u kojem tenutku (minimizacija troškova dostave, izbjegavanje situacije gdje nema proizvoda), u kojoj količini (koliko kojeg proizvoda da potrošnja bude jednolika), te kako organizirati smještaj proizvoda unutar aparata (za maksimizaciju prodaje)? Nekoliko podproblema koje treba gledati zajednički...
• https://vending-machines.ie/how-can-i-optimize-product-placement-inside-vending-machines/,
• Smart Computing-Enabled Bi-layer Optimization for Vending Machine Deployment and Shelf Display,
• The vending machine deployment and shelf display problem: A bi-layer optimization approach

Učinkovitost metoda selekcije u GP-u

• Opis: koliko metoda selekcije i definicija greške utječe na performanse GP-a? Treba usporediti više varijanti na malim i velikim skupovima problema, vidjeti postoji li ovisnost o vrsti problema... možemo li dati konkretne preporuke koji algoritam radi bolje?
• A comparison of tournament and lexicase selection paradigms in regression problems: error-based fitness versus correlation fitness
• Desire-Driven Selection: An Epigenetic Experiment in Genetic Programming
• Was Tournament Selection All We Ever Needed? A Critical Reflection on Lexicase Selection

Implementacija API-ja za kombinatoričku optimizaciju (COST projekt)

• Opis: u okviru EU projekta postoji python API za kombinatoričke probleme - treba ga integrirati u ECF, bilo u C++ ili uz neku python ekstenziju!
• projektni git: https://github.com/roar-net
• postojeci API: https://github.com/roar-net/roar-net-api-py

LLM evolucija heuristika i metaheuristika

• Opis: volite se igrati LLMovima? Onda možete raditi i nešto korisno...
• neke reference i implementacije (ima ih puno...):
• https://github.com/XAI-liacs/LLaMEA,
• LLaMEA: A Large Language Model Evolutionary Algorithm for Automatically Generating Metaheuristics,
• https://cis.ieee.org/images/files/webinar_slides/2025-09-25-IEEE-webinar-LLaMEA-_Niki_Stein.pdf

Razne teme s najnovijih konferencija!

• Opis: bilo koji rad s friških konferencija (GECCO, EVOStar, PPSN...) je potencijalna tema za seminar/završni/diplomski! (uz dogovor o opsegu rada) Ako kojem radu ne možete pristupiti, javite meni (imam spremljeno).
• lijepi mali citljivi modeli: Social Interpretable Reinforcement Learning
• puno manji a bolji od transformera: Evolving RNNs for Stock Forecasting: A Low Parameter Efficient Alternative to Transformers
• kombinacija GP i CA, ugurali su i semanticki GP i neki novi SLIM GSGP: Exploring the Integration of Cellular Structures in Genetic Programming-Based Methods
• ...
• Popis SVIH radova na GECCO konferencijama (open access); preletite po naslovima radova pa vidite: https://sig.sigevo.org/SIGEVO-Proceedings-in-the-Digital-Library

Napredne tehnike simboličke regresije za ECF (http://ecf.zemris.fer.hr/)

• popis tehnika za implementaciju dostupan je ovdje: https://github.com/cavalab/srbench
• Operon: kombinacija "obicnog" GP-a i optimizacije parametara modela uz pomoc algoritma nelinearne optimizacije (https://github.com/heal-research/operon)
• MEGP: varijanta simboličke regresije temeljena na GP-u: https://dl.acm.org/doi/abs/10.1145/2576768.2598291; koliko je zaista dobra?
• AI-Feynman: novi pristup simboličkoj regresiji koji radi jako dobro: https://github.com/SJ001/AI-Feynman; mozemo li bolje od toga, uz pomoć hibridnog evolucijskog pristupa?

ECF klasifikator

• Opis: imamo nekoliko klasifikatora (stabla odluke, GP, sada i neuronsku mrežu) koje treba objediniti tako da imaju iste parametre! (ulazni podaci, način ocjene, odabir značajki, strukture mreže itd). Na kraju, ultra korisno bilo bi nakalemiti vizualno sučelje (u bilo čemu) gdje korisnik lako odabere te parametre
• linkovi: postojeće implementacije opisane u ovim završnim radovima: http://bib.irb.hr/datoteka/845373.Final_0036475679_41.pdf, http://bib.irb.hr/datoteka/845380.Final_0036478088_41.pdf, treba ujednačiti funkcionalnost!

Novi genotip za ugradnju u ECF

• Opis: novi genotip na bazi
https://ieeexplore.ieee.org/abstract/document/9180100 (simbolicka regresija uz NN-based prikaz)

Algoritmi optimizacije za ugradnju u ECF

• danas se CMA-ES smatra ponajboljim algoritmom za kontinuiranu optimizaciju: Evolution Strategies, https://en.wikipedia.org/wiki/CMA-ES. Koja inačica algoritma je najbolja?? Želimo isprobati!
• još jedan kandidat: Estimation of distribution algorithm
• algoritam CONDOR: http://www.applied-mathematics.net/CONDORManual/CONDORManual.html,
• dosta algoritama ima ovdje: https://nlopt.readthedocs.io/en/latest/NLopt_Algorithms/
• https://www.zhangzk.net/software.html, https://www.pdfo.net/
• algoritmi: Bees algorithm, Grammatical evolution, Fish School Search, Ant colony optimization, Firefly algorithm, ...
• Bayesova optimizacija: http://link.springer.com/article/10.1007%2Fs101070100290, http://arxiv.org/abs/1404.4261, http://coco.gforge.inria.fr/lib/exe/fetch.php?media=pdf2015:03-cec2015-brockhoff.pdf

Učenje strategija za razne netrivijalne igre ili simulacije za više igrača

• Opis: kako uz pomoć GP-a (ili sličnih alata u za strojno učenje i optimizaciju) možemo dobiti strategiju igranja za neke logičke igre? (ili simulacije, kao https://sourceforge.net/projects/torcs/)
• simuliranje robota i upravljanje: https://cyberbotics.com/
• https://www.aigaming.com/
• https://www.battlecode.org/tournaments/eternal-glory/
• http://ants.aichallenge.org/
• http://www.robocup.org/leagues/24
• ostvarenje strategije igranja igara (tipa Rock-Paper-Scissors) uz pomoć genetskog programiranja (ili neka slična igra)

Razvoj funkcionalnosti programskog okvira za evolucijske algoritme - ECF (Evolutionary Computation Framework)

• Opis: razvoj postojećeg programskog okvira za primjenu evolucijskih algoritama
• Info: http://ecf.zemris.fer.hr/
• podteme:
  • Python ekstenzija za korisnike
  • višekriterijska optimizacija (predator-prey i drugi algoritmi: http://www.zemris.fer.hr/~yeti/studenti/Seminar_2/2013/Mia_Primorac/)
  • support vector machine/regression (SVM/SVR); http://kernelsvm.tripod.com, Wikipedia, kombinacija uz genetski algoritam

(10.2025.)