INŽENJERSKE OPTIMIZACIJE

- primena u građevinarstvu -

prof. dr Goran Ćirović, dipl. građ. inž.

email: cirovic@sezampro.rs
Operaciona istraživanja
• interdisciplinarna nauka
• koristi naučne metode
– matematičko modelovanje
– statistiku
– računarsku inteligenciju
– algoritme za donošenje odluka
• kompleksni realni problemi
• operacije u složenim sistemima
2
 Operaciona istraživanja
• Cilj: da se izabere najbolje rešenje
za problerm koji se razmatra
• Kriterijumi
• Ograničenja

• Najbolje rešenje je optimalno

rešenje

3
 Operaciona istraživanja

• Rešenje ne može biti najoptimalnije

• Često, rešenje nije optimalno, već

zadovoljavajuće – blisko
optimalnom

4
 TEHNIKE OPTIMIZACIJE
• Tehnike optimizacije mogu da se
klasifikuju na različite načine.
• Baziraju se na tipu promenljivih i
jednačina koje se koriste u
matematičkom modelu sistema.
• Sistemi se mogu modelovati da budu
linearni ili nelinearni, kontinualni ili
diskretni, deterministički ili stohastički,
ograničeni ili neograničeni.
5
 TEHNIKE OPTIMIZACIJE
Linearno programiranje
– Simplex metoda
– Revidovana Simplex metoda
– Primal-Dual Simplex metoda
– Dual Simplex metoda
– Metoda unutrašnje tačke
– Dekompozicioni metoda
– Analiza osetljivosti
– Parametarsko programiranje
– Kvadratno programiranje
Nelinearno programiranje
• Analitičke metode
– Jednakost ograničenja
Lagranžeov metod uvećanja
– Nejednakost ograničenja
Uslovi Kuna-Takera
• Jednodimenzione metode minimizacije
– Metode eliminacije
– Neograničeno istraživanje
– Simultano istraživanje
– Dihotomno istraživanje
– Metoda Fibonačija
– Metoda zlatnog preseka
• Metode interpolacije
– Kvadratna interpolacija
– Kubna interpolacija
– Njutnova metoda
– Kvazi Njutnova metoda
– Metoda sekante
6
 TEHNIKE OPTIMIZACIJE
Optimizacione metode bez ograničenja
 Direktne metode
– Metoda slučajnog uzorka
– Metoda mreže
– Metoda varijacije
– Metoda uzorkovanja
– Powelova metoda
– Metoda Huk-Dživsa
– Metoda Rozenbroka
– Simplex (Polytop) metoda
 Rastuće metode
– Stepenasta rastuća (Koši)
metoda
– Metoda Flečer-Riv
– Metoda Njutna
– Metoda Markvarda
– Kvazi-Njutn metoda
– Meoda Davidon-Flečer-Pauel
– Metoda Brojden-Flečer-Goldfarb
(BFGS)
Optimizacione metode sa ograničenjima
 Direktne metode
– Metoda slučajne promenljive
– Heuristička metoda
– Metod sekvencijalnog linearnog programiranja
– Metod sekvencijalnog kvadratnog
programiranja
– Metod vidljivih uputstava
– Metod Zountendijka
– Rozenov metod gradijenata
– Opšti redukovani metod gradijenata
 Indirektne metode
– Transformacija promenljivih
– Sekvencijana minimizacija bez ograničenja
– Metoda unutrašnje kaznene funkcije
– Metoda spoljne kaznene funkcije
– Metoda unutrašnje i spoljne kaznene funkcije
– Metoda kaznene funkcije za parametarska
ograničenja
– Metoda uvećanja Lagranžeovih multiplikatora
7
 TEHNIKE OPTIMIZACIJE
Geometrijsko programiranje Globalna optimizacija
• Tačni metodi
Dinamičko programiranje – Naivni pristupi
– Nenumeričke strategije istraživanja
Integralno programiranje – Metod trajektorije i sl.
• Metod isecanja ravni – Algoritmi ograđivanja
• Metod ograđivanja – Bajesov algoritam
• Balas metod – Adaptivni stohastički istraživački algoritmi
• Generalizovani metod kaznene funkcije – Metod intervalne analize
• Sekvencijalni metod linearnog diskretnog • Heuristički metodi
programiranja – Metod globalnih ekstenzija
Stohastičko programiranje – Genetski algoritmi
– Simultano kaljenje
– Neuralne mreže
Izdvojeno programiranje – Rasplinuti sistemi
– Tabu istraživanja
Multipredmetna optimizacija – Skater istraživanja
• Pareto optimum – Aproksimativni konveksi globalni metod
• Metod korisne funkcije – Metod nastavljanja
• Metod globalnog keriterijuma • Sekvencijalno poboljšanje lokalnog optimuma
• Leksikografski metod
• Metod ciljnog programir Metaheurističke metode
8
 Soft computing
Meko računanje/računarstvo
• Računarska tehnologija / metodologija - na
uspešan način tretira nepreciznost,
neodređenost i kompleksnost velikog, složenog,
realnog sistema (Radojević, 1994).
• Ovaj "meki račun" je tolerantan za nepreciznost,
neodređenost i parcijalne istine u toku
procedure, u smislu prilagođavanja rešenja
problema u procesu donošenja (najčešće)
ekonomične odluke (Zadeh, 1994).
9
 Soft computing
• Osnovne četiri tehnike soft
computing – a:
– neuralne mreže
– genetski algoritmi Soft Computing
– rasplinuti skupovi
– grubi skupovi Neural Genetic

• Hibridne metode i sistemi Networks Algorithms

predstavljaju različite
Fuzzy Set Theory
kombinacije integrisanja ovih
tehnika: Rough Set Theory
– fuzzy neuralne mreže
– fuzzy genetski algoritmi
– fuzzy rough skupovi
– grubi skupovi i neuralne mreže
– grubi skupovi i genetski algoritmi
itd. 10
 Bertrand Russell
“A inquiry into Meaning and Truth“ (1940)

“The central problem of our age is how

to act decisively in the absence of
certainty.“

„Osnovni problem našeg doba je kako

odlučno postupati u odsustvu
izvesnosti.“

11
 Donošenje odluka
Process decision making
• U toku upravljanja građevinskim procesima potrebno je
neprekidno donositi odluke.

• Od nivoa odlučivanja zavisi i vrsta, odnosno nivo

odluke.
– Na najvišem nivou se donose strateške – upravljačke odluke
– Na nižim nivoima se donose operativne odluke.

• Odlučivanje predstavlja izbor jedne alternative, ili

buduće akcije, iz niza raspoloživih, pri čemu je potrebno
razmatrati nekoliko raspoloživih.

• Odlučivanje može biti individualno ili timsko – grupno.

12
 Analiza odlučivanja
• Da bi donosilac odluke mogao da donese
uspešnu (prihvatljivu) odluku, potrebno je da
raspolaže modelom pomoću kojeg se ta
odluka analizira.
• U poslednje vreme su razvijeni i softeri za
podršku analizi odlučivanja u oblasti soft-
computing-а i veštačke inteligencije.
– Posebno, softveri koji se odnose na
klasifikaciju pojedinih informacionih
procedura primenom teorije rasplinutih i
grubih skupova, kao i ostalih metoda
operacionih istraživanja.
13
 Višekriterijumsko odlučivanje
• Višekriterijumska analiza je jedna od
najčešće korišćenih metoda u donošenju
odluka u naučnom, poslovnom i
inženjerskom svetu.
• Koristi se u situacijama kada je na osnovu
velikog broja kriterijuma potrebno doneti
neku odluku.
• Višekriterijumska analiza pomaže
povećanju kvaliteta u donošenju odluka
tako što smanjuje subjektivne uticaje i daje
eksplicitnije rezultate. 14
Faze u procesu donošenja odluka
1. Identifikovanje i definisanje problema
2. Određivanje skupa alternativa (izbora)
3. Određivanje skupa kriterijuma za
vrednovanje alternativa
4. Vrednovanje alternativa
5. Izbor alternative
– U poslovnom odlučivanju su veoma važni
koraci 3. i 4. Kako bi se izbegla subjektivnost
u tim koracima oni se poveravaju većem telu
(skupština, upravni odbor, bord direktora, ...).
15
 Upravljanje projektima
• Upravljanje projektom je celokupno planiranje,
rukovođenje, kontrola i koordinacija učesnika u
realizaciji jednog projekta, od definisanja
projektnog zadatka, pa do završetka projekta, sa
ciljem da se ostvare planirani zahtevi i obezbedi
završetak projekta sa predviđenim finansijskim
sredstvima i u predviđenom vremenu.
• Pod pojmom projekat podrazumeva se poduhvat
koji treba završiti u određenom vremenu, sa
poznatim ciljem, u okviru raspoloživih resursa sa
određenim kriterijumima ocene valjanosti
realizacije.
16
 Upravljanje projektima
obuhvata

• planiranje
• organizovanje
• rukovođenje
• kontrolu
• koordinaciju
17
Karakteristike investicija

• Rok
• Cena
• Kvalitet

18
 Fuzzy skupovi
• Rasplinuti (fuzzy) skupovi, kao jedna od osnovnih tehnika soft computing–a,
omogućavaju predstavljanje, oblikovanje i rad sa lingvističkim izrazima,
odnosno sa objektima nejasnih granica (formalizam za rukovanje nejasnim,
nepreciznim znanjem).
• Fuzzy brojevi – to su brojevi dobijeni na osnovu subjektivnih procena,
intuicije ili iskustva, koji pored numeričke vrednosti imaju i lingvističku
komponentu (npr. otprilike, oko, itd.).
Primer Neka je fuzzy skup A
mA(n )
definisan kao "broj radnika u
tesarskoj brigadi je otprilike/oko 1
20". Funkcija pripadnosti μA(n) je
određena subjektivno.
Ovaj rasplinuti skup "oko 20"
se može tretirati kao trouglasti
fuzzy broj, predstavljen u obliku 0 5 10 15 20 25 30 35
n (broj radnika)
A=(15, 20, 25).
Funkcija pripadnosti fuzzy skupa A
Interval poverenja u
konkretnom slučaju je [15, 25]. 19
 Fuzzy logika
• Fuzzy logika je "nejasno" rasuđivanje, ili
aproksimativno rezonovanje.
• Ovime je učinjen novi korak u prevazilaženju razlika
između računara i čoveka. Suština je u tome što, za
razliku od standardnog računarskog "razmišljanja" u
krajnostima: 0 ili 1, da ili ne, crno ili belo; može da se
operiše i sa međuvrednostima, raspoznajući i "0,7",
"možda" ili "sivo".
• Modeli zasnovani na fuzzy logici sastoje se od "if-
then" ("ako-onda") pravila, međusobno povezanih
izrazom "else" ("ili").

20
 Neuralne mreže
• Neuralne mreže se sastoje od skupa međusobno povezanih
jednostavnih procesnih elemenata jedinica ili čvorova (nodes)
veštačkih neurona, čija je funkcionalnost zasnovana na prirodnim
neuronima, osnosno nervnim ćelijama ljudskog mozga.
• Sposobnost procesuiranja mreže je uskladištena u međujediničnoj
povezanosti težina (weights), dobijenih procesom prilagođavanja (ili
učenja) trening skupu uzoraka.
x
1

x
2
w
1

w
2


u f
y
w n

x
n
Veštački neuron
21
 Primena neuralnih mreža
• Razlozi primene veštačkih neuronskih mreža
su u činjenici da čovekov nervni sistem
predstavlja moćno sredstvo u rešavanju
malo definisanih i nejasnih problema.
• Neuronske mreže su pogodne za rad na
računarima i pokazuju efektivnost u
rešavanju problema koji se odnose na
procenu troškova i rizike koji se javljaju na
investicionim projektima u građevinarstvu.

22
 Genetski algoritmi
• Genetski algoritmi (GA) su familija stohastičkih i
evolutivnih modela zasnovanih na principima oponašanja
mehanizama genetike, prirodne selekcije, evolucije,
nasleđivanja, opstanka najprijagodljivijih i izumiranja
najlošije prilagođenih jedinki.
• GA operišu nad genetskim strukturama koje se zovu
hromozomi.
• Skup informacija koje karakterišu jedno svojstvo zapisano
je u jednom delu hromozoma koji se naziva gen.
• Nakon mnoštva generacija, populacija sadrži hromozome
sa poboljšanim vrednostima, što je analogno Darwinovom
modelu evolucije slučajnih (proizvoljnih) mutacija i
prirodne selekcije.
23
 Genetski algoritmi
elitizam

0 1 1 0 1 1 ... najbolji hromozom 0 1 1 0 1 1 ...

1 0 0 1 1 0 ... 0 1 0 0 0 1 ...

1 1 0 1 0 0 ... 0 0 1 0 1 0 ...

• •

• selekcija ukrštanje mutacija •

• •

1 1 1 0 1 1 ... 0 0 1 1 0 1 ...

sadašnja generacija sledeća generacija

Ilustracija stvaranja nove generacije hromozoma

24
 PRIMENA GRUBIH SKUPOVA U
IZBORU OPTIMALNE LOKACIJE ZA
IZGRADNJU FABRIKE BETONA

Od devet mogućih varijantnih rešenja,

različitih karakteristika na području
grada treba izabrati novu lokaciju za
buduću fabriku betona jednog
građevinskog preduzeća
 Faktori koji utiču na izbor lokacije

• Usvojeno je, na osnovu opšteg iskustva, pet

kriterijuma za vrednovanje varijantnih rešenja:
– Udaljenost lokacije od gradilišta i lakoća pristupa
– Veličina lokacije
– Stanje infrastrukture
– Cena kupovine lokacije
– Cena uređenja lokacije

26
 Osnovne postavke teorije grubih
(rough) skupova

• Zdzislaw Pawlak, Rough Sets, International

Journal of Computer and Information Science,
11(1982), 341-356.
• Osnovne pretpostavke na kojima se zasniva
teorija grubih skupova, prema Pawlaku su:
– da su svi objekti univerzuma, koje
opisujemo, povezani sa nekom informacijom
(znanjem, podacima), i
– da se objekti koje karakteršu iste informacije
ne razlikuju u odnosu na dostupne
informacije.
27
 Grub skup
• Svaki neodređeni koncept je zamenjen parom
preciznih koncepata, koji se zovu donja i gornja
aproksimacija neodređenog koncepta
• Donja aproksimacija sadrži sve objekte koji
sigurno pripadaju konceptu
• Gornja aproksimacija sadrži sve objekte koji
mogu da pripadaju konceptu
• Razlika između gornje i donje aproksimacije
predstavlja granično područje neodređenog
pojma
28
Granule znanja, skupovi i
aproksimacije

29
“It is a capital mistake to
theorise before one has data.”
“Ključna greška je razmišljati o
nečemu bez podataka.”
Sherlock Holmes u:

“A Scandal in Bohemia“(1891),

Sir Arthur Conan Doyle

30
dr Watson I Sherlock Holmes
 Tabele podataka

• Polaznu tačku teorije grubih skupova

čini tabela podataka (information table).
• Pri tome se podrazumeva da su tabele
podataka kompletne.
• Tabela odlučivanja je tabela podataka u
kojoj se razlikuju dve klase atributa
(atributi uslova i atributi odluke).

31
 Redukcije
• Jedno od najčešćih pitanja, koje se
nameće prilikom analiziranja tabele
podataka, odnosi se na mogućnost
odstranjivanja nekih podataka iz tabele,
a da pri tome ostanu sačuvane njene
osnovne (polazne) osobine.
• Redukcija je minimalni podskup atributa
(karakteristika) koji može da očuva
relaciju nerazlikovanja
32
 Redukcije

• Drugim rečima, ključno pitanje glasi:

Da li tabela podataka sadrži

neke suvišne podatke?

33
 Pravila odlučivanja
• Pravilo odlučivanja se može izraziti kao
logički izraz:
• “IF konjukcija elementarnih uslova
THEN disjunkcija elementarnih odluka.”
• Pravila koja imaju iste uslove ali različite
odluke zovu se nekonzistentna ili
nedeterministička, konfliktna.
• Ostala pravila su konzistentna ili
deterministička, nekonfliktna.
34
 Optimalan izbor
• U tabeli 1 prikazani su podaci o 9 razmatranih lokacija
• Tabela 1 predstavlja tabelu atribut - vrednost ili tabelu odlučivanja

35
 Optimalan izbor
• Pronalaženje reduktora i jezgra atributa je urađeno preko matrice
razlikovanja
• U cilju iznalaženja matrice razlikovanja, tabelu odlučivanja je često
potrebno nešto drugačije grupisati - Tabela 2 predstavlja realniji prikaz
tabele odlučivanja

36
 Optimalan izbor
• Matrica razlikovanja data je u tabeli 3

37
 Optimalan izbor

• Tabela 4 predstavlja tabelu odlučivanja nakon redukcije

38
 Pravila odlučivanja
• IF (Veličina lokacije, srednja) & (Cena uređenja, niska)  THEN
(Pogodna lokacija, da)
• IF (Veličina lokacije, srednja) & (Cena uređenja, niska)  THEN
(Pogodna lokacija, ne)
• IF (Veličina lokacije, nedovoljna) & (Cena uređenja, srednja)  THEN
(Pogodna lokacija, ne)
• IF (Veličina lokacije, dovoljna) & (Cena uređenja, niska)  THEN
(Pogodna lokacija, da)
• IF (Veličina lokacije, nedovoljna) & (Cena uređenja, visoka)  THEN
(Pogodna lokacija, ne)
• IF (Veličina lokacije, dovoljna) & (Cena uređenja, visoka)  THEN
(Pogodna lokacija, ne)
• IF (Veličina lokacije, dovoljna) & (Cena uređenja, srednja)  THEN
(Pogodna lokacija, ne)
• IF (Veličina lokacije, srednja) & (Cena uređenja, visoka)  THEN
(Pogodna lokacija, ne)
39
 ZAKLJUČAK

• Prikazana je analiza i nalaženje optimalnog

rešenja u praktičnim problemima koji su
prisutni u različitim oblastima, između
ostalog i u građevinarstvu.
• Primena teorija grubih skupova je pogodna
za iznalaženje kvalitativnih i kvantitativnih
atributa.
• Korišćenjem ove metode je isključena
subjektivnost u analizi znanja kao i u
vrednovanju procesa odlučivanja.
40
Indukovanje pravila odlučivanja
u sistemima sa nedostajućim
podacima primenom teorije
grubih skupova
Prikazana je procedura indukovanja
pravila odlučivanja u sistemima sa
podacima koji nedostaju (nema ih)
primenom teorije grubih skupova na
izboru lokacije građevinskog zemljišta.
41
 Faktori utiču na izbor povoljne
lokacije zemljišta
• Položaj lokacije (mesto u gradu / naselju).
• Postojanje urbanističkih uslova i mogućnost
dobijanja odobrenja za izgradnju objekta
• Postojanje infrastrukture – energenata,
blizina snabdevanja, saobraćaja, objekata
obrazovanja i zdravstva, mogućnost
garažiranja i parkiranja, i slično.

42
 Izbor lokacije

• Često se dešava da neki podaci nedostaju

• Prikazana je indukcija pravila odlučivanja u
sistemima sa nedostajućim podacima
primenom teorije grubih skupova

43
 Nedostajući podaci
• Nekompletnost tabela odlučivanja se odnosi
na to da neke vrednosti atributa nedostaju.
• Prilikom rešavanja ovakvih problema
primenom teorije grubih skupova, razmatraju
se dve grupe nedostajućih podataka (missing
values):
– izgubljeni (lost), npr. izbrisani, ili iz nekog drugog
razloga nestali podaci, i
– nebitni ili manje bitni (do not care) podaci, npr.
suvišni ili ne neophodni podaci za donošenje
odluke ili klasifikovanje.
44
Izbor lokacije građevinskog
zemljišta

45
 Pravila odlučivanja za
kompletnu tabelu odlučivanja

• IF (U.U > 2.5)  THEN (Odluka, Da)

• IF (U.U = 2.5)  THEN ((Odluka, Da)

OR (Odluka, Ne)

• IF (U.U < 2.5)  THEN (Odluka, Ne)

46
Izbor lokacije građevinskog
zemljišta

47
 Pravila odlučivanja za
nekompletnu tabelu odlučivanja
• IF (U.U. = 1)  THEN (Odluka, Ne)
• IF (U.U = 2.5)  THEN ((Odluka, Da) OR
(Odluka, Ne)
• IF (U.U. = 3)  THEN (Odluka, Da)
• IF (Lok. = 3) AND (U.U. = Nedostaje) 
THEN (Odluka, Ne)
• IF (Lok. = 4) AND (U.U. = Nedostaje) 
THEN (Odluka, Da)
• IF (Lok. = 5) AND (U.U. = Nedostaje) 
THEN (Odluka, Ne)
48
 ZAKLJUČAK
U slučaju komplentnih podataka
donosilac odluke se rukovodio
isključivo atributom urbanistički uslovi.

Kada su urbanistički uslovi postali

nedostajući podatak, lokacija (mesto
parcele) je postala ključni atribut na
osnovu koga se donosi odluka.
49
 Protočne mreže / Flow networks
• Jedan od problema koji se javljaju u građevinarstvu je kako odrediti načelan
ili konkrentan raspored, odnosno raspodelu pojedinih grupa radnika, zavisno
od vrsta radova i kvalifikacione strukture (stručne obučenosti), a prema vrsti
objekata koji se izvode, u određenim grupacijama (npr. visokogradnja).

Raspodela procentualnog učešća građevinskih objekata u odnosu na

50
kvalifikacionu strukturu radne snage
 Konflikti i grubi skupovi
• Konflikti su jedna od najkarakterističnijih osobina ili, ako se govori jezikom
grubih skupova, atributa, ljudske prirode. Stari su koliko i čovečanstvo i
nalaze se na svim nivoima života i delovanja ljudskih bića. Njihovo
nepostojanje, odnosno odsustvo konflikata, generalno nije pozitivan
pokazatelj. Takva situacija najčešće ukazuje na postojanje samo “jedne
istine” ili na to da je samo jedna strana u konfliktu (a može da ih ima i više
od dve) u pravu. To na kraju dovodi i do posledice - odsustva konflikata.
• Konfliktne situacije u građevinarstvu su posledica velikog obima
građevinske delatnosti, velikog broja učesnika, dugotrajne realizacije i
suštine mnogobrojnih problema koji se javljaju i koje treba rešavati tokom
te realizacije.
• Termin konflikt (latinski conflictus) znači sukob, spor, nepomirljivost (oko
neke situacije).
• Posmatrano iz ugla socioloških ili političkih nauka, može se reći da tamo
gde nema konflikata vlada diktatura. Posmatrano sa aspekta tehničkih
nauka, tamo gde nema konflikta – nema dovoljno varijanti ili rešenja za
odlučivanje u procesu donošenja odluka.
51
 Optimizacija mrežnog plana
po kriterijumu kvaliteta
(2)
4 8 10 12
50 50 90 90 110 165 125 180
30 40 20 15

(3)
(1)
1 2 5 9 11 13 14 15
5 5 20 20 25 35 80 90 140 140 180 180 205 205 215 215
5 15 5 55 50 40 25 10

No
25
3
55 60
6
90
EF LF
20 35
ti

7
90 140 No - Broj aktivnostiFront rada sa aktivnostima
85
EF - Najraniji završetak
LF - Najkasniji završetak
ti - Trajanje aktivnosti
(i) – Broj fronta rada
(2)
4 8 10 12
50 71 90 111 110 156 155 201
30 40 20 45

(3)
(1)
1 2 5 9 11 13 14 15
5 5 20 51 25 56 80 111 140 161 201 201 226 226 236 236
5 15 5 55 50 40 25 10

3 6
29 29 76 76
24 47

7
161 161
85
52
 ANALIZA RIZIKA
• Kompanije koje koriste analizu rizika u
procenama koriste softvere koji rade
Monte Carlo simulacije.
• Definišu se grupe radova u osnovnoj
proceni, bazna i maksimalna cena i
verovatnoća da će se maksimalna
cena i ostvariti.
• Softver generiše slučajne brojeve za
svaku varijablu rizika. 53
UPRAVLJANJE RIZICIMA U
GRAĐEVINARSTVU
• Rizik (risk) je verovatnoća da će doći
do negativnog ishoda.
• Svaki projekat je opterećen raznim
neizvesnostima zbog toga što se sve
aktivnosti ne realizuju uvek kako je
unapred planirano.
• Neizvesnosti koje imaju finansijski
uticaj se označavaju kao rizici i oni
odlučuju da li je projekat uspešan. 54
Histogramska i S kriva troškova

55
 EVOLUCIONARNA
ARHITEKTURA TERMITA
• Moderni projektanti i istraživači konstantno
pronalaze svoju inspiraciju u samoj prirodi.
• Projekti aviona su inspirisani ptičjim
krilima.
• Roboti inicijalno imitiraju pokrete insekata.
• Rezistentni materijali su sintetizovani
zahvaljujući proučavanju sastava paukove
mreže.
56
 OPTIMIZACIJA MRAVLJE KOLONIJE
• Optimizacija mravlje kolonije (Art Colony Optimization-ACO) je
metaheuristički pristup za rešavanje složenih kombinatoričkih
optimizacionih problema, u upotrebi poslednjih par godina.
• Inspiracija za ovaj pristup je trag feromona (pheromone) i
posledično ponašanje mrava u prirodi koji koriste feromon kao
komunikacioni medium.

Put koji prelaze mravi od gnezda do izvora hrane, uz feromon pronalaze najkraći put
bez obzira na prepreke 57
 EVOLUCIONARNA
ARHITEKTURA TERMITA
• Za građevinarstvo je naročito interesantno
ponašanje termita.
• Proces izgradnje, materijalizacije i
odgovarajuće kombinacije materijala koji vode
ka stvaranju elegantne, konstrukciono
efikasne i trajne konstrukcije njihovih humki je
neverovatno inspirativan.
• Kako je grupa malih, sitnih prostih individua u
mogućnosti da stvori veliku humku, visoku i do
6 m, u predelima sa velikom sušom? 58
Primeri humke termita

59
 Eastgate Centar u Harareu i humka termita

Devetospratni Eastgate Centar u Harareu, u Zimbabveu, koristi

prototip gnezda termita za svoju ventilaciju

60
 Analogija - Heuristika
• Rezultati rada u savremenom građevinarstvu su
rezultat nagomilanog vekovnog ljudskog iskustva.
Heuristika je nauka o metodama pronalaženja novih
naučnih činjenica i saznanja. Heuristički znači
pronalaziti, naći (na osnovu iskustva).
• Optimalni algoritmi garantuju postizanje optimalnog
rešenja. Heuristički algoritmi to ne garantuju -
rešenje može da se dobije, ali ne mora da bude
optimalno ili blisko optimalnom.
• Osnovna prednost ovih algoritama je da su
koncepcijski jednostavni. Ovo podrazumeva
intuiciju, znanje, kreativnost i iskustvo. 61
 Heuristika
• Heurističko vrednovanje podrazumeva kriterijume:
da li je ponašanje sistema predvidivo, kao i da li je
moguća povratna sprega. Prvi kriterijum znači da se
može predvideti šta će se dogoditi sledeće, a drugi da
će se ono što se dogodi u jednoj situaciji skoro isto
desiti u sličnoj situaciji.
• Ovo je karakteristično za građevinarstvo - zbog velikog
nagomilanog iskustva koje je prisutno pri planiranju i
realizaciji proizvodnih procesa donose se odluke bliske
optimalnim.
• Ovo podrazumeva da su mnoge situacije i postupci u
građevinarstvu rezultat poznatog.
62