Optimalizace rozmístění stanic pro nabíjení elektrických vozidel
Optimization of the Placement of Electric Vehicle Charging Stations
bakalářská práce (OBHÁJENO)
Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/176143Identifikátory
SIS: 238823
Kolekce
- Kvalifikační práce [11241]
Autor
Vedoucí práce
Oponent práce
Fink, Jiří
Fakulta / součást
Matematicko-fyzikální fakulta
Obor
Informatika se specializací Umělá inteligence
Katedra / ústav / klinika
Katedra teoretické informatiky a matematické logiky
Datum obhajoby
12. 9. 2022
Nakladatel
Univerzita Karlova, Matematicko-fyzikální fakultaJazyk
Čeština
Známka
Velmi dobře
Klíčová slova (česky)
optimalizace|simulátor dopravy|k-means|genetický algoritmusKlíčová slova (anglicky)
optimization|traffic simulator|k-means|genetic algorithmS rostoucím počtem elektrických vozidel roste i potřeba vytvořit vhod- nou infrastrukturu pro jejich nabíjení. K řešení tohoto problému může vý- razně napomoci použití vhodných optimalizačních metod. V práci jsme im- plementovali zjednodušený simulátor dopravy sloužící jako vhodný nástroj pro jejich analýzu. Analyzovali jsme také optimalizační metody tzv. hlado- vým algoritmem, genetickým algoritmem a algoritmem k-means. Na základě experimentů vykazovala prokazatelně lepší výsledky optimalizace za využití genetického algoritmu a hladová optimalizace. K-means optimalizace nevy- kazovala známky lepších výsledků oproti náhodnému přístupu.
As the number of electric vehicles grows, so does the need to create a suitable network of charging stations. A solution of this problem can be significantly improved by the usage of suitable optimization techniques. We implement a simplified traffic simulator serving as a suitable tool for their analysis. We also analyze optimization techniques using the so-called greedy algorithm, genetic algorithm and k-means algorithm. Based on the exper- iments, the optimizations using the genetic algorithm and the greedy algo- rithm showed noticeably better results. The k-means method did not show signs of results better than a random approach.