Differences

This shows you the differences between two versions of the page.

--- tematy_prac_inzynierskich [2023/05/09 17:07]
pszwed [2023]
+++ tematy_prac_inzynierskich [2023/07/13 00:59] (current)
pszwed [5. Zapytania w języku naturalnym do bazy danych (geograficznych)]
@@ Line 15: / Line 15: @@
 ==== 1. Aplikacja do analizy sieci społecznościowej pracowników AGH ====
+Zarezerwowane [M.D.]
 Zakres pracy:
@@ Line 28: / Line 30: @@
 Przy wsparciu biblioteki proces uczenia rozdzielony pomiędzy współbieżne zadania lub agentów. Należy zbierać dane dotyczące wydajności systemu (w tym czasów wykonania).
+==== 3. Optymalizacja rozmieszczenia pojazdów w Car Sharing ====
+[D.K. - rezerwacja wersji z Gurobi]
+Celem jest rozwiązanie następującego zagadnienia:
+  * mamy k lokalizacji (na przykład dzielnic) oraz pewną liczbę n pojazdów
+  * w danym czasie t pojazdy są  rozmieszczone w lokalizacjach lub są w ruchu
+  * Znane jest prawdopodobieństwo P(i,j,t) przejazdu z lokalizacji i do j rozpoczynającego się w czasie t. Czasy możemy zdyskretyzować , np. do 15 min.
+  * Znany jest czas tego przejazdu T(i,j,t)
+  * Jeżeli rozważymy pewien horyzont czasowy, np. 24h to możemy zasymulować zachowanie systemu i obliczyć E[T] - wartość oczekiwaną sumarycznego czasu ruchu samochodów w ciągu doby. W ten sposób wyznaczamy wartość funkcji celu.
+  * W celu optymalizacji podejmujemy decyzję dotyczącą transferu pojazdu z lokalizacji i do j rozpoczętego w czasie t x_{ijt} = 0/1. Staramy przenieść samochody z lokalizacji o małym popycie do lokalizacji bardziej atrakcyjnych, niekoniecznie w danym momencie ale za kilka godzin.
+  * Liczba przemieszczanych w danym momencie samochodów jest ograniczona (np. m=10 to liczba pracowników zajmujących się przemieszczaniem)
+  * Do rozważenia - platforma gurobi,  [[https://www.gurobi.com/jupyter_models/vehicle-rental-optimization/]]
+  * lub opracowanie i implementacja własnago algorytmu heurystycznego
+[W zasadzie może to być kilka prac,  gurobi vs. własna implementacja, różne algorytmy, implemetacja na GPU - CUDA lub OpenCL, itd.]
+==== 4. Propagacja informacji w dużym grafie (= grafie sieci drogowej) ====
+[Zarezerwowane P.G. 02.07.2023]
+Celem pracy jest implementacja i testy oprogramowania implementującego 2-3 algorytmy propagacji informacji w grafie. Załóżmy, że utworzymy graf sieci drogowej Krakowa wydzielając kilkudziesięciometrowe odcinki dróg. Aktywacja jednego z odcinków (np. zmiana gęstości ruchu lub innego parametru) powinna być rozpropagowana w jego sąsiedztwie. Możliwe algorytmy to przesyłanie komunikatów do sąsiadów, rozwiązania wzorowane na automatach komórkowych lub losowe błądzenie po grafie (z ograniczeniem liczby kroków).
+Oczekiwana jest wizualizacja wyników (np. pogrubione/pokolorowane odcinki dróg). Możliwa implementacja na GPU (CUDA lub OpenCL).
+==== 5. Zapytania w języku naturalnym do bazy danych (geograficznych) ====
+[Zarezerwowane A.M.]
+Interesuje nas zbiór danych przechowywanych w bazie OSM (https://www.openstreetmap.org/) dla Polski.
+Zakładamy pewną skończoną liczbę typów zapytań dotyczących różnych obiektów (około 20-30) , np.:
+  * "miejscowość poniżej 10000 mieszkańców położone w pobliżu jeziora"
+  * "parkingi w Krakowie w dzielnicy Krowodrza"
+takie zapytania należy rozpoznać i zamienić na kwerendy do BD, a następnie wyświetlić wyniki w aplikacji webowej
+  * Do przetwarzania tekstu i rozpoznawania typów zapytań i ich argumentów należy użyć biblioteki spaCy [[https://spacy.io/]] a zwłąszcza [[https://spacy.io/api/matcher]]
+  * Aplikację można zaprojektować w architekturze backend - frontend, albo w postaci monolitycznej.
+  * Językiem spaCy jest Python, więc
+       * albo usługa będzie dostępna poprzez mikroserwis,
+       * albo backend będzie napisany w Pythonie (np. Flask, FastAPI)
+       * albo cała aplikacja będzie napisana w Pythonie (np. Django lub dash)
+==== 6. Gra połączona z agentową symulacją świata ====
+[Rezerwacja J.G]