\documentclass{article}
\usepackage[utf8]{inputenc}

\title{Izvještaj}
\author{Frano Ćaleta, Ivan Rezić }
\date{Siječanj 2019}

\usepackage[T1]{fontenc}
\usepackage{natbib}
\usepackage{graphicx}

\begin{document}

\maketitle

\section{Opis problema}
Naš zadatak je bio "Parkiranje vozila u spremištu javnog prijevoznika". To je visoko ograničen problem kojem je cilj razmjestiti vozila različitog tipa na njihova prigodna mjesta.

\section{Opis primjenjenog algoritma}
Za početak smo odlučili dobiti bilo kakvo "greedy" rješenje koje zadovoljava zadana ograničenja. To smo učinili tako što smo sva vozila sortirali po vremenu te smo ih nasumično spremali u trake. Prednost su imale blokirajuće trake pa tek onda neblokirajuće. Početna rješenja smo dobili jako brzo ali daleko od optimalnog.

Za prikaz rješenja (jedinke) smo korisitili čitav jedan raspored kojeg smo onda simuliranim hlađenjem (kaljenjem) dovodili do optimuma. Također, naša funkcija cilja/prikladnosti koju smo nastojali maksimizirati je bila omjer drugog globalnog cilja i prvog globalnog cilja.

Tokom simuliranog hlađenja samu jedinku smo poboljšavali s tri metode i sve tri metode su vršile svoje operacije nad dvije nasumično odabrane trake. Spomenute metode su sljedeće:

\begin{itemize}
    \item pokušajEliminiratiJednuTraku()
    \item zamijeniSvaVozilaOdDvijeTrake()
    \item presložiDvijeTrakePoTipuRasporeda()
\end{itemize}

više o samim metodama u pseudokodu. Važno je naglasiti da nismo provjeravali nikakva ograničenja unutar pojedinih metoda, već smo novo izgenerirana rješenja (jedinke) provjeravali nakon izvršenih operacija.

Nakon što smo definirali algoritam tj. heuristiku koju smo koristili, odlučili smo izvršavati algoritam do 700 000 iteracija. Vrlo brzo smo primijetili poboljšanja. No takva rješenja bi često oko 300 000. iteracije zapela u lokalnom optimumu te se iz njega ne bi mogla izvući.

U ovom trenutku smo došli do spoznaje kako trebamo koristiti nekakvu vrstu mutacije ne bi li se izvukli iz takvog optimuma. Nakon više različitih pokušaja odlučili smo se za nekakvo hibridno rješenje koje je i dalje koristilo simulirano hlađenje za unaprijeđenje jedinke no ovoga puta nismo kretali iz jednog početnog rješenja, već iz njih 333 (za svaku instancu).

\section{Pseudokod primjenjenog algoritma}
Ovdje dodaj pseudo kod al na puno visoj razini, i uzmi u obzir da postavis brojeve u pseudokodu na brojeve koje sam navea u tekstu prije.

\section{Opis dobivenih rezultata}
Nakon 1 minute hibridnog algoritma dobili smo sljedeća rješenja (fitness-brojIteracija-instanca):

\begin{enumerate}
    \item 1.943-325035-inst1
    \item 1.478-358244-inst2
    \item 1.469-466620-inst3
\end{enumerate}

Nakon 5 minuta hibridnog algoritma dobili smo sljedeća rješenja (fitness-brojIteracija-instanca):

\begin{enumerate}
    \item 1.951-1962543-inst1
    \item 1.503-2129708-inst2
    \item 1.469-2333100-inst3
\end{enumerate}

Nakon svih 333 * 700 000 iteracija hibridnog algoritma dobili smo sljedeća rješenja (fitness-brojIteracija-instanca):

\begin{enumerate}
    \item 1.978-233100000-inst1
    \item 1.508-233100000-inst2
    \item 1.494-233100000-inst3
\end{enumerate}

\section{Zaključak}
Za daljnji napredak valjalo bi dodati još nekoliko metoda kojim bi potakli jedinku da izbjegne lokalni optimum.





\end{document}