Název: Paralelní genetický algoritmus
Překlad názvu: Parallel genetic algorithm
Autoři: Trupl, Jan ; Kobliha, Miloš (oponent) ; Jaroš, Jiří (vedoucí práce)
Typ dokumentu: Bakalářské práce
Rok: 2008
Jazyk: cze
Nakladatel: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstrakt: [cze] [eng]
Práce popisuje návrh a implementaci různých evolučních algoritmů, vylepšených tak, aby mohly využívat výhod paralelismu na víceprocesorových systémech, a zároveň umožňovaly, aby výpočet probíhal na více počítačích v počítačové síti. Algoritmy jsou určeny k hledání globálního extrému funkce několika proměnných. Jsou nastíněny různé zajímavé optimalizační problémy a možnosti jejich řešení právě pomocí evolučních algoritmů. V práci je rovněž rozebíráno použití knihovny rozhraní MPI (message passing interface) a OpenMP, v rozsahu nutném pro pochopení problematiky implementace paralelních evolučních algoritmů. The thesis describes design and implementation of various evolutionary algorithms, which were enhanced to use the advantages of parallelism on the multiprocessor systems along with ability to run the computation on different machines in a computer network. The purpose of these algorithms is to find the global extreme of function of $n$ variables. In the thesis, there are demonstrated various optimization problems, and their effective solution with the help of evolutionary algorithms. There are also described interface libraries MPI(Message Passing Interface) and OpenMP, in the extent needed to understand the problematic of parallel evolutionary algorithms.
Klíčová slova: cenová funkce; DE; diferenciální evoluce; evoluční algoritmus; fitness funkce; genetický algoritmus; globální extrém; inverzní fraktální problém; koeficienty fourierovy řady; maximum; Message Passing Interface; minimum; MPI; neuronová sít; OpenMP; paralelizace; paralelní; samoorganizační migrační algoritmus; SGA; SHA; SOMA; standardní genetický algoritmus; stochastický horolezecký algoritmus; coeficients; cost function; DE; differential evolution; evolutionary algorithm; fitness function; fourier; genetic algorithm; global extreme; inverse fractal problem; maximum; Message Passing Interface; minimum; MPI; neural network; OpenMP; parallel; parallelisation; queue; self-organizing migrating algorithm; SGA; SHC; SOMA; standard genetic algorithm; stochastic hill climbing

Instituce: Vysoké učení technické v Brně (web)
Informace o dostupnosti dokumentu: Plný text je dostupný v Digitální knihovně VUT.
Původní záznam: http://hdl.handle.net/11012/187391

Trvalý odkaz NUŠL: http://www.nusl.cz/ntk/nusl-412649


Záznam je zařazen do těchto sbírek:
Školství > Veřejné vysoké školy > Vysoké učení technické v Brně
Vysokoškolské kvalifikační práce > Bakalářské práce