|
|
Akcelerace částicových rojů PSO pomocí GPU
Krézek, Vladimír ; Schwarz, Josef (oponent) ; Jaroš, Jiří (vedoucí práce)
Tato práce se zabývá technikou PSO (Particle Swarm Optimization neboli Optimalizace pomocí částicových rojů), s jejíž pomocí je možné řešit komplexní problémy. Tuto techniku lze využít při řešení složitých kombinatorických problémů (obchodní cestující, úloha o batohu), návrh integrovaných obvodů a antén, v oborech jako je biomedicína, robotika, umělá inteligence nebo i finančnictví. Přestože je algoritmus PSO velice efektivní, čas nezbytný pro nalezení vhodného řešení reálných problémů často přesahuje hranice únosnosti. Cílem této práce je tedy urychlit běh tohoto algoritmu pomocí grafického adaptéru, který nabízí velmi vysoký výpočetní potenciál při zachování příznivé ceny a rozměru. Pro demonstrační účely a ověření kvality implementace byl zvolen problém rozhodnutelnosti systému logických formulí (SAT), jenž patří do třídy NP-úplných problémů. Redukcí časové náročnosti algoritmu PSO při řešení SAT problému jsme tedy schopni akcelerovat celou třídu úloh a řešit problémy, které byly dosud prakticky neřešitelné.
|
|
|
Multikriteriální kartézské genetické programování
Petrlík, Jiří ; Schwarz, Josef (oponent) ; Sekanina, Lukáš (vedoucí práce)
Cílem této diplomové práce je shrnout problematiku multikriteriálních genetických algoritmů a kartézského genetického programování. Podrobně je popsán algoritmus NSGAII a začlenění multikriteriální optimalizace do kartézského genetického programování (CGP). Navržená metoda multikriteriálního CGP byla ověřena na zvolených problémech z oblasti návrhu číslicových obvodů.
|
|
|
Evoluční návrh pohybujících se objektů
Fajkus, Jakub ; Schwarz, Josef (oponent) ; Bidlo, Michal (vedoucí práce)
Cílem této práce je implementovat systém pro automatizovaný evoluční návrh kontrolérů virtuálních robotů. Pro nalezení vhodného programu, který bude řídit robota tak, že se bude pohybovat po trajektorii, která je definována posloupností bodů, je použita reprezentace založená na lineárním genetickém programování ve spojení s genetickým algoritmem. Pro vyhodnocení chování robota, kterého křídí kandidátní řešení vygenerované genetickým algoritmem, je použit fyzikální simulátor MuJoCo, který uživateli dovoluje definovat tvar robota. Cílem evoluce ja natrénovat kontrolér robota tak, aby následoval definovanou trasu. Trénování kontroléru robota je založeno na optimalizaci vzdálenosti mezi robotem a body definujícími trajektorii. Optimalizace se provádí evolucí kontrolérů po daný počet generací steady-state genetického algoritmu. Je zde prezentováno několik experimentů s vyhodnocením jejich výsledků.
|
|
|
Aplikace umělých imunitních systémů
Dolejší, Petr ; Bidlo, Michal (oponent) ; Schwarz, Josef (vedoucí práce)
Tato diplomová práce, se snaží přiblížit čtenáři principy a vlastnosti biologického imunitního systému, následně abstrahovat z těchto znalostí principy, jež je možné využívat při aplikaci na umělé imunitní systémy. Poskytnout náhled na praktické aplikace, které již tyto myšlenky využívají a rozšiřují a předvést skutečnou implementaci aplikace, která je postavena na těchto principech.
|
|
|
Evoluční model s učením (LEM) pro optimalizační úlohy
Grunt, Pavel ; Vašíček, Zdeněk (oponent) ; Schwarz, Josef (vedoucí práce)
Tato práce se zabývá evolučním modelem s učením, relativně novou evoluční optimalizační metodou používající klasifikační algoritmy. Její optimalizační průběh je řízen dle charakteristiky rozdílu skupiny nejlepších od skupiny nejhorších řešení v populaci. Práce blíže představuje nové verze metody s klasifikačními algoritmy AdaBoost, SVM a také způsob využívání většího počtu skupin řešení. Kvality metod byly ověřovány na řadě experimentů ve statickém i dynamickém prostředí. Výsledky experimentů ukázaly, že metoda dosahuje nejlepších hodnot při menších velikostech skupin. Při srovnání s EDA (Estimation of Distribution Algorithm) optimalizačním algoritmem varianty evolučního modelu s učením dosahovaly srovnatelných a lepších výsledků rychleji. Celkově nejlépe si vedla varianta kombinující klasifikátory AdaBoost a SVM.
|
|
|
Programování jednočipových mikrokontrolérů
Jirka, Roman ; Strnadel, Josef (oponent) ; Schwarz, Josef (vedoucí práce)
Tato bakalářská práce se zabývá jednočipovými mikrokontroléry. Cílem je seznámit zájemce s nejznámějšími jádry univerzálních mikrokontrolérů, uvést vlastnosti jednotlivých jader, výhody, nevýhody a rozdíly. Součástí práce je sada příkladů pro mikrokontrolér M68HC908LJ12 vypracovaná ve vývojovém prostředí CodeWarrior.
|
|
|
Evoluční resyntéza kombinačních obvodů
Pták, Ondřej ; Schwarz, Josef (oponent) ; Sekanina, Lukáš (vedoucí práce)
Tato práce se zabývá kombinačními číslicovými obvody a jejich optimalizací. Nejprve jsou představeny hlavní úrovně abstrakce používané při návrhu kombinačních číslicových obvodů. Následně jsou prozkoumány různé metody pro optimalizaci kombinačních číslicových obvodů. Další část této práce je věnována především evolučním algoritmům, jejich společným rysům a variantám: genetickým algoritmům, evolučním strategiím, evolučnímu programování a genetickému programování. Podrobně je popsána varianta genetického programování nazývaná kartézské genetické programování (CGP) a využití CGP v různých oblastech, zejména při syntéze či optimalizaci kombinačních číslicových obvodů. Také jsou představeny některé modifikace CGP a problém škálovatelnosti evolučního návrhu obvodů. V navazující části je popsána metoda pro evoluční resyntézu kombinačních číslicových obvodů. Nejprve je popsán návrh, zejména způsob dělení obvodu na podobvody, poté implementační detaily a nakonec experimenty s touto metodou a jejich výsledky.
|
|
|
Predikce časových řad pomocí statistických metod
Beluský, Ondrej ; Bidlo, Michal (oponent) ; Schwarz, Josef (vedoucí práce)
Různé společnosti považují za neodmyslitelné získávat předpověď časových řad nejistých hodnot proměnných, které ovlivňují jejich rozhodnutí. Marketing obsahuje vícero rozhodnutí, která závisí na spolehlivé předpovědi. Předpovědi jsou založeny přímo nebo nepřímo na informacích, které jsou získány z historických dat. Tato data mohou obsahovat různé vzory - jako je trend, horizontální vzor, sezónní vzor nebo i cyklický vzor. Většina metod je založena na rozpoznávaní těchto vzorů, jejich promítnutí do budoucnosti a následného vytvoření předpovědi. Jiné přístupy jako jsou například neuronové sítě jsou černými skříňkami, které využívají učení.
|
|
|
Techniky umělé inteligence pro filtraci nevyžádané pošty
Matula, Tomáš ; Žádník, Martin (oponent) ; Schwarz, Josef (vedoucí práce)
Diplomová práce se zaměřuje na klasifikaci elektronické pošty. Popisuje základní způsoby filtrování nevyžádané pošty. Následně se zabývá bayesovskými klasifikátory spamu a umělými imunitními systémy. Popisuje existující aplikace a metriky vyhodnocování výsledků. Cílem práce je navrhnout a implementovat algoritmus na filtrování spamu. Nakonec porovnává získané výsledky s vybranými známými metodami.
|
|
|
Optimalizační úlohy na bázi částicových hejn (PSO)
Němeček, Patrik ; Jaroš, Jiří (oponent) ; Schwarz, Josef (vedoucí práce)
Práce se zabývá optimalizací na bázi částicových hejn. V teoretické části je nejprve stručně popsána problematika optimalizace. Poté se značná část věnuje celkovému popisu optimalizačního algoritmu na bázi částicových hejn (PSO). Jsou popsány jeho princip, chování, parametry, struktura a modifikace. Následuje rešerše variant PSO, včetně hybridizací PSO. V praktické části práce jsou nejprve blíže rozebrány dynamické problémy. Poté je popsán nově navržený algoritmus pro dynamické problémy AHPSO (z čeho vychází, čím byl inspirován a jaké prvky používá a proč). Algoritmus je spuštěn na sadě úloh (Moving peaks benchmark) a porovnán s dosud nejlepšími veřejně dostupnými algoritmy variant PSO na dynamické problémy.
|
host ::
RSS.