|
|
Hybridní model metaheuristických algoritmů
Šandera, Čeněk ; Zelinka, Ivan (oponent) ; Matoušek, Radomil (oponent) ; Šeda, Miloš (vedoucí práce)
Hlavním tématem této disertační práce jsou metaheuristické algoritmy v obecnějším pojetí. Úvodní kapitoly se venují popisu širšího kontextu metaheuristik, tedy ruzným optimalizacním problémum, urcování jejich složitosti a samozrejme prístupum k jejich rešení. Navazující obsáhlá diskuze o metaheuristikách a jejich typických vlastnostech je následována ukázkami nekolika vybraných metaheuristických konceptu. Na odpozorovaných vlastnostech je vybudován obecný metaheuristický model vhodný pro vývoj nových i hybridních algoritmu. Celá práce je zakoncena ukázkami autorových publikací s diskuzí o jejich užití ve vybudovaném modelu. Na přiloženém CD je k dispozici i programová implementace obecného modelu, která tvoří nedílnou součást této disertace.
|
|
|
Návrh predikčního modelu prodeje vybraných potravinářských komodit
Řešetková, Dagmar ; Dostál, Petr (oponent) ; Krčmarský, Miroslav (oponent) ; Zelinka, Ivan (oponent) ; Rais, Karel (vedoucí práce)
Disertační práce se obecně zaměřuje na využití nástrojů umělé inteligence v praxi a s ohledem na zaměření studia v oboru Řízení a ekonomika podniku na využití nástrojů umělé inteligence v praxi firemní, jako nástroje pro podporu rozhodování na operativní a taktické úrovni řízení. V užším pojetí se práce zabývá návrhem predikčního modelu prodeje vybraných potravinářských komodit. Navržený model má posloužit jako substitut lidského experta při podpoře v rozhodovacím procesu nákupu vybraných komodit a to především při zaškolování nových pracovníků a rozšířit, v současné době používané, metody manažerského rozhodování o nástroje umělé inteligence pro management firmy a stávající zaměstnance. Cílem disertační práce je tedy návrh predikčního modelu prodeje vybraných potravinářských komodit (jablek a brambor) pro konkrétní velkoobchod s ovocem a zeleninou působícím na území České republiky. K seznámení se s chováním vybraných komodit bylo využito jak primárního tak sekundárního výzkumu a poznatků získaných z českých i zahraničních literárních zdrojů a výzkumů. Výsledný predikční model je zpracován za použití statistické analýzy časových řad a samotná predikce prodejů probíhá využitím nástrojů umělé inteligence a je modelována umělou neuronovou sítí. Práce ve své praktické části rovněž obsahuje návrhy využití predikčního modelu a dílčích postupů zpracování pro: • praxi, • teorii a • pedagogickou činnost.
|
|
|
Optimalizace tvorby konstrukčních týmů pomocí genetických algoritmů
Špaček, Jiří ; Zelinka, Ivan (oponent) ; Šeda, Miloš (oponent) ; Ošmera, Pavel (vedoucí práce)
Disertační práce se zabývá optimalizací tvorby pracovních týmů ve firmách. Základem je práce Dr. Mereditha Belbina z Henley Management College, který je autorem tzv. Belbinovy teorie týmových rolí. Tato teorie definuje základní role v týmu včetně popisu vzorců jejich chování, přičemž pro správné fungování libovolného týmu je důležité, aby v něm byly zastoupeny všechny role. V praxi je však potřeba, aby konkrétní lidé splňovali nejen osobnostní a psychologické předpoklady, ale také odborné znalosti či jiné požadavky. Doplněním těchto parametrů konkrétním lidem však vzniká obrovské množství možných variant výsledného týmu, které není možné tradičními metodami snadno a v reálném čase vyhodnotit. Z toho důvodu byly zvoleny k vyhodnocení tzv. genetické algoritmy, které jsou inspirované přírodními vývojovými procesy popsanými již dříve J. G. Mendelem a Ch. Darwinem. Genetické algoritmy se vyznačují poskytnutím dobrých výsledků řešené úlohy ve velmi krátkém čase, přičemž úloha nemusí mít exaktní zadání a správných řešení proto může být více. V rámci dizertační práce byl sestaven program v jazyce Java, jehož jádrem je genetický algoritmus a v kterém bylo uskutečněno modelování konkrétních týmů. Následovalo ověření výsledků programu sestavením týmů pro realizaci nových úkolů a sledováním jejich činnosti v praxi. Rovněž byla provedena modelová verifikace týmů sestavených již dříve pouze na základě zkušeností vedoucích pracovníků a byly porovnány výsledky.
|
|
|
Optimalizace aerodynamických vlastností profilu
Müller, Jan ; Rozehnal,, Dalibor (oponent) ; Popela, Robert (oponent) ; Zelinka, Ivan (oponent) ; Ošmera, Pavel (vedoucí práce)
Obsahem předložené disertační práce je pokročilá optimalizace profilu nosné plochy obecného letounu. Pro optimalizaci je využito pokročilých metaheuristických optimalizačních technik, založených na evolučních výpočtech a rojových algoritmech. Pro tyto algoritmy je typická robustnost optimalizace a inženýrsky přijatelná míra konvergence a optimality řešení. V rámci řešení byly navrženy a implementovány podstatné modifikace původních optimalizací orientované na profil. Z původního evolučního algoritmu (EA) byla vytvořena nová varianta optimalizace profilu evolučními algoritmy (aEA), následně pak byla z původní optimalizace hejnem částic (PSO) vyvinuta nová varianta optimalizace profilu hejnem částic (aPSO). Dále pak byla vytvořena vlastní hybridizace uvedených metod v paralelní variantě. Pro proces optimalizace bylo využito modelu parametrizace Bezier-PARSEC 3434, generujícího tvar profilu. Pro optimalizace výchozího profilu byl použit parametrický model založeným na B-Spline. Simulace fluidní dynamiky pro výpočet základních aerodynamických vlastností (vztlak, odpor, moment), byl realizován programovým vybavením Xfoil. Výsledky byly následně verifikovány pomocí simulace dynamiky tekutin (CFD ANSYS Fluent). Z pohledu optimalizačních úloh, navržených optimalizací a implementací je zřejmé, že jde o komplexní mezioborovou úlohu, jejíž výsledky jsou prezentovány v této práci.
|
|
|
Optimalizace aerodynamických vlastností profilu
Müller, Jan ; Popela, Robert (oponent) ; Zelinka, Ivan (oponent) ; Rozehnal,, Dalibor (oponent) ; Ošmera, Pavel (vedoucí práce)
Obsahem předložené disertační práce je pokročilá optimalizace profilu nosné plochy obecného letounu. Pro optimalizaci je využito pokročilých metaheuristických optimalizačních technik, založených na evolučních výpočtech a rojových algoritmech. Pro tyto algoritmy je typická robustnost optimalizace a inženýrsky přijatelná míra konvergence a optimality řešení. V rámci řešení byly navrženy a implementovány podstatné modifikace původních optimalizací orientované na profil. Z původního evolučního algoritmu (EA) byla vytvořena nová varianta optimalizace profilu evolučními algoritmy (aEA), následně pak byla z původní optimalizace hejnem částic (PSO) vyvinuta nová varianta optimalizace profilu hejnem částic (aPSO). Dále pak byla vytvořena vlastní hybridizace uvedených metod v paralelní variantě. Pro proces optimalizace bylo využito modelu parametrizace Bezier-PARSEC 3434, generujícího tvar profilu. Pro optimalizace výchozího profilu byl použit parametrický model založeným na B-Spline. Simulace fluidní dynamiky pro výpočet základních aerodynamických vlastností (vztlak, odpor, moment), byl realizován programovým vybavením Xfoil. Výsledky byly následně verifikovány pomocí simulace dynamiky tekutin (CFD ANSYS Fluent). Z pohledu optimalizačních úloh, navržených optimalizací a implementací je zřejmé, že jde o komplexní mezioborovou úlohu, jejíž výsledky jsou prezentovány v této práci.
|
|
|
Hybridní model metaheuristických algoritmů
Šandera, Čeněk ; Zelinka, Ivan (oponent) ; Matoušek, Radomil (oponent) ; Šeda, Miloš (vedoucí práce)
Hlavním tématem této disertační práce jsou metaheuristické algoritmy v obecnějším pojetí. Úvodní kapitoly se venují popisu širšího kontextu metaheuristik, tedy ruzným optimalizacním problémum, urcování jejich složitosti a samozrejme prístupum k jejich rešení. Navazující obsáhlá diskuze o metaheuristikách a jejich typických vlastnostech je následována ukázkami nekolika vybraných metaheuristických konceptu. Na odpozorovaných vlastnostech je vybudován obecný metaheuristický model vhodný pro vývoj nových i hybridních algoritmu. Celá práce je zakoncena ukázkami autorových publikací s diskuzí o jejich užití ve vybudovaném modelu. Na přiloženém CD je k dispozici i programová implementace obecného modelu, která tvoří nedílnou součást této disertace.
|
|
|
Optimalizace tvorby konstrukčních týmů pomocí genetických algoritmů
Špaček, Jiří ; Zelinka, Ivan (oponent) ; Šeda, Miloš (oponent) ; Ošmera, Pavel (vedoucí práce)
Disertační práce se zabývá optimalizací tvorby pracovních týmů ve firmách. Základem je práce Dr. Mereditha Belbina z Henley Management College, který je autorem tzv. Belbinovy teorie týmových rolí. Tato teorie definuje základní role v týmu včetně popisu vzorců jejich chování, přičemž pro správné fungování libovolného týmu je důležité, aby v něm byly zastoupeny všechny role. V praxi je však potřeba, aby konkrétní lidé splňovali nejen osobnostní a psychologické předpoklady, ale také odborné znalosti či jiné požadavky. Doplněním těchto parametrů konkrétním lidem však vzniká obrovské množství možných variant výsledného týmu, které není možné tradičními metodami snadno a v reálném čase vyhodnotit. Z toho důvodu byly zvoleny k vyhodnocení tzv. genetické algoritmy, které jsou inspirované přírodními vývojovými procesy popsanými již dříve J. G. Mendelem a Ch. Darwinem. Genetické algoritmy se vyznačují poskytnutím dobrých výsledků řešené úlohy ve velmi krátkém čase, přičemž úloha nemusí mít exaktní zadání a správných řešení proto může být více. V rámci dizertační práce byl sestaven program v jazyce Java, jehož jádrem je genetický algoritmus a v kterém bylo uskutečněno modelování konkrétních týmů. Následovalo ověření výsledků programu sestavením týmů pro realizaci nových úkolů a sledováním jejich činnosti v praxi. Rovněž byla provedena modelová verifikace týmů sestavených již dříve pouze na základě zkušeností vedoucích pracovníků a byly porovnány výsledky.
|
|
|
Návrh predikčního modelu prodeje vybraných potravinářských komodit
Řešetková, Dagmar ; Dostál, Petr (oponent) ; Krčmarský, Miroslav (oponent) ; Zelinka, Ivan (oponent) ; Rais, Karel (vedoucí práce)
Disertační práce se obecně zaměřuje na využití nástrojů umělé inteligence v praxi a s ohledem na zaměření studia v oboru Řízení a ekonomika podniku na využití nástrojů umělé inteligence v praxi firemní, jako nástroje pro podporu rozhodování na operativní a taktické úrovni řízení. V užším pojetí se práce zabývá návrhem predikčního modelu prodeje vybraných potravinářských komodit. Navržený model má posloužit jako substitut lidského experta při podpoře v rozhodovacím procesu nákupu vybraných komodit a to především při zaškolování nových pracovníků a rozšířit, v současné době používané, metody manažerského rozhodování o nástroje umělé inteligence pro management firmy a stávající zaměstnance. Cílem disertační práce je tedy návrh predikčního modelu prodeje vybraných potravinářských komodit (jablek a brambor) pro konkrétní velkoobchod s ovocem a zeleninou působícím na území České republiky. K seznámení se s chováním vybraných komodit bylo využito jak primárního tak sekundárního výzkumu a poznatků získaných z českých i zahraničních literárních zdrojů a výzkumů. Výsledný predikční model je zpracován za použití statistické analýzy časových řad a samotná predikce prodejů probíhá využitím nástrojů umělé inteligence a je modelována umělou neuronovou sítí. Práce ve své praktické části rovněž obsahuje návrhy využití predikčního modelu a dílčích postupů zpracování pro: • praxi, • teorii a • pedagogickou činnost.
|
host ::
RSS.