|
|
Optimalizace včelí kolonií
Jukl, Jan ; Pangrác, Ondřej (vedoucí práce) ; Hušek, Radek (oponent)
Problém minimálního vrcholového pokrytí je dobře známý NP-těžký pro- blém. Tato práce prezentuje Artificial Bee Colony (ABC) algoritmus a dva přístupy založené na genetických algoritmech pro řešení tohoto problému. Al- goritmus ABC je optimalizační algoritmus založený na kolektivní inteligenci včelího roje. ABC byl nejdříve navržen pro spojitou optimalizaci a ukázalo se, že na tomto druhu problémů dosahuje mimořádně kvalitních výsledků. V této práci byl algoritmus ABC přizpůsoben pro řešení problému minimálního vrcholového pokrytí a otestován na benchmarcích DIMACS a BHOSLIB. Naměřené výsledky algoritmu ABC, genetického algoritmu založeného na binárním rozhodovacím di- agramu a informovaného genetického algoritmu jsou v práci vzájemně porovná- vány.
|
|
|
Discretization Of Decision Variables In
Optimization Algorithms
Marek, Martin
This paper presents a verification of universal method for discretization of decision space in optimization algorithms. Real-world optimization tasks frequently use discontinuous decision variables and in order to effectively optimize such tasks, it is necessary to exploit an optimization algorithm that meets such requirement. Unfortunately, very few evolutionary algorithms can naturally work with discontinuous decision space. The method that entitles all optimization algorithms to effectively solve problems with discrete variables is here described and experimentally verified.
|
|
|
Layout optimisation method for active structural health monitoring
Červenka, Miroslav ; Koštial, Rostislav
This paper describes optimisation method for designing sensoric layout for Active Structural Health Monitoring (A-SHM) by Ultrasonic Guided Waves (UGW) on metal and non-metal (composite) materials. The SHM sensors need to be placed optimally in order to detect structural damage with high probability before the damage turns critical. Configuration of used optimisation algorithm for such task is not straightforward. Differential Evolution (DE) has two configuration parameters – the mutation factor F and the crossover rate CR – whose settings largely influence the solution quality the optimisation process can yield. For that matter we describe an elaborated a method to guide this selection towards good results using visual heat maps with the intent to select best DE’s variant and particular configuration to receive the most optimal SHM sensorics layout.
|
|
|
Adversarial examples generation for deep neural networks
Procházka, Štěpán ; Neruda, Roman (vedoucí práce) ; Kratochvíl, Miroslav (oponent)
Modely strojového učení vykazují náchylnost k útokům za použití adversariálních vzorů, tedy uměle připravených vstupů s cílem zmást model. Předpokládaná práce si dává za cíl prozkoumat metody generování těchto vzorů v případě black-box útoku vedeného proti hlubokým neuronovým sítím určených pro klasifikaci obrazových dat. Posoudili jsme úspěšnost metod používajících zástupné (surrogate) modely a navrhli jsme vlastní řešení pro účely adversariálního útoku, založené na genetických algoritmech. Úspěšnost zkoumaných metod jsme ověřili provedením několika experimentů na datasetu Fashion MNIST. Empiricky bylo ověřeno, že námi navrhované řešení vykazuje skvělé výsledky, zejména v případě necíleného útoku na residuální konvoluční sítě.
|
|
|
Evolutionary Algorithm-based Procedural Level Generator for a Rogue-like Game
Vegricht, Jan ; Gemrot, Jakub (vedoucí práce) ; Zelinka, Mikuláš (oponent)
Název práce: Procedurální generátor úrovní pro rogue-like hru založený na evolučních algoritmech Autor: Jan Vegricht Katedra: Katedra softwaru a výuky informatiky Vedoucí práce: Mgr. Jakub Gemrot, Ph.D., Katedra softwaru a výuky informatiky Abstrakt: Rogue-like hry jsou v herním průmyslu žánrem s dlouho tradicí. Jedním významným faktorem běžně sdružovaným s rouge-like hrami je procedurální generování úrovní. Cílem této práce je navrhnout a implementovat generátor úrovní pro jednu konkrétní rouge-like hru pomocí evolučních algoritmů jakožto hlavním generačním prostředkem. Metody a výsledky jsou poté porovnány s neevolučními alternativními algoritmy, které se snaží generovat podobná řešení. Výsledky se zdají poukazovat na to, že ačkoli se evoluční algoritmy dají použít pro generování map, praktické užití je z větší části omezené. Klíčová slova: evoluční algoritmy, procedurální generování, optimalizace s omezením, rogue-like
|
|
|
Evoluční algoritmy pro řízení heterogenních robotických swarmů
Karella, Tomáš ; Pilát, Martin (vedoucí práce) ; Balcar, Štěpán (oponent)
Robotická hejna se často díky svým dobrým vlastnostem používají při řešení rozličných úkolů. Řada prací zabývající se touto problematikou používá pro optimalizaci řízení robotických hejn evoluční algoritmy, ovšem z pravidla hejna tvoří pouze homogenní jedinci. Tato práce se zaměřuje na použití evolučních algoritmů v případě heterogenních robotických hejn. Pro nalezení optimalizující metody byla implementována simulace 2D prostředí, které umožňuje tvorbu vlastních scénářů pro robotická hejna a také umožňuje použití na řešení těchto scénářů evolučních algoritmů. Navržená metoda podúkolů používající diferenciální evoluci a evoluční strategie byla otestována ve třech rozličných scénářích.
|
|
|
Generation of Vector Images using Evolutionary Algorithms
Drázdová, Zuzana ; Pilát, Martin (vedoucí práce) ; Křen, Tomáš (oponent)
Použití evolučních algoritmů pro generování obrázků je zkoumáno už několik desetiletí. Potenciál tohoto přístup spočívá v kreativitě genetických operátorů a širokých možnostech automatického hodnocení řešení. Jedinci mohou být vyvíjeni, aby připomínali existující obrázek nebo mohou být použita jiná kritéria jako například umělecký dojem. Generování vektorových obrázků podle rastrové předlohy bylo v posledních letech věnováno hodně pozornosti. Tento přístup nabízí hned několik výhod. Rozměry vektorových obrázků mohou být snadno změněny bez ztráty přesnosti. Další výhodou je možnost jednoduše upravovat jednotlivé objekty v obrázku. Ta byla při návrhu algoritmů dosud opomíjena. Chceme využít plný potenciál vytvořených obrázků navržením vhodného algoritmu. Naše metoda vytváří vektorové obrázky, které jsou podobné rastrové předloze, mohou být snadno upravované a mají zajímavý umělecký nádech. Vyvinuli jsme tři postupy, které se liší v přístupu k reprezentaci jedinců, genetickým operátorům, vyhodnocení a celkovém stylu výsledků.
|
|
|
Klasifikace obrazů pomocí genetického programování
Jašíčková, Karolína ; Vašíček, Zdeněk (oponent) ; Sekanina, Lukáš (vedoucí práce)
Tato práce se zabývá klasifikací obrazu pomocí genetického programování a koevoluce. Algoritmy genetického programování umožňují generovat spustitelné struktury a navrhovat tak automatizovaně řešení ve formě programů. Použití koevoluce s predikcí fitness snižuje časovou náročnost výpočtu fitness a tím i dobu trvání celého algoritmu. Práce popisuje teoretický základ evolučních algoritmů a zejména kartézské genetické programování. Jsou také popsány vlastnosti koevolučních algoritmů a zejména navržená metoda pro návrh klasifikátoru obrazu s využitím koevoluce fitness prediktorů, jejímž cílem je nalézt kompromis mezi přesností klasifikace, dobou návrhu a složitostí klasifikátoru. Součástí práce je implementace navžené metody, provedení experimentů a srovnání získaných výsledků s ostatními metodami.
|
|
|
Aplikace evolučního algoritmu na optimalizační úlohu vibračního generátoru
Nguyen, Manh Thanh ; Kovář, Jiří (oponent) ; Hadaš, Zdeněk (vedoucí práce)
Tato práce se bude zabývat použitím metod umělé inteligence pro řešení optimalizační úlohy s více proměnnými. Rešeršní část je věnována problematice globální optimalizace a přehledu metod řešení. Z praktických důvodů je speciální pozornost věnována algoritmům evolučním. Předmětem optimalizace samotné je pak energy harvester využívající piezoelektrického jevu. Jeho podstatě a modelování je věnována samostatná kapitola. Součástí práce je implementace algoritmu SOMA pro návrh parametrů generátoru pro maximální výkon.
|
|
|
Obecná umělá inteligence pro hraní her
Klůj, Jan ; Pilát, Martin (vedoucí práce) ; Moudřík, Josef (oponent)
Hraní her je v současné době poměrně zajímavý problém na poli umělé inteli- gence. V diplomové práci se zabýváme tvorbou obecné umělé inteligence, která je schopna hrát vybrané jednoduché počítačové hry na základě informací, které jsou dostupné i lidskému hráči. Našimi vybranými hrami jsou 2048, Mario, zá- vodní simulátor TORCS a Alhambra. Všechny informace, které umělá inteligence získává, jsou poskytovány hrami pomocí rozhraní a žádný model tak nevyužívá obrazový vizuální vstup. Využíváme evolučních přístupů jako jsou evoluční algo- ritmy, evoluční strategie CMA a diferenciální evoluce, aplikované na různé typy neuronových sítí. Dále se zabýváme hlubokým zpětnovazebním učením. Tyto pří- stupy testujeme a jejich výsledky porovnáváme. 1
|
host ::
RSS.