|
|
Koevoluční algoritmus v FPGA
Hrbáček, Radek ; Vašíček, Zdeněk (oponent) ; Drahošová, Michaela (vedoucí práce)
Tato práce se zabývá návrhem hardwarové jednotky urychlující návrh obrazových filtrů pomocí koevolučních algoritmů. V práci je nejprve představena technologie rekonfigurovatelných logických obvodů, na kterých je akcelerační jednotka založena. Teoretická část dále stručně popisuje evoluční a koevoluční algoritmy, jejich principy a aplikace. Tradiční metody návrhu obrazových filtrů jsou porovnány s metodami inspirovanými procesy pozorovanými v přírodě. Navržená hardwarová jednotka využívá dvojici procesorů MicroBlaze doplněných o vlastní periferie pro akceleraci kartézského genetického programování. Koevoluční návrh obrazových filtrů je tak urychlen až 58 krát oproti optimalizované softwarové implementaci. Funkčnost jednotky je ověřena na úlohách návrhu filtru impulzního šumu a detektoru hran.
|
|
|
Predikce sekundární struktury proteinů pomocí celulárních automatů
Brigant, Vladimír ; Drahošová, Michaela (oponent) ; Bendl, Jaroslav (vedoucí práce)
Tato práce popisuje návrh metody predikce sekundární struktury proteinů založenou na celulárních automatech (CA) - CASSP. Optimální parametry modelu a přechodové funkce jsou získany pomocí evolučního algoritmu. Predikční model využíva pouze statistických vlastností aminokyselin, takže je velice rychlý. Dosažené výsledky byly porovnány s výsledky existujících metod. Byla také otestováná společná predikce navrženého systému CASSP s existujícím nástrojem PSIPRED. Nepodařilo se však dosáhnout výsledků, ktoré by tento existujíci nástroj převyšovali. Částečné zlepšení se dosáhlo při predikci pouze motivů sekndární struktury alpha-helix, co může pomoci v případe, že požadujeme co nejpřesenjší predikcii právě těchto motivů. K navrženému systému bylo také vytvořeno webové rozhraní.
|
|
|
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.
|
|
|
Optimalizace návrhu celulárních automatů
Jílek, Tomáš ; Drábek, Vladimír (oponent) ; Bidlo, Michal (vedoucí práce)
Tato diplomová práce je zaměřena na evoluční návrh celulárních automatů a jeho optimalizaci. Nejprve jsou popsány evoluční algoritmy, celulární automaty, a poté je rozebrán jeden z možných nových postupů pro reprezentaci a evoluční návrh přechodové funkce automatu - podmínková pravidla. Následuje popis experimentů s podrobnými výsledky. V závěru je prezentováno úspěšné dosažení optimalizace evolučního návrhu celulárních automatů za pomocí podmínkových pravidel pro vybrané problémy.
|
|
|
Užití genetického programování v návrhu digitálních obvodů
Hejtmánek, Michal ; Bidlo, Michal (oponent) ; Gajda, Zbyšek (vedoucí práce)
Cílem této práce bylo nastudování evolučních algoritmů a jejich využití pro návrh digitálních obvodů. Především jsem se zaměřil na genetické programování a jeho rozdílný způsob zacházení se stavebními bloky ve srovnání s genetickým algoritmem. Na základě těchto dvou přístupů jsem vytvořil a odzkoušel hybridní metodu návrhu obvodů. Tato metoda využívá šíření schemat podle genetického algoritmu pro problémy řešené genetickým programováním. U složitějších obvodů dosahuje vyšší úspěšnosti návrhu i rychlejší konvergence k řešení než obecný algoritmus genetického programování.
|
|
|
Souběžné učení v koevolučních algoritmech
Wiglasz, Michal ; Dobai, Roland (oponent) ; Drahošová, Michaela (vedoucí práce)
Kartézské genetické programování je druh genetického programování, ve kterém jsou kandidátní programy reprezentovány jako orientované acyklické grafy. Bylo ukázáno, že je možné evoluci kartézských programů urychlit použitím koevoluce, kde se ve druhé populaci vyvíjí prediktory fitness. Prediktory fitness slouží k přibližnému určení kvality kandidátních řešení. Nevýhodou koevolučního přístupu je nutnost provést mnoho časově náročných experimentů pro určení nejvýhodnější velikosti prediktoru pro daný problém. V této práci je představena nová reprezentace prediktorů fitness s plastickým fenotypem, založená na principech souběžného učení v evolučních algoritmech. Plasticita fenotypu umožňuje odvodit různé fenotypy ze stejného genotypu. Díky tomu je možné adaptovat velikost prediktoru na současný průběh evoluce a obtížnost řešeného problému. Navržený algoritmus byl implementován v jazyce C a optimalizován pomocí vektorových instrukcí SSE2 a AVX2. Z experimentů vyplývá, že použitím plastického fenotypu lze dosáhnout srovnatelné kvalitních obrazových filtrů jako u standardního CGP při kratší době běhu programu (průměrné zrychlení je 8,6násobné) a zároveň odpadá nutnost hledání nejvýhodnější velikosti prediktoru jako u koevoluce s prediktory s fixní velikostí.
|
|
|
Parametrická tvarová optimalizace letounu z aerodynamického hlediska
Dofek, Ivan ; Salga, Jaroslav (oponent) ; Brož,, Václav (oponent) ; Fiľakovský, Karol (vedoucí práce)
Práce se zabývá využitím geometrické parametrizace pro tvarový popis některých částí letounu. Geometrická parametrizace je použita pro vytvoření parametrického modelu leteckého profilu. Tento parametrický model umožňuje lokální deformace pobrchu profilu a může být snadno aplikován pro generování geometrie křídla nebo jiných částí letoumu. Některé vlastnosti parametrického modelu byly testovány aplikací v aerodynamické optimalizaci. Dále se práce zabývá parametrickým popisem listu vrtule, jeho aerodynamickou optimalizací a hlukovou analýzou. Pro list vrtule byly vytvorěny distribuční funkce řídících parametrů, které je možné použít při aerodynamické optimalizaci listu vrtule. Geometrická parametrizace slouží pro identifikaci polohy a další vlastností zdrojů hluku.
|
|
|
Evolutionary Synthesis of Analog Electronic Circuits Using EDA Algorithms
Slezák, Josef ; Zaplatílek,, Karel (oponent) ; Kolka, Zdeněk (oponent) ; Dostál,, Tomáš (vedoucí práce)
Dissertation thesis is focused on design of analog electronic circuits using Estimation of Distribution Algorithms (EDA). Based on the desired characteristics of the target circuits the proposed methods are able to design the parameters of the used components and theirs topology of connection as well. Three different methods employing EDA algorithms are proposed and verified on examples of real problems from the area of analog circuits design. The first method is capable to design passive analog circuits. The method employs UMDA algorithm which is used for determination of the parameters of the used components and synthesis of the topology of their connection as well. The method is verified on the problem of design of admittance network with desired input impedance function which is used as a part of chaotic oscillator circuit. The second method is also capable to design passive analog circuits. The method employs hybrid approach - UMDA for synthesis of the topology and local optimization method for determination of the parameters of the components. The third method is capable to design analog circuits which include also ac- tive components such as transistors. Hybrid approach is used. The topology is synthesized using EDA algorithm and the parameters are determined using a local optimization method. In the individuals of the population information about the topology is represented using graphs and hypergraphs.
|
|
|
Job Scheduling in Logistic Warehouses
Povoda, Lukáš ; Uher, Václav (oponent) ; Karásek, Jan (vedoucí práce)
The main aim of this thesis is flow shop and job shop scheduling problem in logistics warehouses. Managing and scheduling works is currently often problem. There is no simple solution due to complexity of this problem. This problem must be resolved because of a lack efficiency of work with a higher load such as during the christmas holidays. This paper describes the methods used to solve this problem focusing mainly on the use of search algorithms, evolutionary algorithms, specifically grammar guided genetic programming. This paper describes the problem of job shop scheduling on a simple theoretical example. The implemented algorithm for solving this problem was subjected to tests inspired on data from real warehouse, as well as synthetically created tests with more jobs and a greater number of workers. Synthetic tests were generated randomly. All tests were therefore run several times and the results were averaged. In conclusion of this work are presented the results of the algorithm and the optimum parameter settings for different sizes of problems and requirements for the solution. Genetic algorithm has been extended to calculate fitness of individuals with regard to number of collisions, extended to use priority rules during run of evolution, and some parts of algorithm was parallelized.
|
|
|
Evoluční algoritmy
Bortel, Martin ; Karásek, Jan (oponent) ; Burget, Radim (vedoucí práce)
Práce se zabývá principy a základními vlastnostmi Evolučních a Genetických algoritmů. Jsou zde rozebrány operátory mutace, křížení a selekce a možnosti ukončení algoritmu. Uvedeny jsou příklady využití evolučních a genetických algoritmů v praxi. Využití technologií PHP&MySQL a Google Maps API k optimalizaci distribuční trasy, je důležitým bodem práce.
|
host ::
RSS.