Národní úložiště šedé literatury Nalezeno 111 záznamů.  1 - 10dalšíkonec  přejít na záznam: Hledání trvalo 0.00 vteřin. 
Formování multiagentních koalic pomocí genetických algoritmů
Kučera, Tomáš ; Uhlíř, Václav (oponent) ; Zbořil, František (vedoucí práce)
Táto práca pojednáva o základoch softvérových agentov a ich formovaní do multiagentových koalícií. Predstavené sú genetické algoritmy ako jedno z možných riešení formovania koalícií. Je predstavená súťaž MAPC 2018, vzhľadom na ktorú bolo navrhnuté a implementované výsledné riešenie a taktiež nástroje, ktoré k tomu boli použité. Vytvorený bol demo projekt, v ktorom agenti komunikujú so serverom MASSim a získané dáta sú použité ako vstup genetickému algoritmu. Ten zadaných agentov priradí na základe prijatých dát k úlohám tak, aby mohli byť riešené čo najefektívnejšie. Výsledky algoritmu sú zhodnotené v experimentoch, ktoré sa zameriavajú na kvalitu nájdených riešení a čas potrebný na výpočet.
Optimalizace procesů v logistice s podporou vizualizace
Kršák, Martin ; Bidlo, Michal (oponent) ; Křivka, Zbyněk (vedoucí práce)
Cielom diplomovej prace je navrh, implementacia a porovnanie algoritmov, ktore optimalizuju procesy v logistike, prevazne v planovacej casti. Algoritmy pomocou heuristik a aproximacneho genetickeho algoritmu najdu takmer optimalne riesenie NP-tazkeho problemu, podobneho problemu obchodneho cestujuceho s oneskorenim niekolkych hodin. Ulohou tychto algoritmov je planovanie efektivnej trasy smetiarskym vozidlam, ktore zvazaju a rozvazaju velkoobjemny odpad do zbernych stredisk v konkretnom meste. Cielom optimalizacie je minimalizacia nakladov na dopravu.
Optimalizace metaheuristikami v Pythonu pomocí knihovny DEAP
Kesler, René ; Charvát, Pavel (oponent) ; Klimeš, Lubomír (vedoucí práce)
Tato práce se zabývá optimalizací pomocí metaheuristik, které se používají pro komplikované inženýrské úlohy, jež nelze řešit běžnými metodami matematického programování. Nejprve jsou rozebrány vybrané metaheuristiky: simulované žíhání, optimalizace rojem částic a genetický algoritmus; a následně je provedeno srovnání na testovacích funkcích. Algoritmy jsou implementovány v programovacím jazyce Python pomocí knihovny DEAP, která je v práci také popsána. Nakonec jsou algoritmy využity na optimalizaci parametrů tepelného výměníku.
Evoluční algoritmy pro ultrazvukovou perfúzní analýzu
Kolářová, Jana ; Odstrčilík, Jan (oponent) ; Mézl, Martin (vedoucí práce)
Tato diplomová práce je zaměřena na aplikaci evolučních algoritmů při prokládání dat získaných ultrazvukovým snímání tkáně. Proložená křivka slouží k odhadům perfúzních parametrů, umožňuje odhalit případné patofyziologie ve snímané oblasti. Teoretický úvod je věnován perfúzi a jejím parametrům, kontrastním látkám pro ultrazvukovou aplikaci, snímání ultrazvukovou modalitou, optimalizaci, evolučním algoritmům obecně a dvěma zvoleným evolučním algoritmům – genetický algoritmus a včelí algoritmus. Tyto dva algoritmy byly testovány na zašuměných datech získaných z klinických snímků myší s nádorem. V závěrečné části jsou shrnuty výsledky praktické části a poskytnuty návrhy a doporučení pro další možné zpracování.
Využití evolučních algoritmů při učení neuronových sítí
Vosol, David ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Tato práce má za úkol nalézt a porovnat možnosti spolupráce evolučních algoritmů při učení neuronové sítě a také jejich následné porovnání s klasickým přístupem učení pomocí back-propagation. Toto porovnání je demonstrováno na hluboké dopředné síti, která je využita při klasifikačních úlohách. Optimalizace probíhá na úrovni hledání optimálních hodnot vah a biasů sítě při zachování její stejné topologie. Jako evoluční algoritmy pro tuto optimalizaci jsou vybrány tři metody. Jedná se o genetický algoritmus, diferenciální evoluci a optimalizaci hejnem částic. Demonstrační program je implementován v programovacím jazyce Python3 a to bez použití knihoven pro strojové učení.
Algoritmy pro dopřední a zpětné plánování
Sluka, Filip ; Hromková, Ivana (oponent) ; Simeonov, Simeon (vedoucí práce)
Práce se zabývá plánováním výroby. Obsahuje teoretický popis metod používaných pro plánování a optimalizaci výroby. Popisuje problematiku úzkých míst ve výrobě. Nabízí přehled způsobů jejich identifikace a analýzu jejich vlivů na efektivitu výrobního procesu. Navrhuje odstranění úzkých míst s využitím různých druhů algoritmů. Teoretické poznatky z oblasti optimalizace a teorie grafů aplikuje při vytvoření programu určeného k minimalizaci zpoždění zakázek a doby přeseřízení strojů. Program implementuje genetický algoritmus.
Prohlížečová hra s umělou inteligencí
Moravec, Michal ; Volf, Tomáš (oponent) ; Bartík, Vladimír (vedoucí práce)
Práce se zabývá návrhem a implementací webové hry, kterou může hrát více hráčů přes síť internet. Stěžejním prvkem hry je budování ekonomiky, hráči však spolu mohou i spolupracovat (obchodování) a hrát proti sobě (souboje). Pro perzistentní úložiště postupu je použita NoSQL databáze, kde v práci je popsán její návrh a implementace. Mimo reálných hráčů se ve hře vyskytují agenti/boti, kteří hru hrají automatizovaně pomocí stavových automatů vygenerovaných genetickými algoritmy. V práci je popsán princip návrhu a fungování jak genetických algoritmů, tak samotných stavových automatů.
Hybridní algoritmy v optimalizaci
Zamazal, Petr ; Hrabec, Pavel (oponent) ; Popela, Pavel (vedoucí práce)
Tato práce se zabývá řešením úlohy celočíselného programování pomocí hybridního algoritmu. Jde o úlohu hledání toku v síti s nejmenšími náklady s možností přidávání nových hran. Zmíněný hybridní algoritmus je založen na genetickém algoritmu za použití síťové simplexové metody. Implementován je v programovacím jazyce Python.
Dopravní modely a jejich aplikace
Žlebek, Petr ; Nevrlý, Vlastimír (oponent) ; Pavlas, Martin (vedoucí práce)
Práce se zabývá využitím optimalizace v oblasti dopravních modelů. V první části práce jsou shrnuty teoretické poznatky z oblasti teorie grafů, matematického programování, dopravních úloh a genetického algoritmu. Tyto informace jsou následně aplikovány ve druhé části práce. V té je důkladně popsán dopravní model, který se zabývá svozem odpadu. K implementaci modelu bylo využito prostředí Matlab. Na vytvořený výpočtový aparát jsou pak aplikována reálná data pro území České republiky. V závěrečné části práce jsou shrnuty a okomentovány výsledky modelu.
Využití metod umělé inteligence pro simulaci a identifikaci dat v oblasti proudění
Richter, Jan ; Pavelek, Milan (oponent) ; Trenz, Oldřich (oponent) ; Šťastný, Jiří (vedoucí práce)
Proudění vzduchu lze vizualizovat pomocí aditiv tak, aby bylo možné pořídit snímky a videozáznamy takového proudění. Aditiva mohou být ve formě částic, nebo tvoří spojitá vlákna. Počítačové zpracování takových dat se liší právě podle použité vizualizační metody. Tato práce pojednává o množství postupů k určení tvaru proudnice a rychlosti proudění ve snímcích a záznamech proudění vzduchu. K těmto účelům jsou využívány kromě exaktních postupů i neuronové sítě a genetické algoritmy.

Národní úložiště šedé literatury : Nalezeno 111 záznamů.   1 - 10dalšíkonec  přejít na záznam:
Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.