|
|
Hra v Unity s využitím genetických algoritmů
Bábek, Radomír ; Beran, Vítězslav (oponent) ; Vlnas, Michal (vedoucí práce)
Tato práce se zaměřuje na oblasti herního vývoje a genetických algoritmů. Popisuje návrh~a implementaci hry PlantEVO, ve které figurují speciální bojové rostliny. Úkolem hráče je pochopit fungování genetického algoritmu a využít ho co možná nejefektivněji při šlechtění svých roslin. Následně je síla jeho rostlin otestována v online soubojích proti ostatním hráčům. Souboje probíhají ve stylu tahové strategie. Hra využívá architekturu klient-server. Klien je naprogramován v herním enginu Unity, server využívá architekturu REST API.
|
|
|
Diagnosing anxiety and depression from brain electroencephalogram (EEG) signals
Osvald, Martin ; Jaroš, Marta (oponent) ; Malik, Aamir Saeed (vedoucí práce)
Mental disorders represent inevitable emotions in our society. These psychological states affect the cognitive, emotional and behavioural functioning of individuals. Common men- tal disorders fall into two main diagnostic categories: depressive disorders and anxiety disorders. The aim of this work is to find a new method for detecting whether a given patient suffers from anxiety or depression using EEG classification. In this work, we use a combination of genetic algorithms and models from deep learning.
|
|
|
Celulární automaty a pravidla definovaná genetickým algoritmem
Goliáš, Darek ; Lang, Stanislav (oponent) ; Matoušek, Radomil (vedoucí práce)
Tato bakalářská práce se zabývá propojením celulárních automatů (CA) a genetických algoritmů (GA). Stručně přibližuje historii a principy CA a GA, včetně jejich klíčových komponent. Teoretická část se věnuje různým druhům CA, jejich klasifikaci, okrajovým podmínkám a příkladům využití. Dále jsou popsány genetické algoritmy, jejich reprezentace populace, selekce, křížení a mutace. Praktická část zahrnuje návrh a implementaci dvourozměrného CA se systémem generování pravidel pomocí GA.
|
|
|
Úloha cestujícího zloděje
Ternbach, Pavel ; Dosoudilová, Monika (oponent) ; Kůdela, Jakub (vedoucí práce)
V poslední době se v oblasti optimalizace řeší problém, že velká část optimalizační úloh není zdaleka tak složitá, jako některé problémy z reálného světa. Komplexnost těchto problémů se neustále zvětšuje, zatímco optimalizačních úlohy jsou poměrně zastaralé. Za účelem pochopení a nalezení lepších způsobů řešení těchto složitých reálných problémů byla vytvořena úloha cestujícího zloděje (travelling thief problem, známý také pod zkratkou "TTP"). Tato úloha byla navržena tak, aby se co nejvíce podobala reálným problémům. K tomu slouží kombinace dvou podúloh. Jelikož řešení úlohy cestujícího zloděje je relativně obtížné, byly vytvořeny různé algoritmy, které tento problém řeší. Každý algoritmus funguje na jiném principu. Tato práce se bude věnovat vysvětlení a následnému porovnání některých z těchto algoritmů.
|
|
|
Automated compression of neural network weights
Lorinc, Marián ; Sekanina, Lukáš (oponent) ; Mrázek, Vojtěch (vedoucí práce)
Convolutional Neural Networks (CNNs) have revolutionised computer vision field since their introduction. By replacing weights with convolution filters containing trainable weights, CNNs significantly reduced memory usage. However, this reduction came at the cost of increased computational resource requirements, as convolution operations are more computation intensive. Despite this, memory usage remains more energy-intensive than computation. This thesis explores whether it is possible to avoid loading weights from memory and instead functionally calculate them, thereby saving energy. To test this hypothesis, a novel weight compression algorithm was developed using Cartesian Genetic Programming. This algorithm searches for the most optimal weight compression function, aiming to enhance energy efficiency without compromising the functionality of the neural network. Experiments conducted on the LeNet-5 and MobileNetV2 architectures demonstrated that the algorithm could effectively reduce energy consumption while maintaining high model accuracy. The results showed that certain layers could benefit from weight computation, validating the potential for energy-efficient neural network implementations.
|
|
|
Evolutionary Circuit Design by Means of Genetic Programming
Synák, Maroš ; Hurta, Martin (oponent) ; Bidlo, Michal (vedoucí práce)
This thesis investigates the application of genetic programming (GP) for designing circuits, focusing on sinusoidal and square oscillators, and tone discriminators, using Python and PySpice. It aims to recreate aspects of John Koza's foundational work in this field. The primary goal is to assess if GP can generate advanced electronic designs more effectively than traditional methods, adapting Koza's genetic operations—selection, crossover, mutation—to modern circuit design challenges. The methodology involves developing GP models to simulate evolutionary circuit design, evaluated through controlled experiments. These experiments test the models' ability to evolve from basic to complex configurations that meet specific electronic functions. This study not only revisits but also modifies Koza’s methods, incorporating strategies more reliant on an initial embryo setup to guide the evolution process in generating targeted designs. Additionally, the study investigates recent methodologies utilized in similar applications to enhance the adaptability and efficiency of GP. The results demonstrate that while GP can effectively support and enhance electronic circuit design for sinusoid oscillators and tone discriminators, its application to square oscillator generation encounters limitations and severe problems. This highlights areas for potential improvement in genetic diversity and algorithm refinement.
|
|
|
Automatic scheduling, execution and monitoring of computational workflows on distributed systems
Jaroš, Marta ; Corbalan Gonzales, Julita (oponent) ; Martinovič, Jan (oponent) ; Jaroš, Jiří (vedoucí práce)
Automated execution of computational workflows has become a critical issue in achieving high productivity in various research and development fields. Over the last few years, workflows have emerged as a significant abstraction of numerous real-world processes and phenomena, including digital twins, personalized medicine, and simulation-based science in general. Workflow execution can be viewed as an orchestration of multiple tasks with diverse computational requirements and interdependencies, determined by the workflow structure. Due to the complexity of workflows, execution can only be satisfied by remote computing clusters or clouds. As these resources are expensive, workflow scheduling plays a crucial role in the automation process. The primary objective of this thesis is to enable automated and reliable execution of computational workflows. Moldable tasks, defined within these workflows, permit execution across multiple computational resources. This affects both the workflow makespan and computational cost, but not equally due to varying computational efficiency. Consequently, the thesis investigates various approaches to workflow scheduling and execution optimization, focusing on methods based on genetic algorithms. Three optimization approaches-targeting both on-demand and static computational resource allocations-are examined and discussed. The optimization process is supported by a performance database, which is collected on-the-fly and maintains parallel scaling of executed tasks and diverse inputs. The sparsity and incompleteness of the performance database are addressed through different interpolation methods. The proposed approaches demonstrate better utilization of computing resources while allowing prioritization of various optimization criteria, such as workflow makespan and computational cost. The final implementation was experimentally validated using real workflows executed on high-performance computing clusters at the IT4Innovations national supercomputing center. Additionally, this thesis presents the design and development of a comprehensive system for automated workflow scheduling, execution offloading and monitoring, completed with features such as accounting, reporting, and fault tolerance. This system, named k-Dispatch, has been commercialized for the neuroscience market by Brainbox, Ltd.
|
|
|
Využití genetických algoritmů k optimalizaci činnosti zemědělských strojů v systémech precizního zemědělství
BUMBÁLEK, Roman
Metaheuristické metody, inspirované fyzikálními, biologickými, chemickými, séman-tickými i sociálními jevy, jsou aplikovány pro optimalizaci úloh s rozsáhlou množinou možných řešení v širokém spektru oborů včetně zemědělství, přičemž významnou část tvoří evoluční výpočty, z nichž jsou pro potřeby precizního zemědělství využívány především genetické algoritmy. Tato práce se zabývá jejich implementací v rámci pro-blematiky plánování tras pojezdu zemědělské techniky s cílem snížení délky trajekto-rie pohybu na souvratích i ve vnitřní části pozemku. Vytvořený algoritmus se skládá z několika částí, kdy nejprve dochází k výpočtu souřadnic dílčích tras a následně apli-kací genetických algoritmů k optimalizaci otáčení souprav na souvratích vhodnou kombinací jejich průjezdů s ohledem na vstupní parametry zahrnující poloměr otáčení a záběr nástroje. Kvalitu získaných výsledků ovlivňuje mnoho parametrů použitého genetického algoritmu, jako je velikost populace, počet generací či zvolený typ se-lekce, kdy se zvyšujícím se množstvím chromozomů v populaci i generací dochází k vygenerování lepších řešení, umožňujících zkrácení vzdálenosti pojezdu při otáčení na souvratích o více než 37 %, což může přímo vést k úsporám pracovního času, po-honných hmot a nižšímu zhutnění půdy.
|
|
|
Využití umělé inteligence ve vibrodiagnostice
Dočekalová, Petra ; Huzlík, Rostislav (oponent) ; Zuth, Daniel (vedoucí práce)
Diplomová práce pojednává o strojovém učení, expertních systémech, fuzzy logice, genetických algoritmech, neuronových sítích a teorii chaosu, které spadají do kategorie umělé inteligence. Cílem práce je popsat a implementovat tři různé klasifikační metody, podle kterých bude zpracován soubor dat. Pro aplikaci dat bylo zvoleno SW prostředí GNU Octave z licenčních důvodů. Dále vyhodnotit úspěšnost klasifikace dat včetně vizualizace. Pro srovnání jsou použity tři různé klasifikační metody, abychom mohli zpracovaná data mezi sebou porovnávat.
|
|
|
Difůzní evoluční algoritmus
Mészáros, István ; Pospíchal, Petr (oponent) ; Jaroš, Jiří (vedoucí práce)
V dnešní době se objevují nové trendy v oblasti umělé inteligence. Metody známé jako evoluční algoritmy jsou jedny z nich. Tyto algoritmy nám umožňují optimalizovat a navrhovať systémy pomocí počítačů. Jedna z variant evolučních algoritmů je difůzní evoluční algoritmus. Tento typ algoritmu může probíhat paralelně a přináší přitom mnoho pozitivních vlastností. Otázkou je, při jakých podmínkách lze efektivně používat difůzní variantu evolučních algoritmů. Je možné jejich používání při plánování systémů nebo optimalizaci některých problémů? Proč jsou výhodnější než ostatní typy evolučních algoritmů? Tato práce se snaží odpovědět na tyto otázky a podrobně vysvětlit fungování těchto algoritmů.
|
host ::
RSS.