|
|
Platforms for bechmarking optimization algorithms for continuous problems
Visingr, Patrik ; Shehadeh, Mhd Ali (oponent) ; Kůdela, Jakub (vedoucí práce)
This thesis explores benchmarking platforms for comparing algorithms using black-box methods. It begins with an overview of optimization algorithms and detailed examination of three prominent benchmarking platforms: COCO, IOHprofiler, and Nevergrad. These platforms are instrumental in evaluating optimization algorithms by providing standardized frameworks, comprehensive performance metrics, and ensuring reproducibility of experiments. This collective approach aids in identifying the best algorithms for specific applications and optimizing their performance through parameter tuning. It also highlights the advantages and disadvantages of each platform and their cooperative capabilities.
|
|
|
Optimization using derivative-free and metaheuristic methods
Henclová, Kateřina ; Tichý, Petr (vedoucí práce)
Evoluční algoritmy jsou s úspěchem používány k řešení mnoha praktických optimalizačních úloh, obzvláště těch zadaných jako black box. Tato práce popisuje CMA-ES, jeden z nejlepších evolučních algoritmů dneška, a ukazuje jeho novou aplikaci při automatickém ladění propojených PID regulátorů v modelech spalovacích motorů. Powered by TCPDF (www.tcpdf.org)
|
|
|
Evolutionary algorithms and active learning
Repický, Jakub ; Holeňa, Martin (vedoucí práce) ; Fink, Jiří (oponent)
Názov práce: Evoluční algoritmy a aktivní učení Autor: Jakub Repický Katedra: Katedra teoretické informatiky a matematické logiky Vedúci diplomovej práce: doc. RNDr. Ing. Martin Holeňa, CSc., Ústav informa- tiky, Akademie věd České republiky Abstrakt: Vyhodnotenie ciel'ovej funkcie v úlohách spojitej optimalizácie často do- minuje výpočtovej náročnosti algoritmu. Platí to najmä v prípade black-box fun- kcií, t. j. funkcií, ktorých analytický popis nie je známy a ktoré sú vyhodnocované empiricky. Témou urýchl'ovania black-box optimalizácie s pomocou náhradných modelov ciel'ovej funkcie sa zaoberá vel'a autorov a autoriek. Ciel'om tejto dip- lomovej práce je vyhodnotit' niekol'ko metód, ktoré prepájajú náhradné modely založené na Gaussovských procesoch (GP) s Evolučnou stratégiou adaptácie ko- variančnej matice (CMA-ES). Gaussovské procesy umožňujú aktívne učenie, pri ktorom sú body pre vyhodnotenie vyberané s ciel'om zlepšit' presnost' modelu. Tradičné náhradné modely založené na GP zah'rňajú Metamodelom asistovanú evolučnú stratégiu (MA-ES) a Optimalizačnú procedúru pomocou Gaussovských procesov (GPOP). Pre účely tejto práce boli oba prístupy znovu implementované a po prvý krát vyhodnotené na frameworku Black-Box...
|
|
| |
host ::
RSS.