Název:
Úloha obchodního cestujícího
Překlad názvu:
Travelling Salesman Problem
Autoři:
Kolář, Adam ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce) Typ dokumentu: Bakalářské práce
Rok:
2011
Jazyk:
cze
Nakladatel: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstrakt: [cze][eng]
Cílem této bakalářské práce je navrhnout prostředí testující problém obchodního cestujícího a porovnat efektivitu jednotlivých přístupů k řešení. V první části jsou diskutovány možnosti genetických algoritmů v závislosti na nastavení křížení, mutací a velikosti populace. V druhé části jsou na stejný problém použity dva druhy neuronových sítí. Za zástupce samoučící varianty byla zvolena Kohonenova neuronová síť. Hopfieldova neuronová síť reprezentuje metodu minimalizace energetické funkce s pevným nastavením koeficientů. U obou neuronových sítí byly popsány možné výhody a nevýhody aplikace. V závěru byly všechny zjištěné poznatky interpretovány ve společném kontextu.
The aim of this bachelor's thesis is to design a testing environment for the traveling salesman problem and compare the effectiveness of different approaches to the solution. The first part discussed the possibility of genetic algorithms, depending on the setting of a crossover, mutations and population size. In the second part, there is the same problem using two types of neural networks. The representative of the self-learning net was chosen Kohonen neural network. Hopfield neural network represents a method of minimizing the energy function with fixed coefficients. At both neural networks, there were described possible advantages and disadvantages. In the end, all the findings were interpreted in a global context.
Klíčová slova:
Darwinova evoluční teorie; fitness funkce; genetické algoritmy; genetický drift; Hamiltonovská kružnice; Hopfieldova neuronová síť; Kohonenova neuronová síť; křížení; Lyapunova funkce; mutace; neuronové sítě; NP-úplný problém; problém obchodního cestujícího; úplný graf; crossover; Darwin evolution theory; entire graph; fitness function; genetic algorithms; genetic drift; Hamiltonian cycle; Hopfield neural network; Kohonen neural network; Lyapunov function; mutation; neural network; NP-complete problem; travelling salesman problem
Instituce: Vysoké učení technické v Brně
(web)
Informace o dostupnosti dokumentu:
Plný text je dostupný v Digitální knihovně VUT. Původní záznam: http://hdl.handle.net/11012/55643