Název:
Algoritmus s pravděpodobnostním směrovým vektorem
Překlad názvu:
Optimization Algorithm with Probability Direction Vector
Autoři:
Pohl, Jan ; Pokorný, Miroslav (oponent) ; Matoušek, Radomil (oponent) ; Jirsík, Václav (vedoucí práce) Typ dokumentu: Disertační práce
Rok:
2015
Jazyk:
cze
Nakladatel: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstrakt: [cze][eng]
Disertační práce prezentuje navržený algoritmus s pravděpodobnostním směrovým vektorem. Tento algoritmus ve své základní formě spadá do kategorie algoritmů stochastických. Pro svoji práci využívá statisticky ovlivněné perturbace jedince stavovým prostorem. Dále práce pojednává o rozšíření základní myšlenky do podoby rojové formy algoritmu. Přínosem této modifikace je zavedení stochastické kooperace. Jedinci kooperují s nejlepším jedincem pouze na úrovni pravděpodobnosti a nejsou jí řízeni přímo. V práci jsou dále použity statistické testy pro srovnání výsledků navrženého algoritmu s podobně pracujícími algoritmy Simulované žíhání a SOMA. Kromě vybraných testovacích funkcí jsou zde uvedeny další experimentální použití navržených algoritmů. Práce je uzavřena kapitolou, která hledá obecně použitelné nastavení řídicích parametrů jednotlivých algoritmů.
This disertation presents optimization algorithm with probability direction vector. This algorithm, in its basic form, belongs to category of stochastic optimization algorithms. It uses statistically effected perturbation of individual through state space. This work also represents modification of basic idea to the form of swarm optimization algoritm. This approach contains form of stochastic cooperation. This is one of the new ideas of this algorithm. Population of individuals cooperates only through modification of probability direction vector and not directly. Statistical tests are used to compare resultes of designed algorithms with commonly used algorithms Simulated Annealing and SOMA. This part of disertation also presents experimental data from other optimization problems. Disertation ends with chapter which seeks optimal set of control variables for each designed algorithm.
Klíčová slova:
MPDV; MPDVC; MPDVCa; optimalizační algoritmus; PDV; rojový algoritmus; statisticky ovlivněná perturbace; stochastická kooperace; stochastický optimalizační algoritmus; MPDV; MPDVC; MPDVCa; optimization algorithm; PDV; statistically effected perturbation; stochastic cooperation; stochastic optimization algorithm; swarm algorithm
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/11012/34446