|
|
Boosting a evoluční algoritmy
Mrnuštík, Michal ; Juránek, Roman (oponent) ; Hradiš, Michal (vedoucí práce)
Tato práce představuje kombinaci AdaBoostu a evolučního algoritmu. Evoluční algoritmus je použit pro hledání lineární kombinace Haarových příznaků. Z té je vytvořen slabý klasifikátor pro AdaBoost. Jsou zde popsány základy klasifikace, Haarovy příznaky a Adaboost. Uvedeny jsou také základní informace o evolučních algoritmech. Dále obsahuje teoretický popis spojení AdaBoostu a evolučního algoritmu, doplněný o některé implementační detaily. Implementace je testována na obrazových datech jako součást systému pro detekci obličeje. Výsledky jsou porovnány se samostatnými Haarovými příznaky.
|
|
|
Inteligentní webový plánovač práce
Kmeť, Miroslav ; Vrábel, Lukáš (oponent) ; Čermák, Martin (vedoucí práce)
V této práci jsou popsány základní princípy využití evolučních algoritmů. Práce se zabýva použitím evolučních algoritmů při tvorbě informačního systému umožňujícího rozkládání zadávané práce mezi skupinu zaměstnanců. K řešení tohoto problému využívá hlavně genetické algoritmy, jenž představují inteligentní stochastické optimalizační techniky založené na mechanizmu přirozeného výběru a genetiky. Každé řešení reprezentuje jedince v populaci a k procesu křížení jsou vybírány pouze nejpřizpůsobenější jedinci.
|
|
|
Evoluční návrh obrazů tvořených L-systémy
Kovařík, Roman ; Jaroš, Jiří (oponent) ; Gajda, Zbyšek (vedoucí práce)
Tato práce pojednává o evolučním návrhu obrazů tvořených L-systémy. Vlastní návrh probíhá pomocí operátorů genetického programování. Ty jsou schopny pracovat s obrazem reprezentovaným ve formě syntaktického stromu. Ke komunikaci s uživatelem (návrhářem) slouží applet, který může být zobrazen na webové stránce.
|
|
|
Evoluční řešení Rubikovy kostky
Mališ, Radim ; Sekanina, Lukáš (oponent) ; Jaroš, Jiří (vedoucí práce)
Tato diplomová práce se zabývá evoluční metodou řešení hlavolamu Rubikova kostka. Celosvětově rozšířený hlavolam je už po několik desítek let nejen hračkou pro děti a dospělé, ale téměř životním stylem pro zástupy nadšenců a rovněž značnou výzvou pro odborníky z počítačové oblasti, kteří se pokoušejí o jeho efektivní automatizované řešení. Potenciál pro řešení problému by v sobě mohly skrývat i evoluční algoritmy. V rámci této práce byla navržena aplikace využívající, kromě genetických algoritmů, řady technik, jako jsou lineární genetické programování, nebo lokální prohledávání, jejichľ účelem je zefektivnit evoluční proces. Byla rovněž vytvořena sada testů zkoumající vliv velikosti populace, křížení, mutace a dalších. Všechny testy byly vyhodnoceny pomocí statistiky.
|
|
|
Symbolická regrese a koevoluce
Drahošová, Michaela ; Žaloudek, Luděk (oponent) ; Sekanina, Lukáš (vedoucí práce)
Symbolická regrese je úloha identifikace matematického popisu skryté závislosti experimentálně získaných dat. Symbolická regrese je úzce spjata se základními úlohami strojového učení. Tato práce se zabývá symbolickou regresí a jejím řešením založeném na principu genetického programování a koevoluce. Genetické programování je evolucí inspirovaná metoda strojového učení, která automaticky generuje celé programy v určitém programovacím jazyce. Koevoluce fitness prediktorů je optimalizační metoda modelování fitness, která snižuje náročnost a frekvenci výpočtu fitness. Tato práce se zabývá návrhem a implementací řešení symbolické regrese s užitím koevoluce fitness prediktorů a srovnáním s řešením bez užití koevoluce. Experimenty byly provedeny s použitím kartézského genetického programování.
|
|
|
Modularita v evolučním návrhu
Klemšová, Jarmila ; Bidlo, Michal (oponent) ; Vašíček, Zdeněk (vedoucí práce)
Tato práce popisuje vybrané evoluční algoritmy a jejich využití hlavně v oblasti návrhu číslicových obvodů. V první části se zabývá obecným principem evolučních algoritmů. Na tuto část navazuje genetickými algoritmy a genetickým programováním. Dále se zabývá popisem kartézského genetického programování a některými jeho modifikacemi jako modulární, sebemodifikující se a kartézské genetické programování s více chromozomy. Hlavní část tvoří návrh a implementace modularizační techniky pro zefektivnění evolučního návrhu. Nedílnou součástí je experimentální vyhodnocení systému na sadě benchmarkových obvodů.
|
|
|
Evoluční model s učením (LEM) pro optimalizační úlohy
Weiss, Martin ; Vašíček, Zdeněk (oponent) ; Schwarz, Josef (vedoucí práce)
Numerická optimalizace multimodálních či jinak netriviálních funkcí se stále drží blízko středu pozornosti výzkumníků v této oblasti. Jednou ze slibných metod je i hybridní přístup Learnable Evolution Model kombinující zavedené postupy z oblasti umělé inteligence a strojového učení s poslední dobou populárními a efektivními metodami evolučního programování. V této práci byla metoda zhodnocena z hlediska co už bylo implementováno a vyzkoušeno a bylo navrženo několik dalších možných implementací. Vybrané přístupy byly realizovány a otestovány na vybraných netriviálních spojitých funkcích. Výsledky byly následně porovnány s výsledky dosaženými pomocí EDA algoritmů.
|
|
|
Optimalizace tvaru výfukových svodů
Navrátil, Dušan ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
V této práci je vyvinut systém pro multikriteriální optimalizaci tvaru výfukových svodů včetně počátečního návrhu svodů. Prostor řešení je prohledáván na základě evolučních algoritmů. Ohodnocení tvaru výfukových svodů vychází z délky svodů a součtu obloukových úhlů. Zárověň svody nesmí zasahovat do okolních dílů. Systém je otestován na sadě vstupních dat vycházejících z praxe. Dále je vyhodnocena výkonnost navrženého evolučního algoritmu.
|
|
|
Evoluční optimalizace turnusů jízdních řádů
Filák, Jakub ; Bidlo, Michal (oponent) ; Jaroš, Jiří (vedoucí práce)
Tato práce se zabývá problémem optimalizace turnusů jízdních řádů. Obsahuje popis jízdních řádů se zaměřením na popis turnusů a jejich optimální tvorby, jak s pomocí klasických metod, tak s využitím heuristik. Dále jsou popsány evoluční algoritmy, které přímo souvisejí s prací. Důraz je kladen na popis genetických algoritmů a metody zakázaného hledání. Na základě poznatků jsou dále navrženy operátory křížení a mutace a lokální vyhledávací metoda pro memetický algoritmus řešící tvorbu optimálních turnusů jízdních řádů. V souladu s návrhem algoritmů jsou analyzovány požadavky na optimalizační systém. Práce obsahuje popis implementace analyzovaného systému a diskutuje výsledky experimentů se systémem.
|
|
|
Evoluční návrh 3D struktur
Kovařík, Roman ; Sekanina, Lukáš (oponent) ; Jaroš, Jiří (vedoucí práce)
Tato práce pojednává o evolučním návrhu 3D struktur. Přináší přehled a zhodnocení předchozích prací v této oblasti. Autor předkládá své vlastní řešení založené na obecném přístupu k evolučnímu návrhu struktur. Práce se zabývá především, na rozdíl od předchozích přístupů, možností jednoduché definice fitness funkce v systémech pro evoluční návrh 3D struktur. Autor se snaží udělat jeden z prvních kroků k budoucím systémům pro evoluční návrh libovolného typu struktury, jako protipól systémům určených pro návrh jednoho konkrétního typu struktury. Výsledkem této práce je jednoduchý systém pro evoluční návrh 3D struktur s možností externí definice fitness funkce formou XML souboru. Tato práce také nabízí rady, pozorování a doporučení pro potencionální budoucí výzkum v této oblasti.
|
host ::
RSS.