|
|
Hybridní model metaheuristických algoritmů
Šandera, Čeněk ; Zelinka, Ivan (oponent) ; Matoušek, Radomil (oponent) ; Šeda, Miloš (vedoucí práce)
Hlavním tématem této disertační práce jsou metaheuristické algoritmy v obecnějším pojetí. Úvodní kapitoly se venují popisu širšího kontextu metaheuristik, tedy ruzným optimalizacním problémum, urcování jejich složitosti a samozrejme prístupum k jejich rešení. Navazující obsáhlá diskuze o metaheuristikách a jejich typických vlastnostech je následována ukázkami nekolika vybraných metaheuristických konceptu. Na odpozorovaných vlastnostech je vybudován obecný metaheuristický model vhodný pro vývoj nových i hybridních algoritmu. Celá práce je zakoncena ukázkami autorových publikací s diskuzí o jejich užití ve vybudovaném modelu. Na přiloženém CD je k dispozici i programová implementace obecného modelu, která tvoří nedílnou součást této disertace.
|
|
|
Návrh predikčního modelu prodeje vybraných potravinářských komodit
Řešetková, Dagmar ; Dostál, Petr (oponent) ; Krčmarský, Miroslav (oponent) ; Zelinka, Ivan (oponent) ; Rais, Karel (vedoucí práce)
Disertační práce se obecně zaměřuje na využití nástrojů umělé inteligence v praxi a s ohledem na zaměření studia v oboru Řízení a ekonomika podniku na využití nástrojů umělé inteligence v praxi firemní, jako nástroje pro podporu rozhodování na operativní a taktické úrovni řízení. V užším pojetí se práce zabývá návrhem predikčního modelu prodeje vybraných potravinářských komodit. Navržený model má posloužit jako substitut lidského experta při podpoře v rozhodovacím procesu nákupu vybraných komodit a to především při zaškolování nových pracovníků a rozšířit, v současné době používané, metody manažerského rozhodování o nástroje umělé inteligence pro management firmy a stávající zaměstnance. Cílem disertační práce je tedy návrh predikčního modelu prodeje vybraných potravinářských komodit (jablek a brambor) pro konkrétní velkoobchod s ovocem a zeleninou působícím na území České republiky. K seznámení se s chováním vybraných komodit bylo využito jak primárního tak sekundárního výzkumu a poznatků získaných z českých i zahraničních literárních zdrojů a výzkumů. Výsledný predikční model je zpracován za použití statistické analýzy časových řad a samotná predikce prodejů probíhá využitím nástrojů umělé inteligence a je modelována umělou neuronovou sítí. Práce ve své praktické části rovněž obsahuje návrhy využití predikčního modelu a dílčích postupů zpracování pro: • praxi, • teorii a • pedagogickou činnost.
|
|
|
Optimalizace tvorby konstrukčních týmů pomocí genetických algoritmů
Špaček, Jiří ; Zelinka, Ivan (oponent) ; Šeda, Miloš (oponent) ; Ošmera, Pavel (vedoucí práce)
Disertační práce se zabývá optimalizací tvorby pracovních týmů ve firmách. Základem je práce Dr. Mereditha Belbina z Henley Management College, který je autorem tzv. Belbinovy teorie týmových rolí. Tato teorie definuje základní role v týmu včetně popisu vzorců jejich chování, přičemž pro správné fungování libovolného týmu je důležité, aby v něm byly zastoupeny všechny role. V praxi je však potřeba, aby konkrétní lidé splňovali nejen osobnostní a psychologické předpoklady, ale také odborné znalosti či jiné požadavky. Doplněním těchto parametrů konkrétním lidem však vzniká obrovské množství možných variant výsledného týmu, které není možné tradičními metodami snadno a v reálném čase vyhodnotit. Z toho důvodu byly zvoleny k vyhodnocení tzv. genetické algoritmy, které jsou inspirované přírodními vývojovými procesy popsanými již dříve J. G. Mendelem a Ch. Darwinem. Genetické algoritmy se vyznačují poskytnutím dobrých výsledků řešené úlohy ve velmi krátkém čase, přičemž úloha nemusí mít exaktní zadání a správných řešení proto může být více. V rámci dizertační práce byl sestaven program v jazyce Java, jehož jádrem je genetický algoritmus a v kterém bylo uskutečněno modelování konkrétních týmů. Následovalo ověření výsledků programu sestavením týmů pro realizaci nových úkolů a sledováním jejich činnosti v praxi. Rovněž byla provedena modelová verifikace týmů sestavených již dříve pouze na základě zkušeností vedoucích pracovníků a byly porovnány výsledky.
|
|
|
Optimalizace aerodynamických vlastností profilu
Müller, Jan ; Rozehnal,, Dalibor (oponent) ; Popela, Robert (oponent) ; Zelinka, Ivan (oponent) ; Ošmera, Pavel (vedoucí práce)
Obsahem předložené disertační práce je pokročilá optimalizace profilu nosné plochy obecného letounu. Pro optimalizaci je využito pokročilých metaheuristických optimalizačních technik, založených na evolučních výpočtech a rojových algoritmech. Pro tyto algoritmy je typická robustnost optimalizace a inženýrsky přijatelná míra konvergence a optimality řešení. V rámci řešení byly navrženy a implementovány podstatné modifikace původních optimalizací orientované na profil. Z původního evolučního algoritmu (EA) byla vytvořena nová varianta optimalizace profilu evolučními algoritmy (aEA), následně pak byla z původní optimalizace hejnem částic (PSO) vyvinuta nová varianta optimalizace profilu hejnem částic (aPSO). Dále pak byla vytvořena vlastní hybridizace uvedených metod v paralelní variantě. Pro proces optimalizace bylo využito modelu parametrizace Bezier-PARSEC 3434, generujícího tvar profilu. Pro optimalizace výchozího profilu byl použit parametrický model založeným na B-Spline. Simulace fluidní dynamiky pro výpočet základních aerodynamických vlastností (vztlak, odpor, moment), byl realizován programovým vybavením Xfoil. Výsledky byly následně verifikovány pomocí simulace dynamiky tekutin (CFD ANSYS Fluent). Z pohledu optimalizačních úloh, navržených optimalizací a implementací je zřejmé, že jde o komplexní mezioborovou úlohu, jejíž výsledky jsou prezentovány v této práci.
|
|
|
Optimalizace aerodynamických vlastností profilu
Müller, Jan ; Popela, Robert (oponent) ; Zelinka, Ivan (oponent) ; Rozehnal,, Dalibor (oponent) ; Ošmera, Pavel (vedoucí práce)
Obsahem předložené disertační práce je pokročilá optimalizace profilu nosné plochy obecného letounu. Pro optimalizaci je využito pokročilých metaheuristických optimalizačních technik, založených na evolučních výpočtech a rojových algoritmech. Pro tyto algoritmy je typická robustnost optimalizace a inženýrsky přijatelná míra konvergence a optimality řešení. V rámci řešení byly navrženy a implementovány podstatné modifikace původních optimalizací orientované na profil. Z původního evolučního algoritmu (EA) byla vytvořena nová varianta optimalizace profilu evolučními algoritmy (aEA), následně pak byla z původní optimalizace hejnem částic (PSO) vyvinuta nová varianta optimalizace profilu hejnem částic (aPSO). Dále pak byla vytvořena vlastní hybridizace uvedených metod v paralelní variantě. Pro proces optimalizace bylo využito modelu parametrizace Bezier-PARSEC 3434, generujícího tvar profilu. Pro optimalizace výchozího profilu byl použit parametrický model založeným na B-Spline. Simulace fluidní dynamiky pro výpočet základních aerodynamických vlastností (vztlak, odpor, moment), byl realizován programovým vybavením Xfoil. Výsledky byly následně verifikovány pomocí simulace dynamiky tekutin (CFD ANSYS Fluent). Z pohledu optimalizačních úloh, navržených optimalizací a implementací je zřejmé, že jde o komplexní mezioborovou úlohu, jejíž výsledky jsou prezentovány v této práci.
|
|
|
Hybridní model metaheuristických algoritmů
Šandera, Čeněk ; Zelinka, Ivan (oponent) ; Matoušek, Radomil (oponent) ; Šeda, Miloš (vedoucí práce)
Hlavním tématem této disertační práce jsou metaheuristické algoritmy v obecnějším pojetí. Úvodní kapitoly se venují popisu širšího kontextu metaheuristik, tedy ruzným optimalizacním problémum, urcování jejich složitosti a samozrejme prístupum k jejich rešení. Navazující obsáhlá diskuze o metaheuristikách a jejich typických vlastnostech je následována ukázkami nekolika vybraných metaheuristických konceptu. Na odpozorovaných vlastnostech je vybudován obecný metaheuristický model vhodný pro vývoj nových i hybridních algoritmu. Celá práce je zakoncena ukázkami autorových publikací s diskuzí o jejich užití ve vybudovaném modelu. Na přiloženém CD je k dispozici i programová implementace obecného modelu, která tvoří nedílnou součást této disertace.
|
|
|
Optimalizace tvorby konstrukčních týmů pomocí genetických algoritmů
Špaček, Jiří ; Zelinka, Ivan (oponent) ; Šeda, Miloš (oponent) ; Ošmera, Pavel (vedoucí práce)
Disertační práce se zabývá optimalizací tvorby pracovních týmů ve firmách. Základem je práce Dr. Mereditha Belbina z Henley Management College, který je autorem tzv. Belbinovy teorie týmových rolí. Tato teorie definuje základní role v týmu včetně popisu vzorců jejich chování, přičemž pro správné fungování libovolného týmu je důležité, aby v něm byly zastoupeny všechny role. V praxi je však potřeba, aby konkrétní lidé splňovali nejen osobnostní a psychologické předpoklady, ale také odborné znalosti či jiné požadavky. Doplněním těchto parametrů konkrétním lidem však vzniká obrovské množství možných variant výsledného týmu, které není možné tradičními metodami snadno a v reálném čase vyhodnotit. Z toho důvodu byly zvoleny k vyhodnocení tzv. genetické algoritmy, které jsou inspirované přírodními vývojovými procesy popsanými již dříve J. G. Mendelem a Ch. Darwinem. Genetické algoritmy se vyznačují poskytnutím dobrých výsledků řešené úlohy ve velmi krátkém čase, přičemž úloha nemusí mít exaktní zadání a správných řešení proto může být více. V rámci dizertační práce byl sestaven program v jazyce Java, jehož jádrem je genetický algoritmus a v kterém bylo uskutečněno modelování konkrétních týmů. Následovalo ověření výsledků programu sestavením týmů pro realizaci nových úkolů a sledováním jejich činnosti v praxi. Rovněž byla provedena modelová verifikace týmů sestavených již dříve pouze na základě zkušeností vedoucích pracovníků a byly porovnány výsledky.
|
|
|
Návrh predikčního modelu prodeje vybraných potravinářských komodit
Řešetková, Dagmar ; Dostál, Petr (oponent) ; Krčmarský, Miroslav (oponent) ; Zelinka, Ivan (oponent) ; Rais, Karel (vedoucí práce)
Disertační práce se obecně zaměřuje na využití nástrojů umělé inteligence v praxi a s ohledem na zaměření studia v oboru Řízení a ekonomika podniku na využití nástrojů umělé inteligence v praxi firemní, jako nástroje pro podporu rozhodování na operativní a taktické úrovni řízení. V užším pojetí se práce zabývá návrhem predikčního modelu prodeje vybraných potravinářských komodit. Navržený model má posloužit jako substitut lidského experta při podpoře v rozhodovacím procesu nákupu vybraných komodit a to především při zaškolování nových pracovníků a rozšířit, v současné době používané, metody manažerského rozhodování o nástroje umělé inteligence pro management firmy a stávající zaměstnance. Cílem disertační práce je tedy návrh predikčního modelu prodeje vybraných potravinářských komodit (jablek a brambor) pro konkrétní velkoobchod s ovocem a zeleninou působícím na území České republiky. K seznámení se s chováním vybraných komodit bylo využito jak primárního tak sekundárního výzkumu a poznatků získaných z českých i zahraničních literárních zdrojů a výzkumů. Výsledný predikční model je zpracován za použití statistické analýzy časových řad a samotná predikce prodejů probíhá využitím nástrojů umělé inteligence a je modelována umělou neuronovou sítí. Práce ve své praktické části rovněž obsahuje návrhy využití predikčního modelu a dílčích postupů zpracování pro: • praxi, • teorii a • pedagogickou činnost.
|
|
|
Upcoming Features of SPLAT-VO in Astroinformatics
Šaloun, P. ; Andrešič, D. ; Škoda, Petr ; Zelinka, I.
During last decade was developed fully automatized (robotic) class of telescopes, that produce huge amount of data per each night. Amount of recorded data is usually in the scale of petabytes. To process properly all data and select an important events it is needed to use sophisticated software methods and algorithms. It caused an appearance of a new field of science - astroinformatics. In this paper we introduce a small part of our contribution to the astroinformatics field - a specialized software SPLAT-VO. It is used for processing and visualization of astrophysical data generated by nonlinear, complex or even chaotic processes in the space. Overview of new features so far prepared for new version of SPLAT-VO. The overview is focused on enhancements of user experience, work with SAMP protocol and other interoperability that improves work with global list of spectra, plot window and analysis menu.
|
host ::
RSS.