|
|
Comparison of Multi-objective Optimization Methods
Marek Martin
This paper deals with comparison of multi-objective optimization methods. Basic properties of multi-objective optimization are explained here. Algorithms NSGA-II, MOPSO and GDE3 are briefly introduced and compared using performance metrics on several test functions.
|
|
|
Processes Supporting Decision-Making
Križan, Viliam ; Uher, Václav (oponent) ; Karásek, Jan (vedoucí práce)
This thesis deals with algorithms for supporting decision processes. Firstly, Analytic Hierachy Process (AHP) and Analytic Network Process (ANP) developed by prof. Thomas L. Saaty are described. Basic principles and the implementation in Java programing language of the decision processes are explained. Both processes are then analyzed and their pros and cons and also practical aspect are explained. Secondly, the genetic algorithm NSGA-II developed by Kalyanmoy Deb is described. There are also basic principles and implementation in Java programing language explained. There are finaly the results of NSAG-II algorithm presented.
|
|
|
Toolbox pro vícekriteriální optimalizační problémy
Marek, Martin ; Hurák,, Zdeněk (oponent) ; Kadlec, Petr (vedoucí práce)
Tato práce se zabývá problematikou více-kriteriálních optimalizací. Je vysvětleno, která řešení jsou optimální při použití více konfliktních kriteriálních funkcí a jak tato optimální řešení (Paretovo čelo) v množině možných řešení vyhledat. Poté jsou popsány principy algoritmů NSGA-II, MOPSO a GDE3. V následujících kapitolách jsou představeny testovací metriky a problémy. Na závěr práce jsou tyto tři algoritmy porovnány na základě několika metrik.
|
|
|
Implementace evolučního expertního systému
Bukáček, Jan ; Müller, Jakub (oponent) ; Karásek, Jan (vedoucí práce)
Tato diplomová práce je zaměřena na nastudování problematiky evolučních a genetických algoritmů. A to především na multikriteriální algoritmy VEGA, SPEA a NSGA-II. Dále jednoho FrameWorku pracujícího s genetickými algoritmy a to jmenovitě WWW NIMBUS. Z uvedených algoritmů je vybrán algoritmus VEGA pro implementaci v jazyce JAVA na předem zvolený problém. Tímto problémem je výběr sloupů kvádrového profilu podle předem stanovených kritérií. Vybraný algoritmus pracuje na principu rozdělení populace do několika skupin a každou takto vzniklou skupinu ohodnotí fitness funkcí. Následuje ukázka implementace tohoto algoritmu. Dále je zde ukázka práce s FrameWorkem. V další části jsou srovnány výsledky vytvořeného programu s výsledky, které byly získány pomocí FrameWorku WWW NIMBUS. Jak pro VEGA, tak pro NIMBUS jsou zde ukázány jednotlivé výsledky. U VEGA je předveden i vývoj jednotlivých fitness funkcí. Také jsou zde ukázány grafy, které je možné získat pomocí NIMBUS. Na konci je uvedeno porovnání výsledků a navržení možných vylepšení.
|
host ::
RSS.