|
|
Aplikace evolučních algoritmů při hodnocení dodavatelů firmy
Karásek, Jan ; Burget, Radim (oponent) ; Dostál, Petr (vedoucí práce)
Diplomová práce se zabývá procesem ohodnocení a výběru dodavatele v podnikatelské sféře. Na tuto oblast je v současné době kladen stále větší důraz, neboť zajišťování firemních zdrojů se stává výraznou součástí strategického rozhodování podniku. V práci je analyzována problematika výběru dodavatelů a jsou rozebrány nejpoužívanější metody pro určení vhodných dodavatelů. Cílem práce je návrh vlastního programu pro řešení ohodnocení a výběru dodavatelů pomocí evolučních metod, resp. evolučních algoritmů. Součástí práce je tedy zmapování teoretických možností evolučních algoritmů, jejich nasazení na problematiku výběru dodavatele a vlastní implementace programu pro řešení daného úkolu.
|
|
|
Evoluce komplexního chování v celulárních automatech
Kontra, Matúš ; Vašíček, Zdeněk (oponent) ; Bidlo, Michal (vedoucí práce)
Celulárne automaty patria k alternatívnim modelom výpočtu. Ich špecifikum je masívne paralelný výpočet a jednoduchosť špecifikácie ich lokálneho správania. Práca sa venuje využitiu alternatívnej reprezentácií prechodovej funkcie pri evolúcii komplexných správaní celulárnych automatov. Táto reprezentácia je založená na jednoduchom modele, kopírujúcom princíp registrových strojov riadených inštrukciami. Cieľom je analyzovať a posúdiť využiteľnosť opísaného postupu.
|
|
|
Optimalizace nemocničních kapacit pomocí evolučních algoritmů
Koksa, Martin ; Roupec, Jan (oponent) ; Kůdela, Jakub (vedoucí práce)
Tato diplomová práce se zabývá optimalizací nemocničních kapacit pomocí evolučních algoritmů. Zpracovává dosavadní znalosti obecné optimalizace s popisem základních, i moderních metod. Dále popisuje simulátor a simulační prostředí, které bylo vyvinuto k dané problematice jako nástroj k řešení jedné ze soutěžních úloh konference GECCO. V závěru práce byla provedena samotná optimalizace pomocí několika algoritmů a porovnání vhodnosti vybraných metod.
|
|
|
Automatický nástroj pro plánování trasy robota
Rotrekl, Tomáš ; Zechmeister, Jaroslav (oponent) ; Kadlec, Petr (vedoucí práce)
Tato bakalářská práce se zabývá problematikou plánování trasy robota. Cílem práce je seznámit se s principy modelování robotické trasy jako je vytvoření bludiště s překážkami, expandování těchto překážek, popis prostoru bludiště a použití různých algoritmů pro nalezení cesty skrz bludiště. Nalezení cesty bludištěm je provedeno Dijkstrovým algoritmem, A* algoritmem a Variable Number of Dimensions Differential Evolution (VND-DE) algoritmem. Tyto algoritmy jsou poté implementovány v samostatném toolboxu vytvořeném v jazyce MATLAB. Tento nástroj umožňuje vytvoření testovacích úloh (bludišť) a nalezení cesty skrze ně zmíněnýmy algoritmy.
|
|
|
Inference skákajících formálních modelů
Heindlová, Tina ; Bidlo, Michal (oponent) ; Křivka, Zbyněk (vedoucí práce)
Práce se věnuje gramatické inferenci z hlediska evolučních algoritmů pro skákající formální modely. Nejdříve vysvětluje skákající formální modely, které se dělí na skákající gramatiky a skákající automaty. Poté popisuje gramatickou inferenci, evoluční algoritmy a všechny jejich důležité části, jako je generování řetězců a zjišťování členství řetězce do jazyka definovaného automatem. Daný algoritmus se pak aplikuje na vybrané druhy skákajících konečných automatů. Těmi jsou skákající konečné automaty, zobecněné skákající konečné automaty a doprava jednosměrně skákající konečné automaty. Testovány byly čtyři typy skákajících automatů a celkem bylo provedeno šestnáct experimentů. Z výsledků vyplývá, že inference fungovala nejlépe pro automaty bez větvení, a pro ty obsahující malé množství stavů a malou vstupní abecedu.
|
|
|
Optimalizační techniky v obrazových aplikacích
Ondráček, Pavel ; Mézl, Martin (oponent) ; Odstrčilík, Jan (vedoucí práce)
Diplomová práce se zabývá způsoby optimalizace v obrazových aplikacích. Jsou zde popsány vybrané optimalizační metody a aplikace zpracování obrazu. Byly vybrány tři evoluční algoritmy, konkrétně včelí algoritmus, spojitý genetický algoritmus a algoritmus PSO, které byly podrobně popsány a implementovány v prostředí Matlab pro využití v registraci obrazu, přizpůsobené filtraci, segmentaci a rekonstrukci obrazu. Nechybí zde ani srovnání všech zrealizovaných algoritmů.
|
|
|
Využití evolučních algoritmů pro vytváření AI kontrolerů modelů tanků
Šijanov, Denis ; Gemrot, Jakub (vedoucí práce) ; Pilát, Martin (oponent)
Název práce: Využití genetických algoritmů pro vytváření AI kontrolerů modelů tanků Autor: Denis Šijanov Katedra: Katedra softwaru a výuky informatiky Vedoucí bakalářské práce: Mgr. Jakub Gemrot, Ph.D., Katedra softwaru a výuky informatiky Abstrakt: Genetický algoritmus je obecný postup pro řešení úloh, pro které zatím neexistuje algoritmus nebo lepší způsob řešení. Navíc tento postup lze vysvětlit i na jednoduchých případech, proto může být zajímavým příkladem pro stu- denty informatiky. Student se při studiu genetických algoritmů může setkat s různými formami publikací, jako jsou videa nebo ovládané simulace. Tyto formy mohou pomoci pochopit základní principy algoritmu, ale jejich interakce s uži- vatelem je omezená. Student proto nemůže uskutečnit všechny své nápady a nezjistí tak, jaký vliv by na algoritmus měly. Právě tyto detaily hrají důležitou roli při porozumění genetickým algoritmům. Dále existují aplikace, které pomocí genetických algoritmů vyřeší uživatelem definovaný problém. Tím prokáží sílu algoritmu, ale nepřinášejí informace potřebné k jeho pochopení. Pro pochopení genetických algoritmů je efektivnější napsat si vlastní algoritmus. Proto jsem se rozhodl vytvořit aplikaci, pomocí které je možné si vlastní genetický algorit- mus napsat a spustit simulaci. Algoritmus se skládá z pluginů, které...
|
|
|
Evoluční optimalizace konvolučních neuronových sítí
Roreček, Pavel ; Mrázek, Vojtěch (oponent) ; Sekanina, Lukáš (vedoucí práce)
Tato diplomová práce se zabývá problematikou neuronových sítí se zaměřením na sítě konvoluční (CNN) a evoluční optimalizací v kontextu neuronových sítí. Z existujících knihoven pro modelování CNN byla po analýze vybrána jedna konkrétní, a to Keras. Její funkcionalita je demonstrována na úlohách klasifikace obrázků. S využitím kartézského genetického programování byla navržena a implementována optimalizace CNN za účelem snížení složitosti výpočtu konvolučních vrstev. Dopady navržené optimalizace na chování CNN byly otestovány a vyhodnoceny v rámci případové studie.
|
|
|
Algoritmy pro operativní plánování výroby
Kršák, Pavol ; Kaczmarczyk, Václav (oponent) ; Pásek, Jan (vedoucí práce)
Bakalárska práca sa zaoberá riešením problematiky operatívneho plánovania výroby. Úče- lom práce je prezentovať problematiku operatívneho plánovania výroby a následný ná- vrh a realizácia plánovacích algoritmov v jazyku C# na konkrétny plánovací problém. Pri prezentácii problematiky je uvedená spoločnosť "‘COMPAS automatizace s.r.o."’, ktorá umožnila realizovanie projektu. V práci sú rozobrané plánovacie metódy a spô- soby ich realizácie. Konkrétnejšie sú rozpracované evolučné algoritmy, expertné systémy v plánovaní a deterministické plánovanie cez lineárne programovanie. V tretej kapitole je charakterizovaný plánovací problém výroby kávovej zmesi, ktorý mi bol poskytnutý spoločnosťou COMPAS. Následne je rozpracovaný samotný návrh riešenia založený na evolučnom princípe. Riešenie pozostáva z modelu technológie na výrobu kávovej zmesi a ActionListu. ActionList predstavuje súbor pravidiel, ktorými sa model riadi. Potom sú zadefinované pravidlá podrobené evolučným procesom so snahou nájsť lepšie existujúce riešenia. Realizované funkcie použiteľné v systéme COMES pre opakované využitie pri implementácii modulu COMES Modeller sú rozpracované spolu s podrobným popisom v štvrtej kapitole.
|
|
|
Variace evolučního SOMA algoritmu pro dynamické úlohy
Pokorný, Jan ; Bidlo, Michal (oponent) ; Schwarz, Josef (vedoucí práce)
Tato práce se zabývá používáním evolučního algoritmu SOMA a testováním jeho variant zaměřených na řešení dynamických problémů. Na začátku stručně seznamuje s problematikou evolučních algoritmů a poté se zaměřuje na evoluční algoritmus SOMA. Popisuje potíže, se kterými se potýká, jak pro statické tak i dynamické úlohy. Zmiňuje postupy, které se používají pro jejich odstraňování. Popisuje nejčastěji používané strategie -- All To One, All To Random, All To All a All To All Adaptive a poukazuje na jejich výhody a nedostatky. Dále je navrhnuta i další strategie prohledávání zaměřená na funkce dynamicky se měnící nezávisle na běhu algoritmu. Samostatná kapitola je věnována projektové části práce. Je zde popsán postup implementace a propojování jednotlivých použitých programů. Tato část je dostupná na přiloženém CD spolu s výsledky testování jednotlivých strategií. Tabulky s průměrnými hodnotami jsou také součástí práce.
|
host ::
RSS.