Národní úložiště šedé literatury Nalezeno 110 záznamů.  předchozí11 - 20dalšíkonec  přejít na záznam: Hledání trvalo 0.01 vteřin. 
Gramatická evoluce v optimalizaci software
Pečínka, Zdeněk ; Minařík, Miloš (oponent) ; Sekanina, Lukáš (vedoucí práce)
Tato diplomová práce nabízí stručný úvod do evolučního počítání. Popisuje a porovnává genetické programování a gramatickou evoluci a jejich možné využití v problematice automatické opravy software. Podrobně studuje možnosti aplikace gramatické evoluce v problému automatické opravy softwaru. Na základě získaných poznatků byla navržena a implementována nová metoda pro automatickou opravu softwaru, založená na gramatické evoluci. Její experimentální ověření proběhlo na řadě testovacích programů.
Multikriteriální kartézské genetické programování
Petrlík, Jiří ; Schwarz, Josef (oponent) ; Sekanina, Lukáš (vedoucí práce)
Cílem této diplomové práce je shrnout problematiku multikriteriálních genetických algoritmů a kartézského genetického programování. Podrobně je popsán algoritmus NSGAII a začlenění multikriteriální optimalizace do kartézského genetického programování (CGP). Navržená metoda multikriteriálního CGP byla ověřena na zvolených problémech z oblasti návrhu číslicových obvodů.
Tvorba operačního systému založeného na evolučních a genetických algoritmech
Skorkovský, Petr ; Moučka,, Jiří (oponent) ; Kovár, Martin (oponent) ; Chvalina, Jan (vedoucí práce)
Hlavním cílem této práce je představit nové myšlenky, jak obvyklé postupy pro návrh operačního systému a přidruženého software mohou být vylepšeny aby se staly součástí automatizovaného vývoje software. Obecně se předpokládá, že algoritmy nalezené pomocí genetického programování nemohou být použity pro přesné výpočty, ale jen pro přibližná řešení. Je představeno několik příkladů jak lze při evoluci software přesto dosáhnout přiměřené přesnosti. Pro dosažení tohoto cíle jsou vlastnosti stromově orientovaných struktur spolu s postupy používanými u buněčných automatů spojeny do nového slibného přístupu, který slučuje výhody obou metod. Byla vyvinuta aplikace založená na těchto nových postupech a předpokládá se její budoucí využití v procesu automatizovaného vývoje software.
Automatizovaný návrh obrazových filtrů na základě stromového genetického programování
Koch, Michal ; Omran, Yara (oponent) ; Karásek, Jan (vedoucí práce)
Tato diplomová práce využívá stromové genetické programování pro úlohy symbolické regrese a návrhy obrazových filtrů. Nejprve je uveden základní princip stromového genetického programování a omezení prohledávacího prostoru. Další části se zabývají vlastní implementací a dosaženými výsledky. Výstupem práce je systém realizující návrh obrazových filtrů podle definovaných parametrů.
Nástroj pro vizuální analýzu evoluce obvodů
Staurovská, Jana ; Minařík, Miloš (oponent) ; Sekanina, Lukáš (vedoucí práce)
Cílem diplomové práce je zpracovat studii o kartézském genetickém programování se zaměřením na použití v oblasti evoluce obvodů a vytvořit návrh konceptu vizualizace této evoluce. Následně je cílem vytvořit program umožňující vizualizovat evoluci obvodů kartézského genetického programování, její jednotlivé generace, stejně tak i jednotlivé chromozomy, dále umožňující zobrazovat změny mezi generacemi a chromozomy a porovnávat více chromozomů najednou. Pro výsledný program bylo rovněž zpracováno několik příkladů použití.
Metoda pro evoluční návrh násobiček využívající development
Kaplan, Tomáš ; Jaroš, Jiří (oponent) ; Bidlo, Michal (vedoucí práce)
Tato práce je zaměřena na techniky překonání problému škálovatelnosti při evolučním návrhu kombinačních násobiček. Běžně používané techniky evolučního návrhu pracují přímo s kandidátním řešením, což není příliš vhodné při návrhu rozsáhlých struktur. Je zde použita technika developmentu, která zajišťuje netriviální mapování genotypu na fenotyp. Pomocí developmentu založeného na instrukcích jsme schopni vytvořit poměrně rozsáhlé obvody. V práci jsou představeny tři modely pro tvoření násobičky, která jako poslední stupeň obvodu pro výpočet finálního součtu využívá sčítačku s postupným přenosem.
Porovnání variant genetického programování v úloze symbolické regrese
Doležal, Petr ; Hurta, Martin (oponent) ; Drahošová, Michaela (vedoucí práce)
Tato práce se zabývá porovnáváním různých variant genetického programování v úloze symbolické regrese. Na zadaných úlohách zkoumá rychlost konvergence a kvalitu nalezeného řešení. Klade si za cíl porovnat kartézské genetické programování, stromové genetické programování a jejich modifikace pomocí koevoluce. Byla použita vlastní implementace (bez využití knihoven), kde jednotlivé varianty spolu sdílí převážnou část kódu. Součástí práce je i ověření použitelnosti implementovaných přístupů při analýze reálných dat. Na základě experimentů bylo zjištěno, že všechny zkoumané přístupy jsou použitelné pro provádění symbolické regrese. Nejlepších výsledků ve zkoumaných oblastech (rychlost konvergence, kvalita nalezeného řešení) dosahovalo kartézské genetické programování s koevolucí. 
Genetické programování - Java implementace
Tomaštík, Marek ; Kuba,, Martin (oponent) ; Matoušek, Radomil (vedoucí práce)
Tato diplomová práce má za cíl vytvoření programové aplikace v jazyce Java, dále využitelné v oblasti automatického generování modelů, speciálně v úlohách tzv. symbolické regrese. Práce zahrnuje stručný popis genetického programování (GP) a vlastní implementací GP s důrazem na využití pokročilých operátorů (nedestruktivní operace, elitní přistup, zjednodušování výrazů). Pro zvolené datové množiny je technikou symbolické regrese generován matematický model. K ověření funkcionality je využito tzv. testovacích úloh. Pro vybrané parametry GP je hledáno optimální nastavení.
High-Level Object Oriented Genetic Programming in Logistic Warehouse Optimization
Karásek, Jan ; Rakús,, Martin (oponent) ; Cvrk, Lubomír (oponent) ; Burget, Radim (vedoucí práce)
This work is focused on the work-flow optimization in logistic warehouses and distribution centers. The main aim is to optimize process planning, scheduling, and dispatching. The problem is quite accented in recent years. The problem is of NP hard class of problems and where is very computationally demanding to find an optimal solution. The main motivation for solving this problem is to fill the gap between the new optimization methods developed by researchers in academic world and the methods used in business world. The core of the optimization algorithm is built on the genetic programming driven by the context-free grammar. The main contribution of the thesis is a) to propose a new optimization algorithm which respects the makespan, the utilization, and the congestions of aisles which may occur, b) to analyze historical operational data from warehouse and to develop the set of benchmarks which could serve as the reference baseline results for further research, and c) to try outperform the baseline results set by the skilled and trained operational manager of the one of the biggest warehouses in the middle Europe.
Koevoluční algoritmy a klasifikace
Hurta, Martin ; Sekanina, Lukáš (oponent) ; Drahošová, Michaela (vedoucí práce)
Cílem této práce je automatizovaný návrh programu pro detekci projevů dyskineze z pohybových dat pacientů. K návrhu programu je využito kartézské genetické programování, které bylo z důvodu urychlení procesu návrhu doplněno o koevoluci prediktorů fitness s proměnlivou velikostí, která umožňuje vyhodnocení kvality kandidátních řešení na pouhé části trénovacích dat. Vzniklé řešení dosahuje srovnatelné schopnosti rozlišení mezi třídami (AUC) s existujícím řešením při dosažení v průměru trojnásobného zrychlení procesu návrhu oproti variantě bez prediktorů fitness. Experimenty s metodami křížení prediktorů neukázaly významný rozdíl mezi zvolenými metodami. Zajímavých výsledků však bylo dosaženo při experimentech s celočíselnými datovými typy vhodnými pro implementaci v hardwaru, kdy u datového typu o osmi bitech bez znaménka (uint8_t) bylo dosaženo nejenom srovnatelné schopnosti rozlišení mezi třídami (pro významné projevy dyskineze AUC = 0,93 shodně jako pro existující řešení) a zlepšení rozlišovací schopností u chodících pacientů (AUC = 0,80 oproti AUC = 0,73 u existujícího řešení), ale navíc v průměru téměř devítinásobného zrychlení návrhu oproti variantě bez prediktorů fitness využívající datový typ float.

Národní úložiště šedé literatury : Nalezeno 110 záznamů.   předchozí11 - 20dalšíkonec  přejít na záznam:
Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.