|
|
Multi-objective genetic algorithms in road traffic prediction
Petrlík, Jiří ; Brandejský, Tomáš (referee) ; Snášel,, Václav (referee) ; Sekanina, Lukáš (advisor)
Porozumění chování silniční dopravy je klíčem pro její efektivní řízení a organizaci. Tato úloha se stává čím dál více důležitou s rostoucími požadavky na dopravu a počtem registrovaných vozidel. Informace o dopravní situaci je důležitá pro řidiče a osoby zodpovědné za její řízení. Naštěstí v posledních několika dekádách došlo k značnému rozvoji technologií pro monitorování dopravní situace. Stacionární senzory, jako jsou indukční smyčky, radary, kamery a infračervené senzory, mohou být nainstalovány na důležitých místech. Zde jsou schopny měřit různé mikroskopické a makroskopické dopravní veličiny. Bohužel mnohá měření obsahují nekorektní data, která není možné použít při dalším zpracování, například pro predikci dopravy a její inteligentní řízení. Tato nekorektní data mohou být způsobena poruchou zařízení nebo problémy při přenosu dat. Z tohoto důvodu je důležité navrhnout obecný framework, který je schopný doplnit chybějící data. Navíc by tento framework měl být také schopen poskytovat krátkodobou predikci budoucího stavu dopravy. Tato práce se především zabývá vybranými problémy v oblasti doplnění chybějících dopravních dat, predikcí dopravy v krátkém časovém horizontu a predikcí dojezdových dob. Navrhovaná řešení jsou založena na kombinaci současných metod strojového učení, například Support vector regression (SVR) a multikriteriálních evolučních algoritmů. SVR má mnoho meta-parametrů, které je nutné dobře nastavit tak, aby byla dosažena co nejkvalitnější predikce. Kvalita predikce SVR dále silně závisí na výběru vhodné množiny vstupních proměnných. V této práci používáme multiktriteriální optimalizaci pro optimalizaci SVR meta-parametrů a množiny vstupních proměnných. Multikriteriální optimalizace nám umožňuje získat mnoho Pareto nedominovaných řešení. Mezi těmito řešeními je možné dynamicky přepínat dle toho, jaká data jsou aktuálně k dispozici tak, aby bylo dosaženo maximální kvality predikce. Metody navržené v této práci jsou především vhodné pro prostředí s velkým množstvím chybějících hodnot v dopravních datech. Tyto metody jsme ověřili na reálných datech a porovnali jejich výsledky s metodami, které jsou v současné době používány. Navržené metody poskytují lepší výsledky než stávající metody, a to především ve scénářích, kde se vyskytuje mnoho chybějících hodnot v dopravních datech.
|
|
|
Risk aversion in portfolio efficiency
Puček, Samuel ; Branda, Martin (advisor) ; Kopa, Miloš (referee)
This thesis deals with selecting the optimal portfolio for a risk averse investor. Firstly, we present the risk measures, specifically spectral risk me- asures which consider an individual risk aversion of the investor. Then we propose a diversification-consistent data envelopment analysis model. The model is searching for an efficient portfolio with respect to second-order sto- chastic dominance. The crux of the thesis is a model based on the theory of multi-criteria optimization and spectral risk measures. The presented mo- del is searching for an optimal portfolio suitable for the investor with a given risk aversion. In addition, the optimal portfolio is also consistent with second- order stochastic dominance efficiency. The topic of the practical part is a nu- merical study in which both models are implemented in MATLAB. Models are applied to a dataset from real financial markets. Personal contribution lies in comparing the diversification-consistent data envelopment analysis model and model based on multi-criteria optimization, both with respect to second order stochastic dominance efficiency.
|
|
|
Advanced optimisation model for circular economy
Pluskal, Jaroslav ; Bednář, Josef (referee) ; Šomplák, Radovan (advisor)
This diploma thesis deals with application optimization method in circular economy branch. The introduction is focused on explaining main features of the issue and its benefits for economy and environment. Afterwards are mentioned some obstacles, which are preventing transition from current waste management. Mathematical apparatus, which is used in practical section, is described in the thesis. Core of the thesis is mathematical optimization model, which is implemented in the GAMS software, and generator of input data is made in VBA. The model includes all of significant waste management options with respect to economic and enviromental aspect, including transport. Functionality is then demostrated on a small task. Key thesis result is application of the model on real data concerning Czech Republic. In conclusion an analysis of computation difficulty, given the scale of the task, is accomplished.
|
|
|
New Trends in Stochastic Programming
Szabados, Viktor ; Kaňková, Vlasta (advisor) ; Lachout, Petr (referee)
Stochastic methods are present in our daily lives, especially when we need to make a decision based on uncertain events. In this thesis, we present basic approaches used in stochastic tasks. In the first chapter, we define the stochastic problem and introduce basic methods and tasks which are present in the literature. In the second chapter, we present various problems which are non-linearly dependent on the probability measure. Moreover, we introduce deterministic and non-deterministic multicriteria tasks. In the third chapter, we give an insight on the concept of stochastic dominance and we describe the methods that are used in tasks with multidimensional stochastic dominance. In the fourth chapter, we capitalize on the knowledge from chapters two and three and we try to solve the role of portfolio optimization on real data using different approaches. 1
|
|
|
Evolutionary Algorithms for Multiobjective Optimization
Pilát, Martin ; Neruda, Roman (advisor) ; Schoenauer, Marc (referee) ; Pošík, Petr (referee)
Multi-objective evolutionary algorithms have gained a lot of atten- tion in the recent years. They have proven to be among the best multi-objective optimizers and have been used in many industrial ap- plications. However, their usability is hindered by the large number of evaluations of the objective functions they require. These can be expensive when solving practical tasks. In order to reduce the num- ber of objective function evaluations, surrogate models can be used. These are a simple and fast approximations of the real objectives. In this work we present the results of research made between the years 2009 and 2013. We present a multi-objective evolutionary algo- rithm with aggregate surrogate model, its newer version, which also uses a surrogate model for the pre-selection of individuals. In the next part we discuss the problem of selection of a particular type of model. We show which characteristics of the various models are im- portant and desirable and provide a framework which combines sur- rogate modeling with meta-learning. Finally, in the last part, we ap- ply multi-objective optimization to the problem of hyper-parameters tuning. We show that additional objectives can make finding of good parameters for classifiers faster. 1
|
|
|
Toolbox for multi-objective optimization
Marek, Martin ; Hurák,, Zdeněk (referee) ; Kadlec, Petr (advisor)
This paper deals with multi-objective optimization problems (MOOP). It is explained, what solutions in multi-objetive search space are optimal and how are optimal (non-dominated) solutions found in the set of feasible solutions. Afterwards, principles of NSGA-II, MOPSO and GDE3 algorithms are described. In the following chapters, benchmark metrics and problems are introduced. In the last part of this paper, all the three algorithms are compared based on several benchmark metrics.
|
|
|
Planning and Drawing Module for Matches
Jelínek, Zdeněk ; Soukup, Ondřej (referee) ; Křivka, Zbyněk (advisor)
This bachelors thesis consists of description of a design and implementation of a module for drawing tournaments in competitive sports. The goal of the module is to match competitors in such a way that the repetitions of matches are minimal and the quality of the individual matches is the best, and that each competitor plays appropriate number of matches. The worst-case asymptotic time complexity of the resulting drawing algorithm is polynomial.
|
|
|
Antenna Arrays with Synthesized Frequency Response of Gain
Všetula, Petr ; Polívka,, MIlan (referee) ; Bonefačic, Davor (referee) ; Raida, Zbyněk (advisor)
V disertační práci popisuji metodu syntézy dipólové anténní řady s definovanou schopností prostorové a spektrální filtrace. Díky prostorové filtraci se směr hlavního laloku a hodnota zisku mění v celém pracovním pásmu jen zanedbatelně. Díky spektrální filtraci je hodnota zisku v pracovním pásmu nejvyšší a mimo toto pásmo nejnižší. Abychom syntetizovali anténní řadu s předepsanými filtračními vlastnostmi, optimalizujeme amplitudy, fáze a rozměry prvků dipólové anténní řady. Abychom počáteční optimalizaci co nejvíce urychlili, předpokládáme při výpočtu hodnot kriteriálních funkcí idealizovanou anténní řadu. Jelikož optimalizace zahrnuje požadavky na směr hlavního laloku, zisk i impedanční přizpůsobení, využíváme k syntéze multi-kriteriální optimalizaci. Optimalizovaná anténní řada byla následně analyzována ve vlnovém simulátoru, aby byl ověřen výsledek syntézy. Syntetizovaná anténní řada byla vyrobena a experimentálně byly ověřeny její vlastnosti.
|
|
|
Multiobjective optimization of electromagnetic structures based on self-organizing migration
Kadlec, Petr ; Prof. Hans L. Hartnagel (referee) ; Škvor,, Zbyněk (referee) ; Raida, Zbyněk (advisor)
Práce se zabývá popisem nového stochastického vícekriteriálního optimalizačního algoritmu MOSOMA (Multiobjective Self-Organizing Migrating Algorithm). Je zde ukázáno, že algoritmus je schopen řešit nejrůznější typy optimalizačních úloh (s jakýmkoli počtem kritérií, s i bez omezujících podmínek, se spojitým i diskrétním stavovým prostorem). Výsledky algoritmu jsou srovnány s dalšími běžně používanými metodami pro vícekriteriální optimalizaci na velké sadě testovacích úloh. Uvedli jsme novou techniku pro výpočet metriky rozprostření (spread) založené na hledání minimální kostry grafu (Minimum Spanning Tree) pro problémy mající více než dvě kritéria. Doporučené hodnoty pro parametry řídící běh algoritmu byly určeny na základě výsledků jejich citlivostní analýzy. Algoritmus MOSOMA je dále úspěšně použit pro řešení různých návrhových úloh z oblasti elektromagnetismu (návrh Yagi-Uda antény a dielektrických filtrů, adaptivní řízení vyzařovaného svazku v časové oblasti…).
|
|
|
IZAR - Uživatelská příručka
Ivanytska, Vitaliya ; Sekničková, Jana (advisor) ; Kuncová, Martina (referee)
The goal of this paper is to explore a newly designed software support for solving multi-criteria decision-making problems -- IZAR, as well as to create a comprehensible manual for a common user interested in decision-making theory. IZAR is currently in a development stage; nevertheless, its available versions are already being used by operations research students. The first two sections of this thesis are focused on a brief introduction of all the solutions methods used in the current version of IZAR, while the third section is a practical user guide that includes examples of the problems and a comparative summary of different ways of their solution reached by the means of IZAR.
|
guest ::
