|
|
Řešení optimalizačních úloh algoritmy ACO
Habrnál, Matěj ; Samek, Jan (oponent) ; Zbořil, František (vedoucí práce)
Práce se zabývá základními optimalizačními algoritmy ACO (Ant Colony Optimization) a jejich vývojem, zkoumá také inspiraci u živých mravenců. Cílem pak je demonstrovat činnost těchto algoritmů na dvou optimalizačních úlohách - problému obchodního cestujícího a problému hledání potravinových zdrojů a optimální cesty mezi potravou a mraveništěm. Práce popisuje i experimenty, které mají za cíl zjistit vliv nastavitelných parametrů mravenčích algoritmů. Nejdříve je popsána teorie ACO algoritmů, následně pak aplikace těchto algoritmů na obě vybrané optimalizační úlohy. Závěr práce se věnuje rozboru provedených experimentů s vytvořenými aplikacemi a hodnocením jejich výsledků.
|
|
|
Řešení optimalizačních úloh algoritmy PSO
González, Marek ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Práce se zabývá popisem algoritmu particle swarm optimization (PSO) a demonstrací jeho činnosti na vybraných optimalizačních úlohách. PSO byl převážně navržen pro spojitou optimalizaci a řadí se mezi algoritmy hromadné inteligence. Práce obsahuje úvod do problematiky optimalizace a teoretický popis algoritmu. Po teoretické části následuje část praktická, která se věnuje implementaci algoritmu a hledání vhodného nastavení jeho parametrů. Řešené úlohy jsou shlukování, problém obchodního cestujícího a hledání minima vícerozměrných funkcí.
|
|
|
Modely umělého života
Ďuričeková, Daniela ; Martinek, David (oponent) ; Peringer, Petr (vedoucí práce)
Tato bakalářská práce popisuje návrh a implementaci simulátoru umělého života. Práce je rozdělena do čtyř částí. Cílem první části je seznámení s oblastí umělého života a základní terminologií. Druhá část se věnuje vybraným návrhovým vzorům a návrhu simulačního systému, jehož smyslem je simulovat ekosystém umělých entit. Účelem následující části je popis implementace jednotlivých složek systému. Na závěr je provedeno testování systému na dvou ukázkových modelech.
|
|
|
Optimalizační úlohy na bázi částicových hejn (PSO)
Veselý, Filip ; Jaroš, Jiří (oponent) ; Schwarz, Josef (vedoucí práce)
Práce se zabývá inteligencí roje, přesněji inteligencí částicových hejn. Stručně popisuje problematiku optimalizace a některé optimalizační techniky. Částí práce je rešerše variant optimalizačních algoritmů na bázi částicových hejn. Jednotlivé algoritmy jsou matematicky popsány, také jsou uvedeny jejich výhody popřípadě nevýhody oproti klasickému algoritmu PSO. Druhá polovina práce popisuje algoritmus mQPSO a vytvořenou modifikaci mQPSOPC. V rámci práce jsou na několika testech porovnány výsledky obou algoritmů s výsledky dosaženými jiným evolučním algoritmem.
|
|
|
Experimenty s rojovou inteligencí (swarm intelligence)
Hula, Tomáš ; Zbořil, František (oponent) ; Grulich, Lukáš (vedoucí práce)
Práce se zabývá rojovou inteligencí jako podoborem umělé inteligence. Stručně popisuje biologické pozadí problematiky a zabývá se také principy hledání cest v mravenčích koloniích. Představena je i oblast kombinatorické optimalizace a detailně jsou definovány úlohy Travelling Salesman Problem a Quadratic Assignment Problem. Hlavní část práce sestává z popisu metod rojové inteligence pro řešení uvedených problémů a zhodnocení experimentů, které byly na těchto metodách provedeny. Konkrétně jde o algoritmy Ant System, Ant Colony System, Hybrid Ant System a Max-Min Ant System. V rámci práce byla také navržena a otestována vlastní metoda Genetic Ant System, která obohacuje základní Ant System mimo jiné o vývoj parametrů jednotek na základě genetických principů. V rámci obou řešených úloh jsou porovnány výsledky popisovaných metod společně s výsledky metod klasické umělé inteligence.
|
|
|
Plánování cesty robotu pomocí mravenčích algoritmů
Pěnčík, Martin ; Krček, Petr (oponent) ; Dvořák, Jiří (vedoucí práce)
Tato diplomová práce se zabývá plánováním cesty robotu. Obsahuje přehled obecných přístupů pro plánování cesty. Dále popisuje metody rojové inteligence a jejich aplikace na plánování cesty robotu. Práce obsahuje návrhy změn pro mravenčí algoritmy a prezentuje výsledky experiment provedených pomocí implementovaných algoritmů.
|
|
|
Plánování cesty robotu pomocí rojové inteligence
Schimitzek, Aleš ; Krček, Petr (oponent) ; Dvořák, Jiří (vedoucí práce)
Tato diplomová práce se zabývá plánováním cesty robota pomocí rojové inteligence. V teoretické části jsou popsány nejznámější metody rojové inteligence (optimalizace mravenčí kolonií, optimalizace včelím rojem, optimalizace rojem světlušek a optimalizace hejnem částic) a jejich aplikace pro plánování cesty. V praktické části je zvolena optimalizace hejnem částic pro návrh a implementaci plánování cesty v programu C#.
|
|
|
Aplikace optimalizační metody PSO v podnikatelství
Veselý, Filip ; Kaštovský, Petr (oponent) ; Dostál, Petr (vedoucí práce)
Tato práce se zabývá dvěma optimalizačními problémy, problémem obchodního cestujícího a shlukovou analýzou. Řešení těchto optimalizačních problémů je aplikováno na potřeby společnosti INVEA-TECH. Práce dále stručně popisuje problematiku optimalizace a některé optimalizační techniky. Podrobněji se zabývá inteligencí roje, přesněji inteligencí částicových hejn. Částí práce je rešerše variant optimalizačních algoritmů na bázi částicových hejn. V druhé části jsou popsány varianty algoritmu PSO řešící problém shlukování a problém obchodního cestujícího a popis jejich implementace v jazyce Matlab.
|
|
| |
|
|
Rojová inteligence v MRDS
Kučera, Lukáš ; Hynčica, Ondřej (oponent) ; Honzík, Petr (vedoucí práce)
Rešeršní část diplomové práce je zaměřena na vybraná témata z oblasti rojové inteligence. Dále jsou na základě dvou publikací popsány experimenty studující chování skupiny robotů při shromažďování puků a při vyhledávání cíle. Vlastní práce je pak věnována zopakování těchto experimentů v Microsoft Robotics Developer Studiu (RDS), volně dostupném simulačním prostředí pro robotiku. Realizace obou experimentů v RDS je podrobně zdokumentována a dosažené výsledky jsou vyhodnoceny a srovnány s výsledky popsanými v publikacích. Na základě vlastních zkušeností jsou na závěr shrnuty základní vlastnosti, výhody a nevýhody vývoje v RDS.
|
host ::
RSS.