|
|
Studium a srovnávání hlavních typů evolučních algoritmů
Štefan, Martin ; Holeňa, Martin (vedoucí práce) ; Gemrot, Jakub (oponent)
Evoluční algoritmy patří mezi nejmladší a zároveň nejprogresivnější metody řešení obtížných optimalizačních úloh. Tyto algoritmy si získali svou velkou oblibu díky dobrým experimentálním výsledkům na složitých optimalizačních úlohách, jednoduchosti implementace a také vysoké modularitě, tedy možnosti úpravy pro účely řešení různých problémů. Mezi nejpoužívanější evoluční algoritmy patří Genetické algoritmy, Diferenciální evoluce a Evoluční strategie. Tyto algoritmy a jejich varianty je možné aplikovat jak na úlohy spojité, diskrétní tak i smíšené optimalizace. Předmětem této práce je srovnání chování tří základních typů evolučních algoritmů na katlystické optimalizační úloze se smíšenými proměnými, lineárním omezením a experimentálně počítanou fitness funkcí.
|
|
| |
|
|
Paralelní genetický algoritmus
Trupl, Jan ; Kobliha, Miloš (oponent) ; Jaroš, Jiří (vedoucí práce)
Práce popisuje návrh a implementaci různých evolučních algoritmů, vylepšených tak, aby mohly využívat výhod paralelismu na víceprocesorových systémech, a zároveň umožňovaly, aby výpočet probíhal na více počítačích v počítačové síti. Algoritmy jsou určeny k hledání globálního extrému funkce několika proměnných. Jsou nastíněny různé zajímavé optimalizační problémy a možnosti jejich řešení právě pomocí evolučních algoritmů. V práci je rovněž rozebíráno použití knihovny rozhraní MPI (message passing interface) a OpenMP, v rozsahu nutném pro pochopení problematiky implementace paralelních evolučních algoritmů.
|
|
|
Využití evolučních algoritmů při učení neuronových sítí
Vosol, David ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Tato práce má za úkol nalézt a porovnat možnosti spolupráce evolučních algoritmů při učení neuronové sítě a také jejich následné porovnání s klasickým přístupem učení pomocí back-propagation. Toto porovnání je demonstrováno na hluboké dopředné síti, která je využita při klasifikačních úlohách. Optimalizace probíhá na úrovni hledání optimálních hodnot vah a biasů sítě při zachování její stejné topologie. Jako evoluční algoritmy pro tuto optimalizaci jsou vybrány tři metody. Jedná se o genetický algoritmus, diferenciální evoluci a optimalizaci hejnem částic. Demonstrační program je implementován v programovacím jazyce Python3 a to bez použití knihoven pro strojové učení.
|
|
|
Matení algoritmů počítačového vidění
Hrabal, Matěj ; Bartl, Vojtěch (oponent) ; Herout, Adam (vedoucí práce)
Cílem této práce bylo zkoumání existujících metod matení počítačového vidění a rozpoznávání. Zaměřil jsem se zejména na metody typu pixel attack.Dále jsem porovnal jednotlivé metody obrany proti těmto útokům. Jednotlivé metody typu pixel attack a možnosti obrany proti těmto útokům jsem implementoval v jazyce python s využitím knihovny Keras. V rámci práce jsem vytvořil nástroj, který umožňuje provést útok metodou pixel attack na uživateli zvoleném obrázku, a z informací získaných při útocích dokáže generovat statistiky. Nástroj také umožňuje detekovat možné útoky v obrázcích.
|
|
|
Layout optimisation method for active structural health monitoring
Červenka, Miroslav ; Koštial, Rostislav
This paper describes optimisation method for designing sensoric layout for Active Structural Health Monitoring (A-SHM) by Ultrasonic Guided Waves (UGW) on metal and non-metal (composite) materials. The SHM sensors need to be placed optimally in order to detect structural damage with high probability before the damage turns critical. Configuration of used optimisation algorithm for such task is not straightforward. Differential Evolution (DE) has two configuration parameters – the mutation factor F and the crossover rate CR – whose settings largely influence the solution quality the optimisation process can yield. For that matter we describe an elaborated a method to guide this selection towards good results using visual heat maps with the intent to select best DE’s variant and particular configuration to receive the most optimal SHM sensorics layout.
|
|
|
Evoluční algoritmy pro řízení heterogenních robotických swarmů
Karella, Tomáš ; Pilát, Martin (vedoucí práce) ; Balcar, Štěpán (oponent)
Robotická hejna se často díky svým dobrým vlastnostem používají při řešení rozličných úkolů. Řada prací zabývající se touto problematikou používá pro optimalizaci řízení robotických hejn evoluční algoritmy, ovšem z pravidla hejna tvoří pouze homogenní jedinci. Tato práce se zaměřuje na použití evolučních algoritmů v případě heterogenních robotických hejn. Pro nalezení optimalizující metody byla implementována simulace 2D prostředí, které umožňuje tvorbu vlastních scénářů pro robotická hejna a také umožňuje použití na řešení těchto scénářů evolučních algoritmů. Navržená metoda podúkolů používající diferenciální evoluci a evoluční strategie byla otestována ve třech rozličných scénářích.
|
|
|
Principy a aplikace neuroevoluce
Herec, Jan ; Strnadel, Josef (oponent) ; Bidlo, Michal (vedoucí práce)
Práce se na teoretické úrovni zabývá evolučními algoritmy (EA), neuronovými sítěmi (NN) a jejich syntézou v podobě neuroevoluce. Z praktického hlediska je cílem práce ukázat uplatnění neuroevoluce na dvou odlišných úlohách. První úloha spočívá v evolučním návrhu architektury konvoluční neuronové sítě (CNN), která by dokázala klasifikovat s vysokou přesností ručně psané číslice (z datasetu MNIST). Druhá úloha spočívá v evoluční optimalizaci vah neurokontroléru, který řídí přistání 1. stupně rakety Falcon 9 ve 2D simulaci. Obě úlohy jsou výpočetně velmi náročné a proto byly řešeny na superpočítači. V rámci první úlohy se podařilo navrhnout takové architektury, které při správném natrénování dosahují přesnosti klasifikace 99,49%. Ukázalo se tak, že je možné návrh kvalitních architektur zautomatizovat s využitím neuroevoluce. V rámci druhé úlohy se podařilo optimalizovat váhy neurokontroléru tak, že pro definované počáteční podmínky dovede neurokontrolér model rakety k úspěšnému přistání. V obou úlohách tedy neuroevoluce uspěla.
|
|
|
Optimalizace PID regulátoru pomocí evolučních výpočetních technik
Kočí, Jakub ; Matoušek, Radomil (oponent) ; Lang, Stanislav (vedoucí práce)
Tato bakalářská práce se zabývá použitím evolučních výpočetních technik při nastavování PID regulátoru. V rešeršní části shrnuje základní informace o problematice regulace a další potřebné podkladové informace o kvalitě regulace a použitém kritériu ITAE. V praktické části jsou autorem implementovány tři evoluční výpočetní techniky - diferenciální evoluce, evoluční strategie a genetický algoritmus. Společně s genetickým algoritmem z MATLABu jsou tyto metody srovnány na dvou soustavách vzájemně i oproti prvotnímu nastavení regulátoru metodou Ziegler-Nichols. Součástí srovnání je i statistické vyhodnocení metod na jedné ze soustav.
|
|
|
Srážko-odtokový proces v podmínkách klimatické změny
Benáčková, Kateřina ; Janál,, Petr (oponent) ; Marton, Daniel (vedoucí práce)
Cílem diplomové práce bylo sestavit koncepční srážko-odtokový model, který by byl schopen modelovat průtoky v podmínkách změny klimatu. V rámci práce byl po důkladném prověření možných variant sestaven uživatelský program Runoff Prophet, který je schopen simulace průtoků v závěrovém profilu libovolného povodí. Jedná se o deterministický lumped model s měsíčním krokem výpočtu, který z hydrologických jevů zohledňuje vlhkost půdy, evapotranspiraci, průtok podzemní vody a průtok v korytě vodního toku; jeho kalibrace funguje na principu diferenciální evoluce s koeficientem účinnosti modelu Nash-Sutcliffe jako kalibračním kritériem. Vyvinutý software byl otestován na zájmovém povodí Vír I. a výsledky aplikace vyhodnoceny z hlediska charakteru teplot, srážek a průtoků v měrném profilu Dalečín ve vzdálené budoucnosti podle klimatického scénáře A1B SRES, implementovaného v generátoru počasí LARS-WG.
|
host ::
RSS.