|
|
Soutěživá koevoluce v kartézském genetickém programování
Skřivánková, Barbora ; Petrlík, Jiří (oponent) ; Drahošová, Michaela (vedoucí práce)
Symbolická regrese je metoda hledání předpisů funkcí, které co nejpřesněji prochází danými body v rovině nebo prostoru. V této práci je řešena symbolická regrese s využitím kartézského genetického programování a soutěživé koevoluce. Tato úloha byla již dříve řešena pomocí kartézského genetického programování a koevoluce prediktorů fitness. V této práci je zkoumáno, zda-li jednodušší soutěživá koevoluce dokáže dosáhnout obdobných výsledků jako koevoluce prediktorů fitness. Symbolická regrese je v této práci testována na pěti různě složitých úlohách. Při testování se ukázalo, že při řešení jednodušších úloh dosahuje soutěživá koevoluce oproti klasickému kartézskému genetickému programování výrazně vyššího zrychlení než koevoluce prediktorů fitness. Složitější úlohy, ve kterých koevoluce prediktorů fitness obstála stejně dobře jako v jednodušších, však soutěživá koevoluce vyřešit nedokázala.
|
|
|
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.
|
|
|
Koevoluce obrazových filtrů a prediktorů fitness
Trefilík, Jakub ; Hrbáček, Radek (oponent) ; Drahošová, Michaela (vedoucí práce)
Tato práce se zabývá využitím principů koevoluce pro návrh obrazových filtrů. Evoluční algoritmy se pro vývoj obrazových filtrů ukazují jako velmi výhodná metoda. Použitím koevoluce prediktorů fitness vnášíme do evolučního návrhu procesy, které vzájemným ovlivňováním populace kandidátních filtrů s populací prediktorů fitness dokáží zrychlit konvergenci řešení. Prediktor fitness je malá podmnožina množiny trénovacích vektorů a používá se k přibližnému určení fitness kandidátních filtrů. V této práci je pro evoluci prediktorů fitness využito nepřímé kódování, které reprezentuje matematický výraz, pomocí něhož jsou vybírány trénovací vektory použité pro vyhodnocení fitness kandidátních filtrů. Tento přístup byl experimentálně vyhodnocen v úloze evolučního návrhu náhodného impulzního šumu a šumu typu sůl a pepř pro různé intenzity šumu a také v úloze návrhu detektoru hran. Ukázalo se, že pomocí tohoto přístupu prediktory fitness přizpůsobují počet použitých trénovacích vektorů pro vyhodnocení kandidátního filtru souběžně s řešením úlohy a tím snižují výpočetní náročnost evolučního návrhu obrazových filtrů.
|
|
|
Evoluční návrh kombinačních obvodů na počítačovém clusteru
Pánek, Richard ; Zachariášová, Marcela (oponent) ; Hrbáček, Radek (vedoucí práce)
Tato diplomová práce se zabývá evolučními algoritmy a jejich použitím při návrhu kombinačních obvodů. Pro tento typ úloh je nejvhodnější genetické programování, především pak CGP. Dále se zabývá výpočtem na počítačových clusterech a použitím evolučních algoritmů na nich. Pro tento výpočet se nejvíce hodí ostrovní modely s CGP. Pro jejich zlepšení je navržen nový způsob rekombinace v CGP. Tento návrh je implementován a testován na počítačovém clusteru.
|
|
|
Evoluční algoritmy
Haupt, Daniel ; Polách, Petr (oponent) ; Honzík, Petr (vedoucí práce)
První část práce je teoretická a zabývá se optimalizací a evolučními algoritmy, které jsou používány k řešení složitých optimalizačních problémů. Konkrétně jsou popsány algoritmy diferenciální evoluce, genetický algoritmus, simulované žíhání a deterministický neevoluční algoritmus zakázané prohledávání. Dále je diskutována problematika testování optimalizačních algoritmů pomocí tzv. galerii testovacích funkcí a testování pomocí srovnání výsledků algoritmů při řešení problému obchodního cestujícího. Ve druhé části práce jsou všechny uvedené algoritmy testovány na 11 testovacích funkcích a na třech modelech rozmístění měst v problému obchodního cestujícího. Nejprve jsou algoritmy srovnávány s možností neomezeného přístupu k účelové funkci a dále s omezenou možností přístupu k účelové funkci. Veškerá data jsou statisticky a graficky zpracována. Jednotlivé algoritmy jsou seřazeny dle úspěšnosti.
|
|
|
Aplikace evolučního algoritmu na optimalizační úlohu vibračního generátoru
Nguyen, Manh Thanh ; Kovář, Jiří (oponent) ; Hadaš, Zdeněk (vedoucí práce)
Tato práce se bude zabývat použitím metod umělé inteligence pro řešení optimalizační úlohy s více proměnnými. Rešeršní část je věnována problematice globální optimalizace a přehledu metod řešení. Z praktických důvodů je speciální pozornost věnována algoritmům evolučním. Předmětem optimalizace samotné je pak energy harvester využívající piezoelektrického jevu. Jeho podstatě a modelování je věnována samostatná kapitola. Součástí práce je implementace algoritmu SOMA pro návrh parametrů generátoru pro maximální výkon.
|
|
|
Implementace problému směrování vozidel pomocí algoritmu mravenčích kolonií a částicových rojů
Hanek, Petr ; Kubánková, Anna (oponent) ; Šeda, Pavel (vedoucí práce)
Tato diplomová práce se zabývá meta-heuristickými algoritmy a jejich schopností řešit složité optimalizační problémy v polynomiálním čase. V práci jsou popsány různé druhy meta-heuristických algoritmů jako například genetické algoritmy, optimalizace pomocí částicových rojů nebo mravenčích kolonií. Výstupem práce je aplikace implementovaná v jazyce Java, která řeší optimalizaci pomocí mravenčích kolonií na problému směrování vozidel s omezením na kapacity. Dále je implementován algoritmus částicových rojů, který řeší optimalizaci nastavení správných parametrů pro mravenčí kolonie.
|
|
|
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.
|
|
|
Generování matematických příkladů pro střední a základní školy
Janečka, Jan ; Straka, Martin (oponent) ; Kaštil, Jan (vedoucí práce)
Bakalářská práce se zabývá generováním písemných testů z matematiky pro střední a základní školy. Ke generování je využita efektivita genetického algoritmu. V práci jsou implementovány dva typy příkladů: lineární rovnice s neznámou v čitateli a slovní úlohy o pohybu. U každého z těchto typů příkladů je možno nastavit specifické požadavky. Výstup je tvořen dvěma soubory ve formátu pdf, kdy jeden soubor obsahuje zadání testu a druhý řešení tohoto zadání.
|
|
|
Analýza genetické příbuznosti aproximativních obvodů
Krejčík, Vojtěch ; Mrázek, Vojtěch (oponent) ; Sekanina, Lukáš (vedoucí práce)
Cílem práce je analýza velké knihovny aproximativních obvodů (EvoApproxLib), která byla vytvořena evolučním algoritmem a kterou v této práci chápeme jako zdroj genetických dat. Konkrétně se jedná o hledání příbuznosti v souboru obsahujícím 24912 osmibitových aproximativních násobiček, které byly evolučně vytvořeny ze šesti různých rodičovských plně funkčních implementací operace násobení. Jako ukazatele příbuznosti byly zvoleny počty hradel a existence 16 specifických podobvodů. Na základě těchto ukazatelů (příznaků) byly natrénovány různé klasifikátory pro zařazení násobičky do jedné ze šesti tříd odpovídající rodičovským implementacím. S těmito ukazateli se podařilo dosáhnout úspěšnosti klasifikace až 77%. Výsledky této práce ukazují, že kombinace specifických podobvodů jsou silným indikátorem, ze kterého rodičovského obvodu daný aproximativní obvod pochází.
|
host ::
RSS.