|
|
Aplikace mravenčích algoritmů
Kaščák, Imrich ; Vašíček, Zdeněk (oponent) ; Bidlo, Michal (vedoucí práce)
Práca sa zaoberá základným optimalizačným algoritmom Ant Colony Optimization (ACO) - Ant System (AS) a jeho rozšírením Ant Colony System (ACS) na probléme obchodného cestujúceho (TSP). Podstatou týchto algoritmov je nájdenie optimálneho riešenia (najkratšej cesty) v zadanej inštancii obsahujúcej niekoľko miest. Demonštruje overenie fungovania oboch algoritmov, experimentálne skúmanie vplyvu nastaviteľných parametrov mravčích algoritmov na výsledok. Ďalej je práca zameraná na skúmanie myšlienky optimalizácie detekcie hrán v obrazoch zavedením modifikácie do predstaveného existujúceho riešenia. Experimenty modifikovaného riešenia sú vykonané a porovnané s pôvodným.
|
|
| |
|
|
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.
|
|
|
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.
|
|
|
Heuristické řešení plánovacích problémů
Novotná, Kateřina ; Křena, Bohuslav (oponent) ; Letko, Zdeněk (vedoucí práce)
Tato práce se zabývá metaheuristickými algoritmy a jejich implementací do nástroje Drools Planner. Drools Planner je open source nástroj pro řešení optimalizačních problémů. V této práci je popsán návrh a implementace Optimalizace pomocí mravenčí kolonie. Vyhodnocení algoritmu je provedeno pomocí Drools Planner benchmarku pro různé optimalizační problémy.
|
|
|
Aplikace mravenčích algoritmů
Kaščák, Imrich ; Vašíček, Zdeněk (oponent) ; Bidlo, Michal (vedoucí práce)
Práca sa zaoberá základným optimalizačným algoritmom Ant Colony Optimization (ACO) - Ant System (AS) a jeho rozšírením Ant Colony System (ACS) na probléme obchodného cestujúceho (TSP). Podstatou týchto algoritmov je nájdenie optimálneho riešenia (najkratšej cesty) v zadanej inštancii obsahujúcej niekoľko miest. Demonštruje overenie fungovania oboch algoritmov, experimentálne skúmanie vplyvu nastaviteľných parametrov mravčích algoritmov na výsledok. Ďalej je práca zameraná na skúmanie myšlienky optimalizácie detekcie hrán v obrazoch zavedením modifikácie do predstaveného existujúceho riešenia. Experimenty modifikovaného riešenia sú vykonané a porovnané s pôvodným.
|
|
|
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.
|
|
|
Heuristické řešení plánovacích problémů
Novotná, Kateřina ; Křena, Bohuslav (oponent) ; Letko, Zdeněk (vedoucí práce)
Tato práce se zabývá metaheuristickými algoritmy a jejich implementací do nástroje Drools Planner. Drools Planner je open source nástroj pro řešení optimalizačních problémů. V této práci je popsán návrh a implementace Optimalizace pomocí mravenčí kolonie. Vyhodnocení algoritmu je provedeno pomocí Drools Planner benchmarku pro různé optimalizační problémy.
|
|
|
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.
|
|
| |
host ::
RSS.