|
|
Evoluce CoreWar válečníků pomocí genetických algoritmů
Tříska, Martin ; Beran, Vítězslav (oponent) ; Zuzaňák, Jiří (vedoucí práce)
Evoluční algoritmy jsou progresivní a neustále se vyvíjející část informatiky. Jsou využívány zejména k řešení mnohodimenzionálních problémů s četnými lokálními maximami, které není možné řešit analyticky. Tato práce pojednává o možnosti jejich využití pro tvorbu programů v jazyce Redcode, které budou schopny bojovat dle pravidel hry Corewars. Navrhuje možnosti reprezentace programů jazyka Redcode pro účely evolučních algoritmů, řeší návrh platformy pro evaluaci fitness těchto jedinců a diskutuje možnosti jejich křížení a mutace. Součástí práce je rovněž aplikace schopná vývoje takovýchto programů.
|
|
|
Využití evolučních algoritmů v kvantovém počítání
Žufan, Petr ; Mrázek, Vojtěch (oponent) ; Bidlo, Michal (vedoucí práce)
Tato práce implementuje evoluční systém pro nelezení kvantového operátoru ve formě unitární matice. Cílem je ověření různých přístupů reprezentace kandidátních řešení a nastavení evolučního algoritmu. V práci byly použity dva evoluční algoritmy: genetický algoritmus a evoluční strategie. Dále je zde představen způsob generovaní unitární matice založený na QR dekompozici, který je pro tuto úlohu použit poprvé. Ten je v některých směrech lepší než předešlé. Na závěr je na experimentech ukázáno srovnání všech použitých technik.
|
|
|
Evoluční strategie v úloze predikce vlivu aminokyselinových mutací na stabilitu proteinu
Pavlík, David ; Martínek, Tomáš (oponent) ; Bendl, Jaroslav (vedoucí práce)
Tato práce se zabývá otázkou predikce změn stability proteinů v důsledku aminokyselinových mutací. Cílem je vytvořit meta-klasifikátor, který bude využívat výsledky predikcí vybraných nástrojů, použít evoluční strategii pro přiřazení vah jednotlivým nástrojům a dosáhnout tak větší úspěšnosti predikce než při použití nástrojů samostatně. Bylo vybráno celkem pět dostupných nástrojů, jejichž výsledky predikcí byly váhovány. Jsou zde zkoumány a porovnávány dvě odlišné metody evoluční strategie. První je evoluční strategie s pravidlem 1/5 a druhou je evoluční strategie s autoevolucí řídících parametrů typu 2. Pro trénování a následné ověření úspěšnosti navrženého meta-klasifikátoru byly vytvořeny dvě nezávislé sady mutací. Z provedených experimentů a dosažených výsledků byl zjištěn možný přínos evoluční strategie, ovšem za podmínek pečlivého výběru sady nástrojů a datových sad pro trénování a testování.
|
|
|
Neuronové sítě a evoluční algoritmy
Vágnerová, Jitka ; Rychtárik, Milan (oponent) ; Hrubeš, Jan (vedoucí práce)
Diplomová práce se zabývá použitím zvolených evolučních algoritmů k určení a úpravě parametrů neuronové sítě. K úpravě parametrů sítě se zpětným šířením chyby byly použity genetické algoritmy, evoluční strategie a evoluční programování. Součástí práce je program vytvořený v prostředí Matlab, ve kterém byly použité metody testovány na úlohách rozpoznávání vzorů a predikci průběhu funkce. Výsledkem práce jsou grafy průběhu chyby sítě a fitness během úpravy pomocí zvolených algoritmů a průběhů chyby při následném učení.
|
|
|
Optimization of Aircraft Tracker Parameters
Samek, Michal ; Vlk, Jan (oponent) ; Smrž, Pavel (vedoucí práce)
This Master's thesis deals with a configuration optimization of an aircraft surveillance system, which is being used in the air traffic control. We survey commonly used methodology for a performance evaluation of such surveillance systems and review relevant algorithms for target tracking. Three optimization approaches are explored. The first solution attempts to identify parameters of employed filtering algorithms by using the Expectation-Maximisation algorithm to find corresponding maximum likelihood estimates. The second approach employs a simple distribution fitting to the available measured and reference data. Evolution strategies are examined as the third option. Experimental evaluation shows that the third approach is the most suitable for the problem in hand.
|
|
|
Evoluční návrh kvantového operátoru
Kraus, Pavel ; Mrázek, Vojtěch (oponent) ; Bidlo, Michal (vedoucí práce)
Cílem této práce bylo využít pro návrh kvantových operátorů v podobě unitárních matic v přímé reprezentaci různé evoluční algoritmy. Byly zvoleny algoritmy evoluční strategie, diferenciální evoluce, optimalizace hejnem částic a optimalizace umělým včelstvem. Třetí a čtvrtý zmíněný algoritmus byl pro návrh kvantových operátorů použit v této práci poprvé. Na experimentech bylo ukázáno, že použití přímé reprezentace dosahuje výsledků přijatelné kvality.
|
|
|
Evoluční návrh booleovských funkcí pro kryptografii
Dvořák, Jan ; Vašíček, Zdeněk (oponent) ; Husa, Jakub (vedoucí práce)
Cílem této bakalářské práce je porovnat různé selekční metody použité v kartézském genetickém programování aplikovaném na problém různých druhů kryptograficky významných booleovských funkcí. Zaměřil jsem se na tyto typy selekce: evoluční strategie (1+lambda) a (1,lambda), turnajová selekce a selekce ruletou. Zvolený problém byl vyřešen implementací CGP se zmíněnými typy selekce a statistickým zpracováním dat získaných provedením experimentů. Vyhodnocením výsledků jsem zjistil, že nejlepších výsledků, v případě ohnutých funkcí, dosahuje evoluční strategie (1+lambda). V případě vyvážených funkcí s vysokou nelinearitou dosáhla nejlepších výsledků selekce ruletou.
|
|
|
Evoluční optimalizace nákladní přepravy
Beránek, Michal ; Drahošová, Michaela (oponent) ; Bidlo, Michal (vedoucí práce)
Práce se zabývá problémem optimalizace nákladní přepravy. Cílem je minimalizace nákladů spojených s přepravou, které vyplývají z ujeté vzdálenosti. Při správném naplánování tras lze tyto náklady výrazně snížit, obzvlášť když se jedná o velký počet zákazníků, které je potřeba obsloužit. Tato práce se soustředí na řešení pomocí evolučních algoritmů, což jsou metody optimalizace založené na principech evoluce. Hlavní zaměření je na problém směrování vozidel s omezenou heterogenní flotilou vozidel. V práci je představeno několik evolučních algoritmů a jejich výsledky jsou porovnány. Nejlepší z nich, evoluční strategie používající lokální prohledávání blízkého okolí, dosahuje podobných, pro některé konkrétní úlohy i lepších výsledků, než jiné existující evoluční algoritmy, vytvořené pro řešení stanoveného problému.
|
|
|
Evoluční strategie v úloze predikce vlivu aminokyselinových mutací na stabilitu proteinů
Kadlec, Miroslav ; Burgetová, Ivana (oponent) ; Bendl, Jaroslav (vedoucí práce)
Tato práce se zabývá predikcí vlivu aminokyselinových mutací na stabilitu proteinu. Cílem je vytvořit konsenzuální prediktor využívající výstupy vybraných existujících nástrojů za účelem zvýšení úspěšnosti predikce. Optimální konsenzus mezi těmito nástroji byl hledán s pomocí evolučních strategií (ES) ve třech variantách: evoluční strategie s pravidlem 1/5, varianta s autoevolucí typu 2 a metoda CMA-ES. Kvalita nalezených řešení byla následně testována na nezávislé datové sadě. Výsledky všech tří variant dosahovaly podobných přesností predikce, jako nejlepší byl vyhodnocen vektor vah nalezený ES s autoevolucí typu 2. Oproti samostatným prediktorům vykazovala konsenzuální metoda na trénovacích datech zlepšení Pearsonova korelačního koeficientu o 0,057. Na testovací sadě byl její přínos nižší (zlepšení o 0,040). Poměrně malý přínos k přesnosti predikcí na trénovací i testovací datové sadě byl způsoben tím, že pro některé záznamy se nepodařilo získat výsledky všech dílčích nástrojů. V případě vypuštění těchto záznamů přinesla konsenzuální metoda zlepšení Pearsonova korelačního koeficientu o 0,118.
|
|
|
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.
|
host ::
RSS.