|
| |
|
|
Heuristické algoritmy pro optimalizaci
Komínek, Jan ; Šeda, Miloš (oponent) ; Roupec, Jan (vedoucí práce)
Diplomová práce se věnuje genetickým algoritmům a zkoumání jejich vlastností. Zvláštní důraz je kladen na posouzení vlivu mutace a velikosti populace. V druhé části práce jsou genetické algoritmy aplikovány na problematiky inverzních úloh vedení tepla. K jejich řešení bylo vyzkoušeno více různých přístupů a způsobů kódování. Vlastnosti genetických algoritmů pro tyto úlohy byly zlepšeny dvěma zcela novými genetickými operátory – manipulace a seřazení. Zjištěné teoretické poznatky byly odzkoušeny na reálné inverzní úloze vedení tepla. V rámci práce byla vytvořena knihovna pro snadnou implementaci GA pro řešení obecných optimalizačních úloh v jazyce C++.
|
|
|
Inverzní problémy v úlohách přenosu tepla s fázovými změnami
Kamarýt, Petr ; Mauder, Tomáš (oponent) ; Klimeš, Lubomír (vedoucí práce)
Tato diplomová práce se zabývá inverzními problémy v úlohách přenosu tepla se změnou fáze. V první kapitole jsou popsány mechanizmy přenosu tepla včetně modelování materiálu se změnou fáze. Druhá kapitola se věnuje výpočtovému řešení úloh přenosu tepla. Ve třetí je formulována inverzní úloha pro neznámou okrajovou podmínku. Čtvrtá kapitola popisuje autorem implementované metody pro řešení přímých a inverzních úloh přenosu tepla. Inverzní úlohy jsou řešeny sekvenční metodou a pomocí umělých neuronových sítí. Byly zvoleny dva průběhy hustoty tepelného toku: spojitý, po částech lineární a nespojitý, po částech konstantní. Obě metody dosahují pro obě úlohy srovnatelných výsledků. V případě nespojité hustoty tepelného toku jsou výsledky horší než v případě spojitého průběhu.
|
|
|
Inverzní problémy v úlohách přenosu tepla s fázovými změnami
Kamarýt, Petr ; Mauder, Tomáš (oponent) ; Klimeš, Lubomír (vedoucí práce)
Tato diplomová práce se zabývá inverzními problémy v úlohách přenosu tepla se změnou fáze. V první kapitole jsou popsány mechanizmy přenosu tepla včetně modelování materiálu se změnou fáze. Druhá kapitola se věnuje výpočtovému řešení úloh přenosu tepla. Ve třetí je formulována inverzní úloha pro neznámou okrajovou podmínku. Čtvrtá kapitola popisuje autorem implementované metody pro řešení přímých a inverzních úloh přenosu tepla. Inverzní úlohy jsou řešeny sekvenční metodou a pomocí umělých neuronových sítí. Byly zvoleny dva průběhy hustoty tepelného toku: spojitý, po částech lineární a nespojitý, po částech konstantní. Obě metody dosahují pro obě úlohy srovnatelných výsledků. V případě nespojité hustoty tepelného toku jsou výsledky horší než v případě spojitého průběhu.
|
|
|
Heuristické algoritmy pro optimalizaci
Komínek, Jan ; Šeda, Miloš (oponent) ; Roupec, Jan (vedoucí práce)
Diplomová práce se věnuje genetickým algoritmům a zkoumání jejich vlastností. Zvláštní důraz je kladen na posouzení vlivu mutace a velikosti populace. V druhé části práce jsou genetické algoritmy aplikovány na problematiky inverzních úloh vedení tepla. K jejich řešení bylo vyzkoušeno více různých přístupů a způsobů kódování. Vlastnosti genetických algoritmů pro tyto úlohy byly zlepšeny dvěma zcela novými genetickými operátory – manipulace a seřazení. Zjištěné teoretické poznatky byly odzkoušeny na reálné inverzní úloze vedení tepla. V rámci práce byla vytvořena knihovna pro snadnou implementaci GA pro řešení obecných optimalizačních úloh v jazyce C++.
|
|
| |
|
|
Matematické modelování generalizace
Kůrková, Věra
Učení se schopností generalizace lze modelovat pomocí regularizace, která byla vyvinuta k hledání stabiliních řešení fyzikálních úloh. V teorii učení lze chápat generalizaci jako určitý druh stability.
|
host ::
RSS.