|
| |
|
| |
|
|
Řešení optimalizačních úloh algoritmy PSO
González, Marek ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Práce se zabývá popisem algoritmu particle swarm optimization (PSO) a demonstrací jeho činnosti na vybraných optimalizačních úlohách. PSO byl převážně navržen pro spojitou optimalizaci a řadí se mezi algoritmy hromadné inteligence. Práce obsahuje úvod do problematiky optimalizace a teoretický popis algoritmu. Po teoretické části následuje část praktická, která se věnuje implementaci algoritmu a hledání vhodného nastavení jeho parametrů. Řešené úlohy jsou shlukování, problém obchodního cestujícího a hledání minima vícerozměrných funkcí.
|
|
|
Inteligence skupiny
Winklerová, Zdenka ; Šaloun, Petr (oponent) ; Škrinárová,, Jarmila (oponent) ; Zbořil, František (vedoucí práce)
Záměrem disertační práce je aplikovaný výzkum skupinové ( kolektivní ) inteligence . K prokázání použitelnosti inteligence skupiny je zkoumán algoritmus na bázi roje částic ( Particle Swarm Optimization PSO ), v němž je problém inteligence skupiny převeden na matematickou optimalizaci, kdy roj částic ( particle swarm ) hledá globální optimum ve vymezeném prostoru problému a prohledávání je řízeno podle předem nadefinované účelové funkce ( objective function ), která zastupuje řešený problém. Byla navržena a experimentálně ověřena strategie prohledávání, v níž částice průběžně přizpůsobují své chování charakteristikám prostoru řešeného problému, a bylo experimentálně zjištěno, jak se vliv řídící účelové funkce zastupující řešený problém projevuje v chování částic. Výsledky experimentování s navrženou strategií prohledávání byly porovnány s výsledky experimentů s referenční verzí algoritmu PSO . Experimenty ukázaly, že klasické prohledávání, kde jedinou podmínkou je stabilní trajektorie, po níž se částice pohybuje v prostoru řešeného problému, a kde je ve výsledku eliminován vliv řídící účelové funkce, může selhat a že dynamická stabilita trajektorií částic sama o sobě není ukazatelem prohledávacích schopností algoritmu ani konvergence algoritmu ke správnému, globálnímu řešení. Byl navržen způsob prohledávání prostoru řešeného problému, v němž algoritmus PSO reguluje stabilitu algoritmu průběžným přizpůsobováním chování částic charakteristikám prostoru problému. Navržený algoritmus usměrňoval vývoj prohledávání prostoru problému tak, že vzrostla pravděpodobnost úspěšnosti řešení.
|
|
|
Vícekriteriální návrh pokrytí území rádiovým signálem
Víteček, Petr ; Olivová,, Jana (oponent) ; Kadlec, Petr (vedoucí práce)
Tato práce se zabývá návrhem pokrytí území radiovým signálem. Dané území je reprezentováno digitálním mapovým souborem, který vznikl v rámci projektu DEM (Digital Elevation Model). Základem je výpočet vzdáleností jednotlivých bodů ve vybraném mapovém podkladu. Následně je s využitím optimalizačního algoritmu vypočítána pozice vysílače v mapě, nastavení radiového systému a výsledné pokrytí, jež je reprezentováno intenzitou elektrického pole, popřípadě přijímaným výkonem v celé mapě. Optimalizační algoritmus v dané práci slouží k tomu, abychom nalezli nejlepší možné řešení z hlediska zadaných parametrů (nap. výkon vysílače, výška vysílače) a výsledného pokrytí území.
|
|
|
Optimalizace metaheuristikami v Pythonu pomocí knihovny DEAP
Kesler, René ; Charvát, Pavel (oponent) ; Klimeš, Lubomír (vedoucí práce)
Tato práce se zabývá optimalizací pomocí metaheuristik, které se používají pro komplikované inženýrské úlohy, jež nelze řešit běžnými metodami matematického programování. Nejprve jsou rozebrány vybrané metaheuristiky: simulované žíhání, optimalizace rojem částic a genetický algoritmus; a následně je provedeno srovnání na testovacích funkcích. Algoritmy jsou implementovány v programovacím jazyce Python pomocí knihovny DEAP, která je v práci také popsána. Nakonec jsou algoritmy využity na optimalizaci parametrů tepelného výměníku.
|
|
| |
|
|
Optimalizace metaheuristikami v Pythonu pomocí knihovny DEAP
Kesler, René ; Charvát, Pavel (oponent) ; Klimeš, Lubomír (vedoucí práce)
Tato práce se zabývá optimalizací pomocí metaheuristik, které se používají pro komplikované inženýrské úlohy, jež nelze řešit běžnými metodami matematického programování. Nejprve jsou rozebrány vybrané metaheuristiky: simulované žíhání, optimalizace rojem částic a genetický algoritmus; a následně je provedeno srovnání na testovacích funkcích. Algoritmy jsou implementovány v programovacím jazyce Python pomocí knihovny DEAP, která je v práci také popsána. Nakonec jsou algoritmy využity na optimalizaci parametrů tepelného výměníku.
|
|
|
Inteligence skupiny
Winklerová, Zdenka ; Šaloun, Petr (oponent) ; Škrinárová,, Jarmila (oponent) ; Zbořil, František (vedoucí práce)
Záměrem disertační práce je aplikovaný výzkum skupinové ( kolektivní ) inteligence . K prokázání použitelnosti inteligence skupiny je zkoumán algoritmus na bázi roje částic ( Particle Swarm Optimization PSO ), v němž je problém inteligence skupiny převeden na matematickou optimalizaci, kdy roj částic ( particle swarm ) hledá globální optimum ve vymezeném prostoru problému a prohledávání je řízeno podle předem nadefinované účelové funkce ( objective function ), která zastupuje řešený problém. Byla navržena a experimentálně ověřena strategie prohledávání, v níž částice průběžně přizpůsobují své chování charakteristikám prostoru řešeného problému, a bylo experimentálně zjištěno, jak se vliv řídící účelové funkce zastupující řešený problém projevuje v chování částic. Výsledky experimentování s navrženou strategií prohledávání byly porovnány s výsledky experimentů s referenční verzí algoritmu PSO . Experimenty ukázaly, že klasické prohledávání, kde jedinou podmínkou je stabilní trajektorie, po níž se částice pohybuje v prostoru řešeného problému, a kde je ve výsledku eliminován vliv řídící účelové funkce, může selhat a že dynamická stabilita trajektorií částic sama o sobě není ukazatelem prohledávacích schopností algoritmu ani konvergence algoritmu ke správnému, globálnímu řešení. Byl navržen způsob prohledávání prostoru řešeného problému, v němž algoritmus PSO reguluje stabilitu algoritmu průběžným přizpůsobováním chování částic charakteristikám prostoru problému. Navržený algoritmus usměrňoval vývoj prohledávání prostoru problému tak, že vzrostla pravděpodobnost úspěšnosti řešení.
|
|
|
Řešení optimalizačních úloh algoritmy PSO
González, Marek ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Práce se zabývá popisem algoritmu particle swarm optimization (PSO) a demonstrací jeho činnosti na vybraných optimalizačních úlohách. PSO byl převážně navržen pro spojitou optimalizaci a řadí se mezi algoritmy hromadné inteligence. Práce obsahuje úvod do problematiky optimalizace a teoretický popis algoritmu. Po teoretické části následuje část praktická, která se věnuje implementaci algoritmu a hledání vhodného nastavení jeho parametrů. Řešené úlohy jsou shlukování, problém obchodního cestujícího a hledání minima vícerozměrných funkcí.
|
host ::
RSS.