|
|
Gramatická evoluce v optimalizaci software
Pečínka, Zdeněk ; Minařík, Miloš (oponent) ; Sekanina, Lukáš (vedoucí práce)
Tato diplomová práce nabízí stručný úvod do evolučního počítání. Popisuje a porovnává genetické programování a gramatickou evoluci a jejich možné využití v problematice automatické opravy software. Podrobně studuje možnosti aplikace gramatické evoluce v problému automatické opravy softwaru. Na základě získaných poznatků byla navržena a implementována nová metoda pro automatickou opravu softwaru, založená na gramatické evoluci. Její experimentální ověření proběhlo na řadě testovacích programů.
|
|
|
Mutace v kartézském genetickém programování
Končal, Ondřej ; Hrbáček, Radek (oponent) ; Wiglasz, Michal (vedoucí práce)
Tato práce se zabývá zkoumáním různých druhů mutací v kartézském genetickém programování (CGP) na úlohách symbolické regrese. CGP je druh evolučního algoritmu, který pracuje se spustitelnými strukturami. Mutace je u CGP hlavním genetickým operátorem a v kombinaci s ohodnocením zabírá nejdelší dobu běhu algoritmu. Nalezení lepšího druhu mutace proto může výrazně zrychlit tvorbu nových jedinců, a tak i zkrátit dobu běhu algoritmu. Tato práce představuje čtyři druhy mutací používané v CGP. Experimenty porovnávají tyto mutační operátory při řešení pěti úloh symbolické regrese. Ukazuje se, že vhodnou volbou mutace lze dosáhnout až skoro dvojnásobného zrychlení oproti standardnímu mutačnímu operátoru.
|
|
|
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.
|
|
|
Evoluční výpočetní techniky
Popelka, Jan ; Smékal, Zdeněk (oponent) ; Karásek, Jan (vedoucí práce)
Cílem této bakalářské práce bylo seznámit se s evolučními optimalizačními technikami, převážně pak s genetickým algoritmem a genetickým programováním. Následně byla popsána optimalizační úloha obchodního cestujícího řešená pomocí genetického algoritmu, v další kapitole řešení symbolické regrese za pomoci genetického programování. V praktické části byly tyto optimalizační úlohy vytvořeny v programovacím jazyce JAVA.
|
|
| |
|
|
Využití evolučních algoritmů v úloze symbolické regrese
Komadel, Michal ; Slaný, Karel (oponent) ; Vašíček, Zdeněk (vedoucí práce)
Evoluční techniky jsou neustále se vyvíjející a progresivní část informatiky. Evoluční algoritmy se v praxi používají k řešení mnohých druhů problémů od optimalizace až k plánování. Tato práce se zabývá genetickým a kartézským genetickým programováním, které patří mezi nejčastěji používané algoritmy. Cílem práce je implementovat jednotlivé přístupy a vyhodnotit jejich účinnost v úloze symbolické regrese.
|
|
|
Symbolická regrese a koevoluce
Drahošová, Michaela ; Žaloudek, Luděk (oponent) ; Sekanina, Lukáš (vedoucí práce)
Symbolická regrese je úloha identifikace matematického popisu skryté závislosti experimentálně získaných dat. Symbolická regrese je úzce spjata se základními úlohami strojového učení. Tato práce se zabývá symbolickou regresí a jejím řešením založeném na principu genetického programování a koevoluce. Genetické programování je evolucí inspirovaná metoda strojového učení, která automaticky generuje celé programy v určitém programovacím jazyce. Koevoluce fitness prediktorů je optimalizační metoda modelování fitness, která snižuje náročnost a frekvenci výpočtu fitness. Tato práce se zabývá návrhem a implementací řešení symbolické regrese s užitím koevoluce fitness prediktorů a srovnáním s řešením bez užití koevoluce. Experimenty byly provedeny s použitím kartézského genetického programování.
|
|
|
Využití regresních metod pro predikci dopravy
Vaňák, Tomáš ; Korček, Pavol (oponent) ; Petrlík, Jiří (vedoucí práce)
Diplomová práce se zabývá možnostmi predikce dopravní situace na makroskopické úrovni s využitím údajů naměřených pomocí dopravních senzorů. Těmito senzory mohou být indukční smyčky, radarové detektory nebo kamery. Práce se zaměřuje na problematiku predikce dojezdových dob automobilů. V rámci diplomové práce byla navržena a implementována metoda dojezdových dob. Navržená metoda byla otestována pomocí dat z reálného provozu. Prvním cílem práce bude seznámení s metodami predikce, které budou využívány. Hlavním cílem práce je využít získaných znalostí k navržení a implementaci aplikace, která bude predikovat požadované dopravní veličiny.
|
|
|
Koevoluční algoritmus pro úlohy založené na testu
Hulva, Jiří ; Sekanina, Lukáš (oponent) ; Drahošová, Michaela (vedoucí práce)
Tato práce se zabývá využitím koevoluce při řešení symbolické regrese. Symbolická regrese se používá pro zjištění matematického vztahu, který aproximuje naměřená data. Lze ji provádět pomocí genetického programování - metody ze skupiny evolučních algoritmů inspirovaných evolučními procesy v přírodě. Koevoluce pracuje s několika vzájemně působícími evolučními procesy. V této práci je popsán návrh a implementace aplikace, která dokáže provádět symbolickou regresi pomocí koevoluce pro úlohy založené na testu. Testy jsou generovány novou metodou, která umožňuje dynamicky měnit počet trénovacích vektorů potřebných k ohodnocení kandidátních řešení. Funkčnost aplikace byla ověřena na pěti testovacích úlohách. Výsledky byly porovnány s koevoluční metodou pracující s fixním počtem trénovacích vektorů. U tří úloh nalezla nová metoda řešení požadované kvality během menšího počtu generací, většinou ale bylo potřeba provést více vyčíslení trénovacích vektorů.
|
|
|
Kryptoanalýza symetrických šifrovacích algoritmů s využitím symbolické regrese a genetického programování
Smetka, Tomáš ; Janoušek, Vladimír (oponent) ; Homoliak, Ivan (vedoucí práce)
Tato diplomová práce se zabývá kryptoanalýzou symetrických šifrovacích algoritmů. Cílem práce je ukázat jiný úhel pohledu na tuto problematiku. Odlišný způsob oproti současným metodám spočívá ve využití síly evolučních principů, které jsou v kryptoanalytickém systému aplikovány pomocí genetického programování. V teoretické části je popsána kryptografie a kryptoanalýza symetrických šifrovacích algoritmů a genetické programování. Ze získaných informací je dále představen návrh kryptoanalytického systému, který využívá evoluční principy. Praktická část se zabývá implementací symetrického šifrovacího algoritmu, lineární kryptoanalýzou a simulačním nástrojem genetického programování. Závěr práce prezentuje experimenty s navrženým kryptoanalytickým systémem využívající genetické programování a zhodnocuje dosažené výsledky.
|
host ::
RSS.